
Inkling 2 Mini против Qwen 3.8: побеждает более дешёвый уровень
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 183 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 568 tok/s
- AlibabaНОВИНКАQwen: Qwen4 Max2026-11-16$1.50 / $4.50 за 1 млн токенов · 385 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 · 84 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 · 107 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 · 91 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 · 214 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
Сравнение, которое проводят все, — неправильное, и оно льстит новой модели. Inkling 2 Mini, опубликованная Thinking Machines Lab 20 ноября 2026 года, набирает 20,1 балла в Artificial Analysis Intelligence Index v5.0.1 — на уровне Qwen3.8-27B с 20 баллами, при $0,59 за задачу индекса против $3,53. Именно это очное сравнение Thinking Machines привела в собственной таблице бенчмарков, и по стоимости разрыв огромен. Но Qwen 3.8 — не одна модель. Это поколение из пяти моделей, и вариант, который действительно конкурирует с загружаемым чекпойнтом на 20 ГБ, — Qwen3.8-Flash, который Artificial Analysis оценивает в 29 баллов при $0,57 за задачу индекса — на девять баллов впереди, при той же стоимости за готовый ответ. Mini выигрывает сравнение, напечатанное в посте о запуске, и проигрывает тому, которое провёл бы покупатель.
Источники, поскольку они определяют вердикт: баллы по индексу, стоимость одной задачи, задержка и показатели контекста — это измерения Artificial Analysis, считанные 21 ноября 2026 года, а каждая цена OrcaRouter взята из нашего собственного каталога. Таблицы с процентными значениями взяты из стенда оценки при запуске Thinking Machines, проведённого вендором, и помечены там, где приводятся; собственные утверждения Alibaba об уровнях Qwen приводятся как утверждения Alibaba и здесь отдельно не проверялись.
Сначала уточните, какой Qwen 3.8 вы имеете в виду.
Ошибка, из-за которой большинство подобных сравнений теряет смысл, — это восприятие названия семейства как единого соперника. Qwen 3.8 охватывает хостинговый флагман за $2,00/$6,00 за миллион токенов, открытый чекпоинт на 2,4 трлн параметров под кастомной лицензией, плотную модель 27B под Apache 2.0, уровень Flash за $0,15/$0,47 и предварительную версию Flash-Next, открытые веса которой скрываются за хостинговым продуктом Flash. Члены семейства различаются более чем в десять раз по цене токенов и на девять пунктов по одному и тому же индексу. Единый вердикт «против Qwen 3.8» — это вердикт о размытом объекте.
• Qwen3.8-27B — 27B, dense-архитектура, Apache 2.0, на входе текст, изображения и видео, контекст 256K, Index 20 при уровне усилий xhigh, $0.50/$3.00 по прайс-листу, $3.53 за задачу Index, 34,5 минуты на задачу.
• Qwen3.8-Flash — размещённый production-тариф по цене $0.15/$0.47, работающий на тех же весах, что и предварительная версия Flash-Next; маршрутизируемая конечная точка заявляет окно в 1M токенов и максимальный вывод 131K, тогда как Artificial Analysis фиксирует 256K для открытых весов Flash-Next. По его оценке, эта модель имеет Index 29, 180B общих и 6B активных параметров, $0.57 за задачу индекса, 33,3 минуты.
• Qwen3.8-Max — закрытый флагман, индекс 34, $2.00/$6.00, $10.02 за задачу индекса. Не конкурент Mini по стоимости и не та модель, с которой стоит сравнивать.
• Inkling 2 Mini — 26,4 млрд всего, 3,4 млрд активных, Apache 2.0, 1 млн контекста в карточке, Index 20.1, $0.15/$0.50 на Tinker, $0.59 за задачу индекса, 9,0 минуты.
Таким образом, полезное сравнение распадается на две части. В сравнении с плотной моделью на 27B, которую выбрали в посте о запуске, Mini — это настоящий выигрыш по стоимости при равной оценке. В сравнении с уровнем Flash, который стоит столько же и с большим отрывом обгоняет её по индексу, аргумент Mini должен касаться чего-то иного, чем цена и оценка, — и это так: файл.

Ничья 27B — и почему она реальна
Обе модели оцениваются одним и тем же оценщиком на одной и той же ревизии одного и того же индекса, поэтому 20,1 против 20 — это реальное сравнение, а не случайность, обусловленная испытательными стендами. Это также ничья на пределе разрешения инструмента. Индекс представляет собой композит из девяти оценок, несколько из которых проведены на отложенных наборах, и модели, различающиеся в пределах одного пункта, не упорядочиваются по нему надёжно. Ничья устанавливает, что Mini преодолевает ту же планку, что и плотная модель на 27B, задействуя при этом 3,4 млрд активных параметров вместо 27 млрд.
Именно в столбце стоимости это и имеет значение. При $0,59 за задачу индексации против $3,53 Mini примерно в шесть раз дешевле для завершения той же оценки, и справляется он за девять минут против 34 с половиной. Скорость вывода — 280 токенов в секунду против 53. Время до первого токена ответа — 9,72 секунды против 144. В цикле агента из тридцати итераций эти цифры накапливаются в нечто, что пользователь может ощутить.
Ничто из этого не бесплатно, а компенсирующая цена — многословность. Mini выдала 161 млн выходных токенов на выполнение прогона по индексу против 128 млн у модели Qwen и медианы среди аналогов 85,7 млн. Платить $0,50 за миллион выходных токенов при 1,9-кратном типичном объёме всё ещё дёшево; а вот выделять фиксированное число токенов на задачу для модели, которая столько говорит, — нет. Команда, которая тарифицирует по токенам, а не по задачам, обнаружит, что шестикратное преимущество сокращается примерно до трёхкратного.
Где Mini действительно превосходит каждый уровень Qwen
Таблица по кодингу от вендора — это та часть запуска, которая делает модель интересной, и одновременно та часть, которую никто не проверял. Каждая строка ниже — это собственный харнесс Thinking Machines на собственном чекпоинте компании, и по крайней мере одна из них была запущена с использованием агентного скаффолда компании, а не нейтрального.
• DeepSWE v1.1 — Inkling 2 Mini 48,2% против Qwen3.8-27B 42,2%.
• SWE-bench Pro v2, Hard — 77,9% против 73,8%.
• SWE-bench Multilingual — 73,7% против 70,0%.
• SWE-bench Verified — 79,2% против 77,8%.
• Vibe Code Bench v1.1 — 77,9% против 64,9%.
• Terminal Bench v2.1 — 71,6% против 73,0%, проигрыш; на Terminal Bench v4.0 оба показывают 5,6%.
• BrowseComp — 79,0% против 61,6%; DeepSearchQA 85,3% против 79,7%; MCP Atlas 82,7% против 77,3%.
• MMMU Pro — 74,9% против 76,3%, ещё одно поражение с небольшим отрывом; OmniDocBench v1.6 — 92,8% против 91,5%.
Строки, где побеждает Mini, — это агентные задачи: патчинг в масштабе репозитория, длительный поиск, использование инструментов. Строки, где он проигрывает, — это задачи на точное припоминание. Здесь проявляется архитектура: зацикливание даёт последовательные вычисления на каждый токен, а последовательные вычисления — именно то, что нужно длинной агентной траектории. Но оно не даёт сохранённых фактов, и бенчмарк с большим весом знаний это замечает.
Разрыв в фактичности между Mini и семейством заметнее, чем в любой из этих строк. В AA-Omniscience таблица производителя показывает −8.6 для Mini при доле негаллюцинаций 63,4% против −6.4 и 71,4% у Qwen3.8-27B в том же столбце той же таблицы. Отрицательный балл означает, что модель хуже, чем отказ от ответа. Artificial Analysis не публикует отдельного показателя Omniscience для Mini, который я смог бы найти, поэтому эта строка целиком опирается на тестовый стенд производителя — и всё же это самое важное число в сравнении для всех, кто развёртывает модель без слоя поиска.
Где Флэш заканчивает спор
Теперь уровень, который действительно важен. Qwen3.8-Flash доступен на хостинге по цене $0,15 за вход и $0,47 за выход — та же ставка за вход, которую Tinker берёт за сэмплирование Mini, и на три цента дешевле на выходе. Artificial Analysis оценивает веса Flash-Next, лежащие в основе этой модели, в 29 баллов. За одну задачу индекса стоимость составляет $0,57 против $0,59 у Mini. Девять пунктов индекса — и на два цента дешевле.
Это не почти равный выбор ни по возможностям, ни по цене, и это заставляет по-новому взглянуть на то, для чего нужен Mini. Преимущества Mini перед Flash вообще не видны на табло: это файл размером 20 ГБ, который работает без сети, на MacBook или DGX Spark, без счётчика за токены и без участия провайдера. Преимущества Flash — девять пунктов индекса, хостинговый эндпоинт и окно в 1 млн токенов в маршрутизируемом API, при этом ничего не нужно скачивать. Если у вашей рабочей нагрузки есть подключение к сети, сторона Qwen выигрывает по всем измеряемым осям. Если нет — со стороны Qwen вам вообще ничего не доступно.
Сравнение скорости также говорит в пользу Mini — причём с большим перевесом, чем можно было бы предположить по разрыву в баллах. Mini выдаёт 280 выходных токенов в секунду при времени до первого токена 9,72 секунды; Flash-Next показывает 74 токена в секунду при 85,77 секунды до первого токена и 33,3 минуты на задачу индексирования. Для интерактивного агента это разница между инструментом, который отвечает, и тем, которого приходится ждать, — и это единственное место, где локальная модель с 5,4 млрд эффективных параметров имеет структурное преимущество перед размещённой в облаке моделью на 180 млрд параметров.
Практическая договорённость
Оба тарифа Qwen доступны на OrcaRouter, что делает построение пути эскалации необычайно дешёвым. Qwen3.8-27B маршрутизируется по $0.33 за миллион входных токенов и $2.40 за миллион выходных — ниже прайс-листа Alibaba $0.50/$3.00, потому что цена провайдера передаётся без наценки. Qwen3.8-Flash маршрутизируется по $0.15/$0.47 при окне в 1M токенов. Один ключ даёт доступ к обоим, с автоматическим переключением при сбое и DSL маршрутизации, позволяющим сначала отправлять запрос на дешёвый тариф и повышать его только при неудачной проверке.
Именно такая схема и нужна этому сравнению. Mini, если вы её внедрите, размещается на вашем собственном оборудовании, выполняя агентную работу, в которой сильна, и не платит ничего за токен. Уровни Qwen находятся за единой конечной точкой для запросов, с которыми Mini плохо справляется — тех, где нужно правильно вспомнить факт, прочитать длинный документ или сделать сложный научный вывод, — а переключение при отказе означает, что сбой провайдера ухудшает ответ, а не ломает его. Мы не хостим Inkling 2 Mini, и этот материал не будет делать вид, что это не так; роутер убирает второй договор и вторую интеграцию для той половины нагрузки, которая уходит в Qwen.

Что изменило бы вердикт
Две вещи, и обе недорого проверить. Первая — независимый прогон кода на публичных весах Mini. Если 48,2% на DeepSWE и 77,9% на SWE-bench Pro выживут на нейтральном стенде, агентский кейс Mini станет намного сильнее, чем предполагает индексная оценка 20,1, потому что индекс занижает именно ту долгосрочную работу, для которой модель построена. Если они не выживут, таблица запуска была вендорской таблицей, а модель в душе — двадцатка.
Второй вопрос — сохраняется ли девятибалльное преимущество Qwen3.8-Flash при контроле уровня усилий. Его индексный показатель соответствует одной конфигурации, а модели Qwen смещаются на несколько баллов между настройками усилий: модель 27B набирает 20 при xhigh и существенно ниже, когда мышление урезают. Flash-уровень, теряющий девять баллов при низком усилии, — это другой конкурент, чем тот, что их сохраняет, и никто не публиковал эту кривую для данного сравнения.
Пока не выйдет что-то из этого, честный вывод таков: вердикт неоднозначен. По измеренной производительности на доллар в хостинговом окружении Qwen 3.8 выигрывает дважды — модель 27B равна Mini по баллам, но проигрывает по стоимости, а уровень Flash превосходит её по обоим показателям. А в том, чего хостинговая модель не умеет вовсе — работать офлайн, работать на ноутбуке, работать без счётчика, — Qwen нечего противопоставить Inkling 2 Mini, и файл на 20 ГБ — это весь аргумент. Покупайте скачиваемую версию, если она нужна для работы там, где нет сети. Покупайте API, если нет.

Сравнение в этой статье1
Определено по этой статье
