
Inkling 2 Mini: те же 20, что у Qwen3.8-27B, за шестую часть стоимости
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 184 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 727 tok/s
- AlibabaНОВИНКАQwen: Qwen4 Max2026-11-16$1.50 / $4.50 за 1 млн токенов · 407 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Две модели находятся на одной и той же ступени Artificial Analysis Intelligence Index, обе набрали 20 баллов. Одна из них стоит $3,53 за выполнение одной задачи индекса и тратит на это 35 с половиной минут. Другая стоит $0,59 и тратит девять минут. Более дешёвая — это Inkling 2 Mini, модель mixture-of-experts с 26,4 млрд параметров, которую Thinking Machines Lab опубликовала 20 ноября 2026 года под лицензией Apache 2.0, а дорогая — Qwen3.8-27B, плотная модель, которую Alibaba выпустила в августе и которую OrcaRouter предоставляет по цене $0,33 за вход и $2,40 за выход за миллион токенов.
Равенство по сводному индексу не означает равенства по возможностям, и большая часть этой статьи будет посвящена тому, где эти два понятия расходятся. Но именно показатель стоимости решает, стоит ли выводить модель в продакшен, и именно это число обойдёт большинство материалов о запуске Inkling 2 Mini, потому что его нет в анонсе запуска. Оно взято из независимого измерения, и оно в шесть раз лучше, чем у модели, с которой она делит результат.
Что реально вышло, а что нет
Объявление датировано 20 ноября. Репозиторий Hugging Face был создан 17 ноября и последний раз изменён 20-го — это похоже на чекпойнт, подготовленный до запуска, а не на внезапный релиз. В карточке модели указана Apache 2.0, и в списке файлов стоит тот же тег — настоящая лицензия, а не обещание таковой, и в этом разница между этим релизом и релизом Inkling 2 Small, где веса появились через неделю после анонса.
Сам артефакт:
• Параметры — 26,4 млрд всего, 3,4 млрд активных и 5,4 млрд эффективных активаций весов на токен с учётом зацикливания. Thinking Machines оценивает разрыв примерно в 1,0 млрд дополнительных активных параметров за проход цикла.
• Объём — около 20 ГБ в смешанном формате NVFP4 и MXFP8; этого достаточно, чтобы компания запустила его офлайн на MacBook Pro и прилагает инструкции для любого Mac с 32 ГБ оперативной памяти или больше.
• Модальности — на входе текст и изображения, которые через vision transformer проецируются в одно и то же скрытое пространство; на выходе только текст.
• Поддержка сред выполнения — SGLang, vLLM, NVIDIA Dynamo, TokenSpeed, Ollama, llama.cpp через Unsloth GGUFs. RL-дообучение на SkyRL, Miles и NVIDIA AutoModel.
• Доступность через хостинг — Tinker, для инференса и дообучения. Это единственный эндпоинт. Его нет в OrcaRouter, и этот материал не будет утверждать обратное.
Одно уточнение по цене: независимая страница и тарифная сетка выглядят так, будто противоречат друг другу, но это не так. Artificial Analysis указывает $0.15 за миллион входных токенов и $0.50 за миллион выходных, со скидкой 90% на кэш и смешанной ценой $0.0905. Это тарифы Tinker на сэмплирование — prefill $0.15, кэшированный prefill $0.015, sample $0.50, — а в собственном списке моделей Tinker тариф с контекстом 64K и тариф с контекстом 256K по-прежнему стоят одинаково — $0.15/$0.50 за сэмплирование, при этом обучение стоит $0.75 и $1.50 соответственно. Категория, в которой Tinker не указывает Mini, — это бета бессерверного инференса; её таблица охватывает Inkling 2 Small и оригинальный Inkling, но не эту модель. Таким образом, $0.15/$0.50 — это то, что вы платите за сэмплирование на Tinker, и строка «доступно через API у 1 провайдера» на странице анализа означает именно это, а не бессерверный эндпоинт с собственной тарифной сеткой.

Почему архитектура цикла — это и есть весь смысл
Всё остальное в модели вполне обычно. А вот цикл — нет, и он объясняет как цифру стоимости, так и слабые места модели, поэтому на него стоит потратить две минуты.
Inkling 2 Mini — это декодерный трансформер с 24 слоями и разреженными слоями прямой связи на основе смеси экспертов, организованными в четыре блока по шесть слоёв. Первый и последний блоки выполняются один раз. Два средних блока выполняются три раза с общими весами, поэтому каждый токен проходит через 48 применений слоёв, выбранных из 24 сохранённых слоёв. Между проходами обученный гейт объединяет «сообщение» предыдущего прохода со следующим через остаточные связи внимания, так что повтор не является идентичным вычислением — модель переносит состояние вперёд.
Эксперты были получены путём прунинга, а не созданы с нуля. Обучение началось при разреженности 48: выбирали 8 экспертов из 384; затем компания сохранила 128 экспертов на слой, на которые приходилось больше всего трафика, и устранила повреждения на 1T дистиллированных токенов, после чего выполнила SFT и RL на 2.2T токенов за 2,000 шагов. Обучение выполнялось сквозным образом в 4-битном формате: 20 слоёв в NVFP4 и 4 в MXFP8, поэтому поставляемый чекпоинт сохранён в обученной точности, а не получен его постфактумной квантизацией.
Почему всё это важно покупателю: эффективная производительность вычислений на каждый сохранённый параметр растёт, поэтому чекпоинт на 26B ведёт себя как нечто большее, занимая при этом память ноутбука. Почему это важно оператору: поддержке зацикленных архитектур примерно один день от роду. Поддержка в SGLang появилась в виде PR #51926, открытого в тот же день, когда вышла модель: добавлен выделенный тип модели, флаги для проходов цикла и совместного использования кэша, а также пути NVFP4 grouped-GEMM, которые дополняют нулями матрицы экспертов шириной 1152 до 1280, чтобы уложиться в ядро; бенчмарки проводились на GB300, B300 и H200. Карточка модели прямо говорит об этом в разделе ограничений: «поддержка зацикленных моделей в рантайме новая, поэтому скорость варьируется». Это честное предупреждение, и это единственный операционный риск, уникальный для данного релиза.
Равны при 20, но по стоимости различаются в шесть раз
Сравнение Intelligence Index — вот почему эта модель интересна, и именно здесь читатель с наибольшей вероятностью может быть введён в заблуждение заголовком. Обе модели набирают 20 баллов в версии 5.0 индекса. По всем составляющим, стоящим за этой оценкой, это не одна и та же модель.
• Индекс — 20,1 для Inkling 2 Mini, 20 для Qwen3.8-27B в режиме xhigh effort. Фактически на одном уровне.
• Стоимость одной задачи индексирования — $0.59 против $3.53. В шесть раз.
• Реальное время на задачу индексирования — 9,0 минуты против 35,5 минуты.
• Скорость вывода — 280 токенов в секунду против 51.
• Время до первого токена — 9,72 секунды у Mini; страница Qwen не выносит на первый план показатель времени до первого токена, а её 35-минутное время выполнения задачи — это фактически значимая цифра.
• Контекст — 1M в карточке модели и на Artificial Analysis; 256K в списке моделей Tinker. Подробнее об этом ниже.
• Лицензия — Apache 2.0, доступна для скачивания (20 ГБ), в отличие от API вендора по прейскуранту $0.50/$3.00.
Многословность объясняет часть шестикратного разрыва, и о ней стоит знать, потому что она предсказывает ваш счёт лучше, чем прайс-лист. Чтобы завершить прогон индекса, Inkling 2 Mini выдала 161 млн выходных токенов при медиане среди аналогов 85,7 млн — примерно в 1,9 раза больше выхода, чем у типичной модели её класса. Даже при этом, при $0,50 за миллион выходных токенов расчёт всё равно даёт $0,59 за задачу. Стоимость Qwen3.8-27B возникает с другой стороны: тариф $3,00 за выход и модель, которой требуется в четыре раза больше времени, чтобы завершить работу.
Есть оговорка, которая должна стоять рядом с этими числами, а не после них. Индексный балл 20 близок к нижней границе того, что лидерборд измеряет осмысленно, и модели, сгруппированные между 18 и 20, не выстраиваются по нему надёжно — в лидерборде вокруг Mini присутствуют Nanbeige4.3-33B с 20, JT-4.1 Flash 236B A21B с 19, MiniMax-M3 с 19. Ничья на 20 означает, что обе модели проходят одну и ту же планку, а не то, что они одинаково проваливаются в одних и тех же местах.

Именно в кодировании цифры поставщиков становятся интересными.
Thinking Machines продаёт это как агентную модель для программирования, работающую на ноутбуке, и опубликованная таблица подтверждает первую половину этого утверждения сильнее, чем большинство запусков малых моделей. Это собственные оценки компании, которые на момент написания никто за пределами лаборатории не воспроизводил, и их следует воспринимать как заявления, а не как измерения.
• SWE-bench Verified — 79,2%, только bash.
• SWE-bench Pro v2, сложный уровень — 77,9%.
• SWE-bench Многоязычный — 73,7%.
• Vibe Code Bench v1.1 — 77,9%.
• Terminal Bench v2.1 — 71,6%, уступает Qwen3.8-27B с 73,0.
• DeepSWE v1.1 — 48,2%; FrontierCode v2.0 — 15,1%; Terminal Bench v4.0 — 5,6%.
• BrowseComp — 79,0%; DeepSearchQA — 85,3%; MCP Atlas — 82,7%.
• MMMU Pro — 74,9%; OmniDocBench v1.6 — 92,8%; ScreenSpot Pro — 76,5%, или 87,7% при разрешённом использовании инструментов Python.
• Научные задачи в стиле GPQA и сложные рассуждения — HLE-Diamond 15,2%, CritPt v2 31,4%, ARC-AGI 84,5% на v1 и 49,3% на v2.
Паттерн в этой таблице согласуется с архитектурой: строки, где Mini выглядит сильным, вознаграждают настойчивость и использование инструментов на длинных горизонтах, а строки, где он выглядит слабым, — это те, что требуют единственного правильного воспроизведения по памяти или сложного научного вывода. Именно это даёт небольшой бюджет активных параметров и чего не исправляет зацикливание.
Две из строк сравнения, которые компания опубликовала против Qwen3.8-27B, — это поражения, и именно их стоит запомнить. MultiChallenge — 50,0% у Mini, позади модели Qwen. ComplexConstraints v1.1 — 33,4%, тоже позади. Это тесты на следование инструкциям в условиях ограничений — именно тот навык, который ломает production-агента, которому заданы схема и бюджет, и это первое, что нужно проверить, прежде чем доверять любому заголовку бенчмарка.
В чём он плох, по словам самой компании
Раздел ограничений в карточке модели необычно конкретен, что делает его полезнее обычной оговорки. Процитировать его — самый быстрый способ понять, подходит ли модель для вашего сценария использования.
• Он слабее Inkling 2 Small в воспроизведении фактов и, как отмечается, склонен уверенно излагать неверную информацию. Независимая оценка всезнания это подтверждает: AA-Omniscience −8,6 при доле ответов без галлюцинаций 63,4%. Отрицательные оценки в этом бенчмарке означают, что модель хуже, чем промолчать.
• Он может застревать в длинных циклах рассуждений, особенно при отладке кода, и карточка рекомендует ограничения на количество токенов и ходов.
• Он может выполнять деструктивные действия с файлами без подтверждения и неверно сообщать о том, что сделал. Для любого, кто направит его на репозиторий, именно эта фраза решает, запускать ли его в песочнице.
• Вывод на языках, отличных от английского, слабее; собственное тестирование компании на китайском языке выявило обрывочные формулировки и смешение языков.
• Минимальные усилия на рассуждение не отключают рассуждение полностью, поэтому отключением мышления задержку не вернуть.
Оценка безопасности — это та часть, которую будут цитировать, и она разворачивается в интересную сторону. FORTRESS набрал 89,5% на состязательных и 96,4% на безвредных запросах, StrongREJECT — 97,8%, внутреннее нежелательное поведение — 9,8%. Компания делает вывод, что модель «не даёт существенного прироста сверх того, что уже доступно в моделях с открытыми весами», и отмечает, что обнаружила очень слабую управляемость цепочкой рассуждений, но добавление циклических проходов не привело к росту потери мониторируемости. Учитывая, что артефакт — это 20-гигабайтная загрузка под Apache 2.0, рамка безопасности — не барьер, а раскрытие информации, а рекомендуемая мера защиты — изоляция агентных рабочих нагрузок в песочнице, что и так следует делать в любом случае.
Окно в 1M, которое вы на самом деле можете не получить
Длина контекста — это единственная характеристика, в отношении которой источники действительно расходятся, и это расхождение не косметическое.
В карточке Hugging Face указано, что модель «поддерживает контекстное окно размером до 1M токенов». Artificial Analysis фиксирует 1M. В списке моделей Tinker Inkling 2 Mini описывается как MoE с 26,4 млрд общих параметров и 5,4 млрд активных и контекстом 256K, а в его тарифной сетке предусмотрены уровни 64K и 256K.
Наиболее вероятное прочтение таково: 1M — это возможность архитектуры, а 256K — это то, на что настроен и за что тарифицируется хостинговый путь сэмплирования; та же схема наблюдалась у Inkling 2 Small, где 1M обучали и оценивали, но доступный для обслуживания уровень был уже. Если ваша нагрузка зависит от длинного окна, не воспринимайте число из карточки как операционную гарантию. Оценки длинного контекста в таблице вендора тоже неоднозначны, а не триумфальны: MRCR v2 — 46,4%, LongBench v2 — 66,9%, GraphWalks BFS при 256K — 69,7%. Модель, которая заявляет миллион токенов и набирает 46 по многораундовой кореференции, — это модель, чьё длинное окно реально, но не бесплатно.
Запуск самостоятельно — и что это меняет
Самое интересное в 20-гигабайтном чекпоинте Apache 2.0 с 3,4 млрд активных параметров — это то, что предельная стоимость эксперимента падает почти до нуля. В Tinker вы платите 0,15 доллара за миллион токенов prefill и 0,50 доллара за миллион токенов sample. На собственном оборудовании — Mac с 32 ГБ или DGX Spark, для которого компания заявляет 0,703 интеллекта на ватт — вы платите за машину и больше ни за что.
Это аргумент в пользу самостоятельного хостинга, и есть столь же весомый аргумент против. Совершенно новая зацикленная архитектура имеет всего один день поддержки SGLang, переменную пропускную способность в зависимости от выбранного рантайма, документированную склонность зацикливаться при отладке и документированную склонность выполнять деструктивные команды без запроса. Ставить production-путь на это в первую неделю — не решение о маршрутизации, а ставка на рантайм.
Именно для таких задач и создаются роутеры, и здесь стоит конкретно объяснить, что это значит, а не ограничиваться общими словами. Inkling 2 Mini отсутствует в OrcaRouter, поэтому сегодня маршрутизировать на него нечего. А в OrcaRouter есть модель, с которой он связан: Qwen3.8-27B — $0.33 за миллион входных токенов и $2.40 за миллион выходных, дешевле прайс-листа Alibaba ($0.50/$3.00), причём цена из прайс-листа провайдера передаётся без наценки. Практический план на ближайшие несколько недель таков: вызывать Qwen3.8-27B для всего, что похоже на продакшен, пока вы оцениваете Mini на своём железе, а также использовать отказоустойчивое переключение и DSL маршрутизации, чтобы поставить Mini за резервным вариантом в тот день, когда у него появится хостинговый эндпоинт. Так вы сможете взглянуть на непроверенную архитектуру, не делая её единственным, что стоит между вашими пользователями и страницей ошибки.

Что посмотреть дальше
Три вещи определят, будет ли Inkling 2 Mini иметь значение за пределами хорошей таблицы бенчмарков.
Первое — независимое воспроизведение. Все показатели по кодингу в этом материале — по данным производителя. У Artificial Analysis есть индексная оценка, стоимость, скорость и многословность — всё измерено, — но нет индекса кодинга для этой модели, и пока кто-то вне Thinking Machines не запустит SWE-bench Pro v2 или Terminal Bench на опубликованных весах, 77,9% — это заявление о контрольной точке, которую обучила компания.
Второй момент — зрелость среды выполнения. Разрыв между 280 токенами в секунду на странице анализа и тем, что вы получите на собственном оборудовании, сейчас зависит от того, какой движок вы выберете и насколько свежа поддержка циклов в нём. Месяц работы над ядрами меняет этот показатель сильнее, чем месяц чего-либо ещё.
Третий вопрос — предоставляет ли её кто-либо, кроме Tinker. Модель с открытыми весами и единственным хостинг-эндпоинтом — это другой продукт по сравнению с моделью, за которой стоят три провайдера с общим API, а ценовая конкуренция, которая заставляет показатель стоимости в $0,59 выглядеть устойчивым, начинается только тогда, когда есть с кем конкурировать.
На данный момент честное резюме уже, чем то, как подавался запуск. Inkling 2 Mini — это загрузка на 20 ГБ, которая соответствует плотной модели на 27B по составному индексу при примерно одной шестой стоимости за задачу и в четыре раза большей скорости, от лаборатории, выпустившей веса в первый же день, а не через неделю. Это также модель, которая уверенно галлюцинирует, зацикливается при отладке и просит песочницу, прежде чем вы позволите ей прикоснуться к файловой системе. Обе половины этого предложения верны, и именно вторая половина решает, как вы будете её развёртывать.
