
Inkling 2 Mini vs Inkling 2 Small: 11 poäng för 394GB
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 183 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 568 tok/s
- AlibabaNYQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1M tokens · 385 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 87 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 107 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 214 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
Två checkpoints, en familj och ett val som handlar om hur mycket disk och minne du är villig att lägga på elva Index-poäng. Inkling 2 Mini är den lilla: 26,4 miljarder parametrar totalt, 3,4 miljarder aktiva, en enda fil på ungefär 20 GB som Thinking Machines Lab publicerade den 20 november 2026 under Apache 2.0. Inkling 2 Small är den stora: 594 miljarder totalt, 17 miljarder aktiva, 393,5 GB fördelat på 36 filer, med vikter som öppnades den 12 november efter en vecka av stängd tillgänglighet som började med lanseringen den 5 november. På Artificial Analysis Intelligence Index v5.0.1, som mäter båda oberoende av varandra, får de 20,1 och 31. Det är hela avvägningen på en rad, och det underskattar hur olika de två beter sig.
Det som följer skiljer de två typerna av bevis, eftersom skillnaden avgör de flesta argument om den här familjen. Indexpoäng, kostnad per indexuppgift, hastighet, kontext och licens är siffror från Artificial Analysis och leverantörsmetadata, avlästa den 21 november 2026. Varje benchmarkprocent är Thinking Machines egen utvärderingstabell från det relevanta lanseringsinlägget, på en checkpoint som företaget har tränat, och markeras som leverantörsrapporterad varje gång den förekommer. Ingen av tabellerna har reproducerats utanför labbet.
Vad varje kontrollpunkt faktiskt är
Börja med artefakten, eftersom artefakterna inte är samma typ av sak. Inkling 2 Small är en platt mixture-of-experts-modell: 594B totalt, 17B aktiva per token, vikterna publicerades åtta dagar efter lanseringen som 24 safetensors-shards plus en MXFP8-variant som är ännu större. Inkling 2 Mini är en beskuren, loopad ättling – samma huvudrecept med två tredjedelar av experterna borttagna och en loop tillagd i mellanskikten. Den levereras som en enda fil på cirka 20 GB eftersom den tränades från början till slut i 4-bit och distribueras i den precision den tränades i, 20 lager i NVFP4 och 4 i MXFP8, så det finns ingen konverteringsförlust att betala för.
• Totalt antal parametrar — Inkling 2 Mini 26,4B vs Inkling 2 Small 594B.
• Aktiva parametrar — 3,4B mot 17B, där Mini når 5,4B effektiva viktaktiveringar per token när dess tre loop-pass har räknats in.
• Nedladdning — cirka 20 GB i en fil jämfört med 393,5 GB fördelat på 36 filer, eller 622,8 GB för MXFP8-varianten.
• Index — 20,1 vs 31, båda på Intelligence Index v5.0.1.
• Kostnad per indexuppgift — 0,59 USD vs 1,18 USD.
• Utdatashastighet och första token – 280 tokens per sekund vid 9,72 sekunder jämfört med 118 tokens per sekund vid 39,68 sekunder.
• Kontext — 1M tokens på båda modellkorten, och 1M registrerat av Artificial Analysis för båda. Inkling 2 Smalls serverade nivå på Tinker är snävare än dess kort, och Mini ärver samma glapp; behandla miljonen som en kapacitet, inte som ett operativt löfte.
• Licens — Apache 2.0 på båda. Smalls kort deklarerar det utan att leverera någon LICENSE-fil; Minis kort deklarerar det i metadata med samma avsaknad. Värt att veta om er juridiska granskning vill ha dokumentationen i trädet.

Elva poäng, och var de kommer ifrån
Att läsa de två leverantörstabellerna sida vid sida är det enda sättet att se vad den extra beräkningskraften ger, eftersom indexpoängen ensam döljer det. Båda modellerna utvärderades av samma labb med överlappande testramverk, så raderna är ungefär jämförbara med varandra – och bara med varandra.
• DeepSWE v1.1 — Inkling 2 Small 72,1 % mot Inkling 2 Mini 48,2 %. Den största skillnaden i kodningsblocket.
• SWE-bench Pro v2, Svår — 86,3 % mot 77,9 %.
• SWE-bench Verified — 79,2 % för Mini, endast bash. Smalls egen lanseringstabell visar inte samma rad, så detta är det enda kodningsbenchmark där de två inläggen inte kan fås att stämma överens.
• Vibe Code Bench v1.1 — 81,6 % mot 77,9 %.
• FrontierCode v2.0 — 25,4 % mot 15,1 %. En tiopunktskillnad på benchmarken där båda är svagast.
• PMPP-Hard, benchmarken för kärnoptimering — 494,27 AUC för Small mot 455,82 för Mini, vilket är närmare än parameterantalet antyder och är raden som lanseringsinlägget hänvisar till när det säger att Mini "närmar sig" sitt större syskon.
• BrowseComp — 90,2 % mot 79,0 %; DeepSearchQA 90,9 % mot 85,3 %; MCP Atlas 85,0 % mot 82,7 %. Sökning och verktygsanvändning minskar gapet till ensiffriga tal.
• CritPt v2, full — 55,7 % vs 31,4 %. Det är inom vetenskapligt resonemang som den extra lagrade kunskapen märks som allra mest.
• AA-Omniscience — 16,1 med en icke-hallucineringsgrad på 73,3 % jämfört med −8,6 med 63,4 %.
Den sista raden är den man ska låta sjunka in. En negativ omniscienspoäng innebär att en modell är sämre än att avstå från att svara, och indexgapet på elva punkter betalas till stor del där: den större modellen vet saker, den mindre räknar ut dem. Thinking Machines säger detta självt, med andra ord, när det förklarar att looping tillför seriell beräkning men inte lagrade fakta. Beskärningen skar bort två tredjedelar av experterna; kunskapen bor i de experter som återstår.
Samma recept, mindre panna
Släktskapet är inte marknadsföring. Båda modellerna genomgick SFT med en liknande datamix och en RL-fas som totalt omfattade 2,2T tokens över 2 000 steg, med on-policy-distillation som användes för alignment i båda. Efterträningspipelinen är samma pipeline; det som skiljer sig är vad som anlände till den.
Minis väg dit är värd att känna till eftersom den förklarar flera av benchmarkraderna. Den började med sparsitet 48 och dirigerade varje token till 8 av 384 experter. Vid ett tillfälle under mellanträningen behöll Thinking Machines de 128 mest använda experterna per lager – en minskning med två tredjedelar – och läkte förlusten på 1T token som destillerats från en större intern Inkling-modell, genom att träna de överlevande att ta över de borttagna experternas arbete. Därefter lade den till looping: fyra block med sex lager, där de två mittersta blocken körs tre gånger och en inlärd gate som slår samman föregående passes meddelande med nästa, med start vid noll förstärkning så att träningen börjar som en vanlig modell.
Två bedömningsbeslut i den konstruktionen är lärorika. Företaget lät de mellersta tolv lagren gå i loop i stället för de sista tolv, efter att ha testat båda i 28 utvärderingar och funnit att de mellersta var bättre i 27 av dem, med en vinst på 1,51–1,91× vid likvärdig beräkningskostnad jämfört med 1,24–1,36×. Och man behöll första och sista blocken i ett enda pass, utifrån teorin att de hanterar översättning från token till representation medan mitten bär abstraktionen. Det är därför Mini får 48 lagertillämpningar per token från 24 lagrade lager utan att lägga till en parameter.
Kostnaden för det tricket är operativ. En platt MoE är något som varje inferensstack har serverat i två år. En loopad modell har haft stöd i SGLang och vLLM sedan ungefär dagen den släpptes, och modellkortet säger rakt ut att runtime-stöd för loopade modeller är nytt och att hastigheten varierar. Om du väljer mellan dessa två för en produktionsväg den här månaden är den tråkiga den med den mogna kärnan.
Hårdvara är den verkliga skiljelinjen
De två checkpointarna konkurrerar inte om samma maskin, och det avgör fler driftsättningar än vad poängen gör. Mini är specificerad att köras på en enda NVIDIA DGX Spark, vilken Apple silicon-enhet som helst med 32 GB eller mer, eller ett grafikkort med 32 GB VRAM; i företagets egen demo bygger den en spelbar flygsimulator offline på en MacBook Pro i flygplansläge, och en stadsimulering med tjugo agenter på en bärbar dator. En effektivitetsstudie från Stanford som genomfördes på early access gav den 0,703 intelligens per watt på en DGX Spark med MXFP8 och låg resonemangsinsats – uppmätt av forskare utanför labbet, på en enda enhet, vilket är den starkaste oberoende signalen i släppet.
Small behöver en nod. 393,5 GB vikter får inte plats någonstans där en privatperson äger hårdvaran, vilket är anledningen till att det naturliga sättet att använda den är en hostad slutpunkt – Tinker, i leverantörens fall – och till att den intressanta jämförelsen för de flesta läsare inte är "vilken fil ska jag ladda ner" utan "vilka av dessa kan jag överhuvudtaget köra". Mini besvarar den frågan med en bärbar dator. Small besvarar den med en budget.
Det är i den asymmetrin som routningen har sin plats, och det är värt att vara konkret snarare än att bara antyda. Ingen av modellerna finns på OrcaRouter, så det finns inget att routa till någon av dem i dag. Det som finns på OrcaRouter är den hostade sidan av samma beslut: de modeller du skulle anropa för de arbetsbelastningar som 594B-checkpointen faktiskt är avsedd för, på en enda nyckel, till leverantörens listpris utan påslag. Routnings-DSL:en är delen som spelar roll här – den låter dig dela upp efter uppgift så att det dyra anropet bara sker för de förfrågningar som behöver det, med automatisk failover när en leverantör går ner, medan den billiga lokala modellen hanterar allt annat. Att köra Mini lokalt och bara anropa ut för den svåra svansen ger en lägre kostnad än att köra någon av modellerna för allt, och det är det upplägg som den här utgåvan faktiskt gör möjligt.
Beslutet, i tre fall
Om du bygger en agent som lever på en utvecklares maskin eller i en enda offline-box är Inkling 2 Mini svaret, och det finns ingen riktig konkurrens. En nedladdning på 20 GB med 280 tokens per sekund, Apache 2.0 och en kodningstabell som slår varje modell med öppna vikter i samma storlek på leverantörens egna rader. Sandboxa den – kortet varnar för destruktiva filåtgärder och loopar vid felsökning – och den kommer att utföra agentiskt arbete i reposkala på hårdvara du redan äger.
Om din arbetsbelastning består i hämtning ur en stor dokumentkorpus som du inte själv har skrivit, ligger Smalls fördel främst i de rader som gäller att återge vad ett dokument har sagt. CritPt på 55,7 % mot 31,4 %, allvetenhet på 16,1 mot −8,6 och en icke-hallucineringsgrad på 73,3 % mot 63,4 % är inte små skillnader i en regelefterlevnads- eller finansmiljö, där ett självsäkert felaktigt svar kostar mer än ett långsamt korrekt svar. Du kommer att betala för en nod eller en slutpunkt för att få dem.
Om du väljer för en blandad arbetsbelastning är uppdelningen själva poängen. Minis svaghet är kunskap, och kunskap är det enda du kan tillföra utifrån – ett retrieval-lager, ett sökverktyg, en större modell för de svåra fallen. Dess styrka är långsiktig agentisk uthållighet till ett pris som ingen annan i 20GB-klassen matchar. Köp den lilla modellen, hyr kunskapen och behandla 594B-checkpointen som något du eskalerar till snarare än något du kör.

Ett förbehåll gäller alla tre fallen och hör hemma i slutet i stället för att begravas. Båda modellernas benchmarktabeller är labbets egna, och indexpoängen är de enda oberoende uppmätta kapacitetssiffrorna i den här jämförelsen. 31 och 20,1 är jämförbara; 86,3 % och 77,9 % är jämförbara med varandra och med inget annat. Den som återger leverantörsraderna intill en konkurrents publicerade poäng jämför två testriggar, inte två modeller.

