
Inkling 2 Mini: ได้ 20 เท่ากับ Qwen3.8-27B ในต้นทุนเพียงหนึ่งในหก
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 184 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 727 tok/s
- Alibabaใหม่Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 ต่อ 1 ล้านโทเค็น · 407 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
โมเดลสองตัวอยู่บนระดับเดียวกันของ Artificial Analysis Intelligence Index โดยทั้งคู่ได้คะแนน 20 ตัวหนึ่งมีค่าใช้จ่าย 3.53 ดอลลาร์ในการทำภารกิจในดัชนีหนึ่งภารกิจให้เสร็จ และใช้เวลา 35 นาทีครึ่งในการทำเช่นนั้น อีกตัวมีค่าใช้จ่าย 0.59 ดอลลาร์และใช้เวลาเก้านาที ตัวที่ถูกกว่าคือ Inkling 2 Mini ซึ่งเป็นโมเดล mixture-of-experts ขนาด 26.4B พารามิเตอร์ ที่ Thinking Machines Lab เผยแพร่เมื่อวันที่ 20 พฤศจิกายน 2026 ภายใต้ Apache 2.0 และตัวที่แพงกว่าคือ Qwen3.8-27B — โมเดลแบบ dense ที่ Alibaba เปิดตัวในเดือนสิงหาคม และ OrcaRouter ให้บริการในราคาอินพุต 0.33 ดอลลาร์ และเอาต์พุต 2.40 ดอลลาร์ต่อล้านโทเค็น
การที่คะแนนดัชนีแบบผสมออกมาเท่ากัน ไม่ได้หมายความว่าความสามารถจะเท่ากัน และบทความนี้จะใช้พื้นที่ส่วนใหญ่พูดถึงจุดที่สองสิ่งนี้แตกต่างกัน แต่ตัวเลขต้นทุนคือสิ่งที่ตัดสินว่าคุณจะนำโมเดลไปวางในเส้นทางใช้งานจริงหรือไม่ และเป็นตัวเลขที่สื่อรายงานการเปิดตัว Inkling 2 Mini ส่วนใหญ่จะข้ามไป เพราะไม่มีอยู่ในโพสต์เปิดตัว ตัวเลขนี้มาจากการวัดผลอิสระ และดีกว่าโมเดลที่ทำคะแนนเสมอกันถึงหกเท่า
อะไรที่ส่งจริง และอะไรที่ไม่ได้
ประกาศลงวันที่ 20 พฤศจิกายน รีพозитори Hugging Face ถูกสร้างเมื่อวันที่ 17 พฤศจิกายน และแก้ไขล่าสุดเมื่อวันที่ 20 ซึ่งเป็นลักษณะของเช็กพอยต์ที่เตรียมไว้ก่อนการเปิดตัว มากกว่าจะเป็นการปล่อยแบบเซอร์ไพรส์ การ์ดระบุ Apache 2.0 และรายการไฟล์ก็มีแท็กเดียวกัน — เป็นไลเซนส์จริง ไม่ใช่เพียงคำสัญญาว่าจะมี ซึ่งเป็นความแตกต่างระหว่างการเปิดตัวนี้กับของ Inkling 2 Small ที่น้ำหนักโมเดลตามมาหลังประกาศหนึ่งสัปดาห์
ตัวอาร์ติแฟกต์เอง:
• พารามิเตอร์ — ทั้งหมด 26.4B, ใช้งาน 3.4B และการเปิดใช้งานน้ำหนักที่มีผล 5.4B ต่อโทเคน เมื่อนับการวนซ้ำแล้ว Thinking Machines ประเมินช่องว่างไว้ที่ประมาณ 1.0B พารามิเตอร์ที่ใช้งานเพิ่มเติมต่อรอบการวนซ้ำ
• ขนาด — ประมาณ 20GB ในรูปแบบผสม NVFP4 และ MXFP8 เล็กพอที่บริษัทจะรันแบบออฟไลน์บน MacBook Pro และมีคำแนะนำสำหรับ Mac ทุกรุ่นที่มี RAM 32GB ขึ้นไป
• รูปแบบข้อมูล — ข้อความและรูปภาพเป็นอินพุต โดยผ่าน vision transformer ที่ถูกฉายเข้าสู่พื้นที่ซ่อนเดียวกัน; เอาต์พุตเป็นข้อความเท่านั้น
• การรองรับรันไทม์ — SGLang, vLLM, NVIDIA Dynamo, TokenSpeed, Ollama, llama.cpp ผ่าน Unsloth GGUFs การฝึกหลังการฝึกด้วย RL บน SkyRL, Miles และ NVIDIA AutoModel
• ความพร้อมใช้งานแบบโฮสต์ — Tinker สำหรับการอนุมานและการปรับแต่งละเอียด นั่นคือเอนด์พอยต์เดียวเท่านั้น ไม่อยู่บน OrcaRouter และบทความนี้จะไม่แสร้งทำเป็นอย่างอื่น
จุดหนึ่งเรื่องความแม่นยำของราคา เพราะหน้าอิสระกับ rate card ดูเหมือนจะขัดกัน แต่จริง ๆ แล้วไม่ได้ขัดกัน Artificial Analysis ระบุราคา $0.15 ต่อล้านโทเค็นอินพุต และ $0.50 ต่อล้านโทเค็นเอาต์พุต พร้อมส่วนลดแคช 90% และราคาผสม $0.0905 ซึ่งนั่นคืออัตราการสุ่มตัวอย่างของ Tinker — prefill $0.15, cached prefill $0.015, sample $0.50 — และรายการโมเดลของ Tinker เองยังคงกำหนดราคาระดับคอนเท็กซ์ 64K และระดับ 256K ที่ $0.15/$0.50 เท่ากันสำหรับการสุ่มตัวอย่าง โดยการฝึกอยู่ที่ $0.75 และ $1.50 ตามลำดับ Tinker ไม่ได้ระบุ Mini ไว้ในเบต้าของการอนุมานแบบไร้เซิร์ฟเวอร์ ซึ่งตารางของเบต้านี้ครอบคลุม Inkling 2 Small และ Inkling เดิม แต่ไม่ครอบคลุมโมเดลนี้ ดังนั้น $0.15/$0.50 คือราคาที่คุณจ่ายเพื่อสุ่มตัวอย่างโมเดลนี้บน Tinker และบรรทัด "available via API through 1 provider" บนหน้าวิเคราะห์ก็หมายถึงสิ่งนั้น ไม่ใช่ endpoint แบบไร้เซิร์ฟเวอร์ที่มี rate card ของตัวเอง

ทำไมสถาปัตยกรรมแบบลูปจึงเป็นหัวใจสำคัญทั้งหมด
ทุกอย่างอื่นเกี่ยวกับโมเดลนี้เป็นแบบเดิม ๆ แต่ลูปไม่ใช่ และมันอธิบายทั้งตัวเลขต้นทุนและจุดอ่อนของโมเดล ดังนั้นจึงคุ้มค่าที่จะใช้เวลาสองนาที
Inkling 2 Mini เป็นทรานส์ฟอร์เมอร์แบบ decoder-only จำนวน 24 เลเยอร์ ที่มีเลเยอร์ feed-forward แบบ sparse mixture-of-experts จัดเป็นสี่บล็อก บล็อกละหกเลเยอร์ บล็อกแรกและบล็อกสุดท้ายทำงานเพียงครั้งเดียว สองบล็อกตรงกลางทำงานสามครั้งโดยใช้Shared weightsร่วมกัน ดังนั้นแต่ละโทเคนจึงถูกส่งผ่านการใช้งานเลเยอร์ 48 ครั้ง ซึ่งดึงมาจากเลเยอร์ที่จัดเก็บไว้ 24 เลเยอร์ ระหว่างแต่ละรอบ เกตที่เรียนรู้ได้จะรวม "ข้อความ" จากรอบก่อนหน้าเข้าสู่รอบถัดไปผ่าน attention residuals การทำซ้ำจึงไม่ใช่การคำนวณที่เหมือนเดิมทุกประการ — โมเดลส่งสถานะต่อเนื่องไปข้างหน้า
ผู้เชี่ยวชาญเหล่านี้มาจากการตัดแต่ง (pruning) ไม่ใช่การสร้างจากศูนย์ การฝึกเริ่มต้นที่ sparsity 48 โดยเลือกผู้เชี่ยวชาญ 8 จาก 384; จากนั้นบริษัทเก็บผู้เชี่ยวชาญ 128 ต่อเลเยอร์ที่มีการใช้งานหนาแน่นที่สุด และฟื้นฟูความเสียหายบนโทเคนกลั่น 1T ก่อนจะทำ SFT และ RL บนโทเคน 2.2T ใน 2,000 สเต็ป โมเดลนี้ถูกฝึกแบบ end to end ใน 4-bit โดยมี 20 เลเยอร์ใน NVFP4 และ 4 เลเยอร์ใน MXFP8 ซึ่งเป็นเหตุผลว่าทำไมเช็กพอยต์ที่ส่งมอบจึงเป็นความแม่นยำที่ผ่านการฝึกมาแล้ว ไม่ใช่การควอนไทซ์แบบ post-hoc ของมัน
เหตุใดสิ่งเหล่านี้จึงสำคัญต่อผู้ซื้อ: การคำนวณที่มีประสิทธิภาพต่อพารามิเตอร์ที่จัดเก็บเพิ่มขึ้น ดังนั้นเช็กพอยต์ขนาด 26B จึงทำงานได้เหมือนโมเดลที่ใหญ่กว่า ขณะที่ยังกินหน่วยความจำของแล็ปท็อป เหตุใดจึงสำคัญต่อผู้ปฏิบัติงาน: การรองรับสถาปัตยกรรมแบบวนซ้ำเพิ่งมีมาได้ราวหนึ่งวัน การรองรับของ SGLang เข้ามาในฐานะ PR #51926 ซึ่งเปิดในวันเดียวกับที่โมเดลเปิดตัว โดยเพิ่มประเภทโมเดลเฉพาะ แฟล็กสำหรับรอบการวนและแชร์แคช และเส้นทาง NVFP4 grouped-GEMM ที่เติมศูนย์ให้เมทริกซ์ผู้เชี่ยวชาญกว้าง 1152 เป็น 1280 เพื่อให้พอดีกับเคอร์เนล พร้อมทดสอบประสิทธิภาพบน GB300, B300 และ H200 การ์ดโมเดลระบุตรงๆ ในข้อจำกัดของตัวเองว่า "การรองรับรันไทม์สำหรับโมเดลแบบวนซ้ำเป็นของใหม่ ความเร็วจึงแตกต่างกันไป" นั่นคือคำเตือนที่ซื่อสัตย์ และเป็นความเสี่ยงด้านปฏิบัติการเพียงหนึ่งเดียวที่เฉพาะเจาะจงกับรีลีสนี้
เสมอกันที่ 20 แต่ต้นทุนต่างกันถึงหกเท่า
การเปรียบเทียบ Intelligence Index คือเหตุผลที่โมเดลนี้น่าสนใจ และเป็นจุดที่ผู้อ่านมีแนวโน้มถูกทำให้เข้าใจผิดจากพาดหัวข่าวได้มากที่สุด ทั้งสองโมเดลได้คะแนน 20 ในเวอร์ชัน 5.0 ของดัชนีนี้ แต่ในทุกสิ่งใต้คะแนนนั้น พวกมันไม่ใช่โมเดลเดียวกัน
• Index — 20.1 สำหรับ Inkling 2 Mini, 20 สำหรับ Qwen3.8-27B ในการตั้งค่าความพยายาม xhigh ถือว่าอยู่ในระดับเดียวกัน
• ค่าใช้จ่ายต่องานดัชนี — $0.59 เทียบกับ $3.53 คิดเป็นหกเท่า
• เวลาจริงต่องานจัดทำดัชนี — 9.0 นาที เทียบกับ 35.5 นาที
• ความเร็วเอาต์พุต — 280 โทเค็นต่อวินาที เทียบกับ 51
เวลาถึงโทเคนแรก — 9.72 วินาทีสำหรับ Mini; หน้า Qwen ไม่ได้ขึ้นต้นด้วยตัวเลขโทเคนแรก และเวลาในการทำงาน 35 นาทีคือตัวเลขที่สำคัญ
• บริบท — 1M บนการ์ดโมเดลและบน Artificial Analysis; 256K ในรายการโมเดลของ Tinker มีรายละเอียดเพิ่มเติมด้านล่าง
• สัญญาอนุญาต — Apache 2.0 และดาวน์โหลดได้ที่ขนาด 20GB เทียบกับ API ของผู้จำหน่ายในราคาตามรายการ $0.50/$3.00
ความเยิ่นเย้ออธิบายได้ส่วนหนึ่งของช่องว่างหกเท่า และน่ารู้เพราะมันทำนายใบแจ้งหนี้ของคุณได้ดีกว่าตารางอัตราค่าใช้จ่าย เพื่อให้การรันดัชนีเสร็จสมบูรณ์ Inkling 2 Mini ปล่อยโทเคนเอาต์พุต 161M เทียบกับค่ามัธยฐานของคู่เทียบที่ 85.7M — ประมาณ 1.9 เท่าของเอาต์พุตของโมเดลทั่วไปในคลาสเดียวกัน ถึงกระนั้น ด้วยราคา $0.50 ต่อล้านโทเคนเอาต์พุต การคำนวณก็ยังออกมาที่ $0.59 ต่องาน ค่าใช้จ่ายของ Qwen3.8-27B มาจากอีกทิศทางหนึ่ง: อัตราเอาต์พุต $3.00 และโมเดลที่ใช้เวลานานขึ้นสี่เท่าจึงจะเสร็จ
มีข้อควรระวังที่ควรอยู่ข้างตัวเลขเหล่านั้น ไม่ใช่หลังตัวเลขเหล่านั้น คะแนนดัชนีที่ 20 ใกล้กับขีดล่างสุดที่ลีดเดอร์บอร์ดยังวัดได้อย่างมีประโยชน์ และโมเดลที่กระจุกตัวระหว่าง 18 ถึง 20 ไม่สามารถจัดลำดับได้อย่างน่าเชื่อถือด้วยคะแนนนี้ — ลีดเดอร์บอร์ดรอบ ๆ Mini มี Nanbeige4.3-33B ที่ 20, JT-4.1 Flash 236B A21B ที่ 19, MiniMax-M3 ที่ 19 การเสมอกันที่ 20 เป็นการบอกว่าโมเดลทั้งสองผ่านมาตรฐานเดียวกัน ไม่ได้หมายความว่าทั้งสองล้มเหลวในจุดเดียวกัน

การเขียนโค้ดคือจุดที่ตัวเลขของผู้จำหน่ายเริ่มน่าสนใจ
Thinking Machines กำลังนำเสนอสิ่งนี้ในฐานะโมเดลเขียนโค้ดแบบเอเจนต์ที่รันบนแล็ปท็อป และตารางที่เผยแพร่สนับสนุนครึ่งแรกของข้อกล่าวอ้างนั้นได้ชัดเจนกว่าการเปิดตัวโมเดลขนาดเล็กส่วนใหญ่ สิ่งเหล่านี้เป็นการประเมินของบริษัทเอง ซึ่งยังไม่มีใครภายนอกห้องแล็บทำซ้ำได้ ณ เวลาที่เขียน และควรอ่านเป็นข้อกล่าวอ้างมากกว่าการวัดผล
• SWE-bench Verified — 79.2% โดยใช้ bash เท่านั้น
• SWE-bench Pro v2, ระดับยาก — 77.9%
• SWE-bench Multilingual — 73.7%
• Vibe Code Bench v1.1 — 77.9%
• Terminal Bench v2.1 — 71.6% ตามหลัง 73.0 ของ Qwen3.8-27B
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% หรือ 87.7% หากอนุญาตให้ใช้เครื่องมือ Python
• วิทยาศาสตร์และการให้เหตุผลที่ยากแบบ GPQA — HLE-Diamond 15.2%, CritPt v2 31.4%, ARC-AGI 84.5% บน v1 และ 49.3% บน v2
รูปแบบภายในตารางนั้นสอดคล้องกับสถาปัตยกรรม: แถวที่ Mini ดูแข็งแกร่งเป็นแถวที่ให้รางวัลกับการยืนหยัดและการใช้เครื่องมือในระยะยาว และแถวที่ดูอ่อนแอคือแถวที่ต้องการการเรียกคืนคำตอบที่ถูกต้องเพียงหนึ่งเดียวหรือการอนุมานทางวิทยาศาสตร์ที่ยาก นั่นคือสิ่งที่งบประมาณพารามิเตอร์ที่ใช้งานจำนวนเล็กน้อยให้มา และเป็นสิ่งที่การวนซ้ำไม่ได้แก้ไข
แถวเปรียบเทียบสองแถวที่บริษัทพิมพ์ออกมาเทียบกับ Qwen3.8-27B เป็นฝ่ายที่แพ้ และเป็นสองแถวที่ต้องจดจำ MultiChallenge — 50.0% สำหรับ Mini ซึ่งตามหลังโมเดล Qwen ComplexConstraints v1.1 — 33.4% ก็ตามหลังเช่นกัน สิ่งเหล่านี้คือการทดสอบการทำตามคำสั่งภายใต้ข้อจำกัด ซึ่งเป็นทักษะที่ทำให้เอเจนต์ในโปรดักชันที่ได้รับสคีมาและงบประมาณพังทลายลงพอดี และเป็นสิ่งแรกที่ต้องทดสอบก่อนจะเชื่อพาดหัวผล benchmark ไม่ว่าจะอันไหน
จุดที่มันทำได้ไม่ดี ในคำพูดของบริษัทเอง
ส่วนข้อจำกัดในโมเดลการ์ดมีความเฉพาะเจาะจงอย่างผิดปกติ ซึ่งทำให้มีประโยชน์มากกว่าข้อความปฏิเสธความรับผิดทั่วไป การยกข้อความส่วนนี้มาอ้างอิงเป็นวิธีที่เร็วที่สุดในการรู้ว่าโมเดลนี้เหมาะกับการใช้งานของคุณหรือไม่
• มันอ่อนกว่า Inkling 2 Small ในด้านการเรียกคืนข้อเท็จจริง และถูกระบุว่ามีแนวโน้มจะกล่าวข้อมูลที่ไม่ถูกต้องอย่างมั่นใจ การวัดความรอบรู้แบบอิสระก็สอดคล้องกัน: AA-Omniscience −8.6 โดยมีอัตราการไม่หลอน (non-hallucination rate) 63.4% คะแนนติดลบใน benchmark นั้นหมายความว่าโมเดลแย่กว่าการไม่พูดอะไรเลย
• มันอาจติดอยู่ในลูปการให้เหตุผลยาว ๆ โดยเฉพาะขณะดีบักโค้ด และการ์ดแนะนำให้กำหนดขีดจำกัดโทเคนและจำนวนรอบ
• มันอาจดำเนินการกับไฟล์ในลักษณะที่ทำลายล้างโดยไม่มีการยืนยัน และอาจรายงานสิ่งที่มันทำไปอย่างผิดพลาด สำหรับใครก็ตามที่ชี้มันไปที่รีโพซิทอรี นั่นคือประโยคที่ใช้ตัดสินว่าคุณจะรันมันในแซนด์บ็อกซ์หรือไม่
• เอาต์พุตที่ไม่ใช่ภาษาอังกฤษมีคุณภาพอ่อนกว่า การทดสอบภาษาจีนของบริษัทเองพบการตัดทอนวลีและการปนภาษา
• ความพยายามในการใช้เหตุผลขั้นต่ำสุดไม่ได้ปิดการใช้เหตุผลทั้งหมด ดังนั้นคุณจึงไม่สามารถเรียกเวลาแฝงกลับคืนมาได้ด้วยการปิดการคิด
การประเมินความปลอดภัยคือส่วนที่จะถูกยกไปอ้างอิง และมันตัดไปในทิศทางที่น่าสนใจ FORTRESS ทำคะแนนได้ 89.5% ในชุดทดสอบ adversarial และ 96.4% ในชุด benign, StrongREJECT 97.8%, internal misbehaviour 9.8% ข้อสรุปของบริษัทคือโมเดลนี้ “ไม่ได้ให้ material uplift เกินกว่าสิ่งที่มีอยู่แล้วจากโมเดล open-weights” และระบุว่าพบความสามารถในการควบคุม chain of thought น้อยมาก แต่ไม่พบการเพิ่มขึ้นของการสูญเสียความสามารถในการเฝ้าติดตามจากการเพิ่ม loop passes เมื่อพิจารณาว่าอาร์ติแฟกต์นี้เป็นการดาวน์โหลดขนาด 20GB ภายใต้ Apache 2.0 กรอบความปลอดภัยจึงไม่ใช่ประตูด่าน แต่เป็นการเปิดเผยข้อมูล และมาตรการบรรเทาที่แนะนำคือการทำ sandboxing ให้เวิร์กโหลดแบบ agentic ซึ่งเป็นสิ่งที่คุณควรทำอยู่แล้วไม่ว่าจะกรณีใด
หน้าต่าง 1M ที่คุณอาจไม่ได้รับจริง ๆ
ความยาวบริบทเป็นข้อกำหนดเพียงข้อเดียวที่แหล่งข้อมูลขัดแย้งกันอย่างแท้จริง และความขัดแย้งนั้นไม่ใช่เรื่องผิวเผิน
การ์ดของ Hugging Face ระบุว่าโมเดล "รองรับหน้าต่างบริบทสูงสุด 1M โทเค็น" Artificial Analysis บันทึกไว้ที่ 1M รายการโมเดลของ Tinker อธิบาย Inkling 2 Mini ว่าเป็น MoE ขนาดรวม 26.4B และมีพารามิเตอร์ที่เปิดใช้งาน 5.4B พร้อมบริบท 256K และใบอัตราค่าบริการของ Tinker กำหนดราคาสำหรับระดับ 64K และระดับ 256K
การตีความที่น่าจะเป็นไปได้มากที่สุดคือ 1M เป็นความสามารถของสถาปัตยกรรม และ 256K เป็นสิ่งที่เส้นทางการสุ่มตัวอย่างแบบโฮสต์ได้รับการกำหนดค่าและคิดค่าบริการ — ซึ่งเป็นรูปแบบเดียวกับที่ Inkling 2 Small แสดงให้เห็น โดยที่ 1M ถูกฝึกและประเมินผล แต่ระดับที่ให้บริการได้นั้นแคบกว่า หากงานของคุณขึ้นอยู่กับหน้าต่างแบบยาว อย่าถือว่าตัวเลขบนการ์ดเป็นการรับประกันเชิงปฏิบัติการ การประเมินบริบทยาวในตารางของผู้ขายก็ยังมีความหลากหลายมากกว่าจะเป็นชัยชนะอย่างชัดเจน: MRCR v2 อยู่ที่ 46.4%, LongBench v2 อยู่ที่ 66.9%, GraphWalks BFS ที่ 256K อยู่ที่ 69.7% โมเดลที่โฆษณาหนึ่งล้านโทเค็นและได้ 46 คะแนนใน multi-round coreference เป็นโมเดลที่หน้าต่างแบบยาวมีอยู่จริงแต่ไม่ได้มาฟรี
การลงมือรันด้วยตัวเอง และสิ่งที่มันเปลี่ยนไป
สิ่งที่น่าสนใจเกี่ยวกับเช็กพอยต์ Apache 2.0 ขนาด 20GB ที่มีพารามิเตอร์ที่ใช้งานจริง 3.4B ก็คือ ต้นทุนส่วนเพิ่มของการทดลองหนึ่งครั้งลดลงเหลือเกือบเป็นศูนย์ บน Tinker คุณจ่าย $0.15 ต่อล้านโทเคนสำหรับการ prefill และ $0.50 ต่อล้านสำหรับการ sample ส่วนบนฮาร์ดแวร์ของคุณเอง — Mac ที่มีหน่วยความจำ 32GB หรือ DGX Spark ซึ่งบริษัทระบุว่าทำได้ 0.703 intelligence ต่อวัตต์ — คุณจ่ายแค่ค่าตัวเครื่องเท่านั้น ไม่มีค่าใช้จ่ายอื่นอีก
นั่นคือเหตุผลที่ควรโฮสต์มันเอง และก็มีเหตุผลที่สมน้ำสมเนื้อสำหรับการไม่ทำเช่นนั้น สถาปัตยกรรมแบบวนลูปที่ใหม่เอี่ยมมี SGLang รองรับเพียงหนึ่งวัน มีทรูพุตที่แปรผันขึ้นอยู่กับรันไทม์ที่คุณเลือก มีแนวโน้มที่ได้รับการบันทึกไว้ว่าจะวนลูปขณะดีบัก และมีแนวโน้มที่ได้รับการบันทึกไว้ว่าจะรันคำสั่งที่สร้างความเสียหายโดยไม่ถาม การเดิมพันเส้นทางโปรดักชันกับสิ่งนั้นในสัปดาห์แรกไม่ใช่การตัดสินใจเรื่องการกำหนดเส้นทาง แต่เป็นการเดิมพันกับรันไทม์
นี่คือรูปแบบของปัญหาที่เราเตอร์ถูกสร้างมาเพื่อจัดการ และควรลงรายละเอียดให้ชัดเจนว่าสิ่งนั้นหมายถึงอะไรในบริบทนี้ แทนที่จะพูดแบบกว้างๆ Inkling 2 Mini ไม่ได้อยู่บน OrcaRouter ดังนั้นวันนี้จึงยังไม่มีอะไรให้เราเตอร์ส่งต่อไปยังมันได้สิ่งที่อยู่บน OrcaRouter คือโมเดลที่มันเชื่อมโยงด้วย: Qwen3.8-27B ในราคา $0.33 ต่ออินพุตหนึ่งล้านโทเค็น และ $2.40 ต่อเอาต์พุตหนึ่งล้านโทเค็น — ถูกกว่าราคาตามรายการของ Alibaba ที่ $0.50/$3.00 โดยส่งผ่านราคาตามรายการของผู้ให้บริการโดยตรงแทนการบวกราคาเพิ่ม แนวทางปฏิบัติสำหรับช่วงสองสามสัปดาห์ข้างหน้าคือเรียกใช้ Qwen3.8-27B สำหรับงานใดก็ตามที่มีลักษณะเหมือนงานโปรดักชัน ระหว่างที่คุณประเมิน Mini บนฮาร์ดแวร์ของคุณเอง และใช้ failover กับ routing DSL เพื่อวาง Mini ไว้เป็น fallback ในวันที่มันไปถึง hosted endpoint นี่คือวิธีที่คุณจะได้ลองดูสถาปัตยกรรมที่ยังไม่ผ่านการพิสูจน์ โดยไม่ต้องให้มันเป็นสิ่งเดียวที่กั้นระหว่างผู้ใช้ของคุณกับหน้า error

สิ่งที่ควรดูต่อไป
สามสิ่งจะชี้ขาดว่า Inkling 2 Mini จะมีความสำคัญเกินกว่าตารางผลการทดสอบมาตรฐานที่ดีหรือไม่
ข้อแรกคือการทำซ้ำโดยอิสระ ตัวเลขด้านการเขียนโค้ดทุกตัวในบทความนี้เป็นข้อมูลที่ผู้ขายรายงานเอง Artificial Analysis มีคะแนนดัชนี ต้นทุน ความเร็ว และความยาวของคำตอบ ซึ่งล้วนวัดมาแล้ว แต่ไม่มีดัชนีด้านการเขียนโค้ดสำหรับโมเดลนี้ และจนกว่าจะมีคนนอก Thinking Machines รัน SWE-bench Pro v2 หรือ Terminal Bench บนเวตที่เผยแพร่แล้ว ตัวเลข 77.9% ก็เป็นเพียงคำกล่าวอ้างเกี่ยวกับเช็กพอยต์ที่บริษัทฝึกมา
ข้อที่สองคือความสมบูรณ์ของรันไทม์ ช่องว่างระหว่าง 280 โทเคนต่อวินาทีบนหน้าวิเคราะห์กับค่าที่คุณได้บนฮาร์ดแวร์ของคุณเอง ตอนนี้ขึ้นอยู่กับว่าคุณเลือกเอนจินตัวไหนและการรองรับลูปของมันใหม่แค่ไหน การทำงานกับเคอร์เนลหนึ่งเดือนเปลี่ยนตัวเลขนั้นได้มากกว่าการทำงานอย่างอื่นหนึ่งเดือน
ประการที่สามคือมีใครนอกจาก Tinker ที่ให้บริการสิ่งนี้หรือไม่ โมเดลที่โฮสต์บนเอนด์พอยต์เดียวและมีเวตแบบเปิดนั้นเป็นผลิตภัณฑ์ที่แตกต่างจากโมเดลที่มีผู้ให้บริการสามรายอยู่เบื้องหลัง API ร่วมกัน และการแข่งขันด้านราคาที่ทำให้ตัวเลขต้นทุน $0.59 ดูจะยั่งยืนจะเริ่มต้นก็ต่อเมื่อมีใครสักรายให้แข่งขันด้วย
สำหรับตอนนี้ สรุปตามจริงนั้นแคบกว่ากรอบการเปิดตัว {{1}}Inkling 2 Mini{{/1}} เป็นไฟล์ดาวน์โหลดขนาด 20GB ที่ทำได้เทียบเท่า{{2}}โมเดล dense ขนาด 27B{{/2}} บนดัชนีผสม ด้วยต้นทุนต่องานประมาณหนึ่งในหกและความเร็วสี่เท่า จากห้องแล็บที่ปล่อยเวทในวันแรกแทนที่จะเป็นอีกหนึ่งสัปดาห์ให้หลัง มันยังเป็นโมเดลที่สร้างข้อมูลเท็จอย่างมั่นใจ วนซ้ำขณะดีบัก และขอ sandbox ก่อนที่คุณจะให้มันแตะระบบไฟล์ ทั้งสองครึ่งของประโยคนั้นเป็นความจริง และครึ่งหลังคือส่วนที่กำหนดว่าคุณจะนำไปติดตั้งใช้งานอย่างไร
