En genererad titelskylt med texten 'Inkling 2 Mini vs Qwen 3.8', undertexten 'den nivå som faktiskt konkurrerar är Flash', med tre piller som lyder 'Mini: Index 20.1', 'Flash: Index 29' och 'Samma kostnad per uppgift', ovanför två kort som kontrasterar en '20GB-fil, körs offline' mot en 'hostad slutpunkt, 1M kontext' och en anteckning om att endast eskalera vid behov. OrcaRouter-logotypen sitter längst ner till höger.
Guides & Insights

Inkling 2 Mini vs Qwen 3.8: Besegrad av den billigare nivån

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Jämförelsen alla gör är fel, och den smickrar den nya modellen. Inkling 2 Mini, som publicerades av Thinking Machines Lab den 20 november 2026, uppnår 20,1 på Artificial Analysis Intelligence Index v5.0.1 – i nivå med Qwen3.8-27B på 20, till $0,59 per indextask mot $3,53. Det är den direkta jämförelse som Thinking Machines tog med i sin egen benchmarktabell, och kostnadsmässigt är skillnaden stor. Men Qwen 3.8 är inte en modell. Det är en generation med fem modeller, och det segment som faktiskt konkurrerar med en nedladdningsbar checkpoint på 20 GB är Qwen3.8-Flash, som Artificial Analysis poängsätter till 29 för $0,57 per indextask – nio poäng före, till samma kostnad per färdigt svar. Mini vinner jämförelsen som lanseringsinlägget tryckte och förlorar den som en köpare skulle göra.

Källredovisning, eftersom den styr bedömningen: indexpoängen, kostnaden per uppgift samt latens- och kontextsiffrorna är mätningar från Artificial Analysis avlästa den 21 november 2026, och varje OrcaRouter-pris är hämtat från vår egen katalog. Procenttabellerna är Thinking Machines lanseringsramverk, körda av leverantören, och markeras där de förekommer; Alibabas egna påståenden för Qwen-nivåerna citeras som Alibabas och har inte granskats separat här.

Först, vilken Qwen 3.8 menar du

Att behandla familjenamnet som en motståndare är misstaget som gör de flesta jämförelser av det här slaget värdelösa. Q​wen 3.8 omfattar en värdbaserad flaggskeppsmodell till $2.00/$6.00 per miljon tokens, en öppen checkpoint med 2,4 biljoner parametrar under en anpassad licens, en tät 27B-modell under Apache 2.0, en Flash-nivå till $0.15/$0.47 och förhandsvisningen Flash-Next, vars öppna vikter ligger bakom den värdbaserade Flash-produkten. Medlemmarna skiljer sig med mer än en faktor tio i tokenpris och med nio punkter på samma index. Ett enda "vs Q​wen 3.8"-omdöme är ett omdöme om något suddigt.

• Qwen3.8-27B — 27B dense, Apache 2.0, text, bild och video som indata, 256K kontext, Index 20 vid xhigh-ansträngning, listpris $0,50/$3,00, $3,53 per indexuppgift, 34,5 minuter per uppgift.

• Qwen3.8-Flash – den värdbaserade produktionsnivån till $0,15/$0,47, som serverar samma vikter som Flash-Next-förhandsvisningen; den routade slutpunkten annonserar ett fönster på 1M tokens och en maximal utdata på 131K, medan Artificial Analysis anger 256K för de öppna Flash-Next-vikterna. Den mäter den modellen till Index 29, 180B totalt och 6B aktiva, $0,57 per indexuppgift, 33,3 minuter.

• Qwen3.8-Max — den slutna flaggskeppsmodellen, Index 34, $2.00/$6.00, $10.02 per indexuppgift. Inte en kostnadsmässig konkurrent till Mini och inte modellen att jämföra sig mot.

• Inkling 2 Mini — 26,4B totalt, 3,4B aktiva, Apache 2.0, 1M kontext på kortet, Index 20,1, $0,15/$0,50 på Tinker, $0,59 per indexuppgift, 9,0 minuter.

Så den användbara jämförelsen har två halvor. Mot den 27B dense-modell som lanseringsinlägget valde är Mini en genuin kostnadsvinst vid lika poäng. Mot Flash-nivån, som kostar lika mycket och springer cirklar runt den i indexet, måste Minis argument handla om något annat än pris och poäng — och det gör det: filen.

Screenshot of the Artificial Analysis model page for Qwen3.8-Flash-Next, showing it above average in intelligence and well priced for its size but notably slow per task and very verbose, a score of 29 on the Intelligence Index against a median of 23, 156M tokens generated during the index run against a 104M median, pricing of $0.15 per 1M input and $0.47 per 1M output tokens, $0.57 per index task, 33.3 minutes per task, an 85.77-second time to first token, 74 output tokens per second, and a listed 256K-token context window.

Oavgjort vid 27B, och varför det är på riktigt

Båda modellerna mäts av samma utvärderare på samma revision av samma index, så 20,1 mot 20 är en verklig jämförelse och inte en tillfällighet i utvärderingsramverken. Det är också ett oavgjort resultat vid instrumentets upplösningsgräns. Indexet är en sammansättning av nio utvärderingar, flera på held-out-uppsättningar, och modeller inom en poäng från varandra kan inte tillförlitligt ordnas av det. Vad det oavgjorda resultatet fastställer är att Mini klarar samma ribba som en 27B tät modell samtidigt som den förbrukar 3,4 miljarder aktiva parametrar i stället för 27 miljarder.

Kostnadskolumnen är där det spelar roll. Med $0,59 per indextask mot $3,53 är Mini ungefär sex gånger billigare för att slutföra samma utvärdering, och den gör det på nio minuter mot 34 och en halv. Utdatasthastigheten är 280 tokens per sekund mot 53. Tiden till första svars-token är 9,72 sekunder mot 144. I en agentloop som kör trettio turer ackumuleras dessa siffror till något en användare kan känna.

Inget av det är gratis, och den kompenserande kostnaden är ordrikedom. Mini gav ifrån sig 161M output-tokens för att slutföra indexkörningen, jämfört med 128M för Qwen-modellen och en median på 85,7M bland jämförbara modeller. Att betala 0,50 dollar per miljon output-tokens för 1,9 gånger den typiska utvolymen är fortfarande billigt; att budgetera ett fast antal tokens per uppgift för en modell som pratar så mycket är det inte. Ett team som mäter i tokens i stället för i uppgifter kommer att upptäcka att fördelen på sex gånger krymper mot tre.

Där Mini verkligen slår varje Q​wen-nivå

Leverantörens kodningstabell är den del av lanseringen som gör modellen intressant, och det är också den del som ingen har kontrollerat. Varje rad nedan är Thinking Machines eget testramverk på sin egen checkpoint, och minst en av dem kördes med företagets eget agentramverk i stället för ett neutralt.

• DeepSWE v1.1 — Inkling 2 Mini 48,2 % mot Qwen3.8-27B 42,2 %.

• SWE-bench Pro v2, Hard — 77,9 % mot 73,8 %.

• SWE-bench Multilingual — 73,7 % mot 70,0 %.

• SWE-bench Verified — 79,2 % mot 77,8 %.

• Vibe Code Bench v1.1 — 77,9 % mot 64,9 %.

• Terminal Bench v2.1 — 71,6 % mot 73,0 %, en förlust; på Terminal Bench v4.0 skriver båda ut 5,6 %.

• BrowseComp — 79,0 % mot 61,6 %; DeepSearchQA 85,3 % mot 79,7 %; MCP Atlas 82,7 % mot 77,3 %.

• MMMU Pro — 74,9 % mot 76,3 %, ännu en knapp förlust; OmniDocBench v1.6 92,8 % mot 91,5 %.

De rader där Mini vinner är de agentiska – patchning i repositoriestorlek, långsiktig sökning, verktygsanvändning. De rader där den förlorar är de som gäller exakt återkallning. Det är arkitekturen som lyser igenom: loopning köper seriell beräkning per token, och seriell beräkning är vad en lång agentbana behöver. Den köper inte lagrade fakta, och ett kunskapstungt benchmark märker det.

Faktualitetsklyftan mellan Mini och familjen är mer uttalad än i någon av de där raderna. På AA-Omniscience anger leverantörens tabell −8,6 för Mini med en icke-hallucinationsgrad på 63,4 %, mot −6,4 och 71,4 % för Qwen3.8-27B i samma kolumn i samma tabell. Ett negativt resultat innebär att modellen presterar sämre än att avstå från att svara. Artificial Analysis publicerar inte något separat mått på allvetenhet för Mini som jag har kunnat hitta, så den här raden vilar helt på leverantörens testrigg – och det är fortfarande det viktigaste numret i jämförelsen för alla som driftsätter utan ett retrieval-lager.

Där Flash avslutar argumentet

Nu kommer nivån som spelar roll. Qwen3.8-Flash hostas och prissätts till $0,15 för indata och $0,47 för utdata – samma indatapris som Tinker tar för att sampla Mini, och tre cent billigare på utdata. Artificial Analysis ger Flash-Next-vikterna bakom den betyget 29. Per indexuppgift kostar den $0,57, jämfört med Minis $0,59. Nio indexpoäng, för två cent mindre.

Det är inte ett jämnt val vare sig vad gäller kapacitet eller pris, och det förändrar vad Mini är till för. Minis fördelar gentemot Flash syns inte alls på resultattavlan: den är en 20GB-fil som körs utan nätverk, på en MacBook eller en DGX Spark, utan per-token-mätare och utan någon leverantör inblandad. Flashs fördelar är nio indexpoäng, en hostad slutpunkt och ett 1M-token-fönster på det routade API:et utan något att ladda ner. Om din arbetsbelastning har en nätverksanslutning vinner Qwen-sidan på varje uppmätt axel. Om den inte har det är inget på Qwen-sidan tillgängligt för dig överhuvudtaget.

Hastighetsjämförelsen talar också till Minis fördel, och i högre grad än vad poänggapet antyder att den borde. Mini körs i 280 utdatatoken per sekund med 9,72 sekunder till första token; Flash-Next uppmäts till 74 token per sekund med 85,77 sekunder till första token och 33,3 minuter per indexuppgift. För en interaktiv agent är det skillnaden mellan ett verktyg som svarar och ett som man får vänta på — och det är den enda platsen där en lokal modell med 5,4B effektiva parametrar har en strukturell fördel över en hostad modell med 180B.

Det praktiska arrangemanget

Båda Qwen-nivåerna finns på OrcaRouter, vilket gör eskaleringsvägen ovanligt billig att bygga. Qwen3.8-27B dirigeras till $0.33 per miljon indata och $2.40 per miljon utdata – under Alibabas listpris på $0.50/$3.00, eftersom leverantörens pris förs vidare i stället för att påslås. Qwen3.8-Flash dirigeras till $0.15/$0.47 med ett fönster på 1 miljon token. En och samma nyckel når båda, med automatisk failover och routing-DSL för att först skicka en begäran till den billiga nivån och endast eskalera när den inte klarar en kontroll.

Det är den form som den här jämförelsen faktiskt vill ha. Mini, om du inför det, körs på din egen hårdvara, utför det agentiska arbete som det är bra på och betalar inget per token. Q​wen-nivåerna ligger bakom en enda slutpunkt för de förfrågningar som Mini är dålig på – de som kräver att ett faktum återges korrekt, att ett långt dokument läses eller en svår vetenskaplig slutledning – och redundansen innebär att ett avbrott hos en leverantör försämrar svaret i stället för att bryta det. Vi driftar inte Inkling 2 Mini och den här artikeln tänker inte låtsas något annat; det routern tar bort är det andra avtalet och den andra integrationen för den halva av arbetsbelastningen som går till Q​wen.

Screenshot of OrcaRouter's model page for Qwen3.8 Flash, showing the model id qwen/qwen3.8-flash, vision, tools, JSON and reasoning tags, a dated description of it as Alibaba's multimodal reasoning model for coding, agentic workflows and long-video analysis, an OpenAI-compatible /v1/chat/completions endpoint at api.orcarouter.ai, an input price of $0.15 and output price of $0.47 per 1M tokens, a 1M-token context window with a 131K maximum output, a p50 time to first token of 10.00 seconds, and an option to add it to a comparison.

Vad skulle ändra domen?

Två saker, och båda är billiga att bevaka. Det första är en oberoende kodningskörning på Minis offentliga vikter. Om 48,2 % på DeepSWE och 77,9 % på SWE-bench Pro överlever en neutral testrigg, blir Minis agentiska case mycket starkare än en indexpoäng på 20,1 antyder, eftersom indexet undervärderar precis det långhorisontella arbete som modellen är byggd för. Om de inte överlever var lanseringstabellen en leverantörstabell och modellen är en 20 i grunden.

Den andra är huruvida Qwen3.8-Flash:s nio poängs försprång håller under kontroller av ansträngningsnivån. Dess indexsiffra är en enda konfiguration, och Qwen-modeller varierar flera poäng mellan olika ansträngningsinställningar – 27B-modellen får 20 vid xhigh och väsentligt lägre när tänkandet skruvas ned. En Flash-nivå som tappar nio poäng vid låg ansträngning är en annan konkurrent än en som behåller dem, och ingen har publicerat den kurvan för den här jämförelsen.

Tills en av dem landar är den ärliga sammanfattningen en delad dom. Mätt i kapacitet per dollar i en hostad miljö vinner Qwen 3.8 två gånger – 27B-modellen ligger lika med Mini i poäng och förlorar på kostnad, Flash-nivån slår den på båda. När det gäller sådant som en hostad modell inte kan göra alls – köra offline, köra på en laptop, köra utan mätare – har Inkling 2 Mini inget Qwen-svar, och 20GB-filen är hela argumentet. Köp nedladdningen om du behöver den för att köra där det inte finns något nätverk. Köp API:et om du inte behöver det.

A generated two-column scoreboard titled 'Inkling 2 Mini vs Qwen3.8-Flash — the scoreboard'. The Inkling 2 Mini column reads Intelligence Index 20.1, active parameters 3.4B, cost per index task $0.59, output speed 280 tokens per second, first token 9.72 seconds, and runs offline: yes, 20GB. The Qwen3.8-Flash column reads Intelligence Index 29, active parameters 6B, cost per index task $0.57, output speed 74 tokens per second, first token 85.77 seconds, and runs offline: no, hosted only. A footer states that both columns are per Artificial Analysis and coding rows are vendor-reported.