การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งอ่านว่า 'Inkling 2 Mini' พร้อมคำบรรยายใต้ชื่อ 'คะแนน Intelligence Index เท่ากับ Qwen3.8-27B ในต้นทุนต่องานเพียงหนึ่งในหก' โดยมีสี่การ์ดขอบมนที่อ่านว่า Intelligence Index 20.1, ต้นทุนต่องานดัชนี 0.59 ดอลลาร์, ความเร็วเอาต์พุต 280 โทเค็นต่อวินาที และเช็กพอยต์ 20GB Apache 2.0 โลโก้ OrcaRouter อยู่มุมขวาล่าง
Guides & Insights

Inkling 2 Mini: ได้ 20 เท่ากับ Qwen3.8-27B ในต้นทุนเพียงหนึ่งในหก

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

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

Screenshot of the Thinking Machines announcement page titled 'Introducing Inkling 2 Mini', dated Nov 20, 2026, showing the Capabilities, Try on Tinker, Hugging Face and Model card links, section navigation for Architecture and training, Monitorability of looped transformers and Try Inkling 2 Mini today, and the opening paragraphs describing a looped transformer that runs the middle layers three times per token and leads open-weights models under 100B total parameters on DeepSWE v1.1 at 48.2% and Vals Index v2.2 at 46.5%.

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 Q​wen 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

A generated two-column scoreboard titled 'Inkling 2 Mini vs Qwen3.8-27B - the scoreboard'. The Inkling 2 Mini column reads Intelligence Index 20.1, active parameters 3.4B of 26.4B total with 5.4B effective, cost per index task 0.59 dollars, time per index task 9.0 minutes, output speed 280 tokens per second, and a claimed 1,000,000-token context. The Qwen3.8-27B column reads Intelligence Index 20, 27B dense with all parameters active, cost per index task 3.53 dollars, time per index task 35.5 minutes, output speed 51 tokens per second, and 262,144 native context extensible to one million. A footer states that index, cost, time and speed figures are measured by Artificial Analysis and context figures are vendor-reported.

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 A​libaba 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

Screenshot of OrcaRouter's model page for Qwen3.8-27B, showing the model id qwen/qwen3.8-27b, text, image and video input with text output, vision, tools, JSON and reasoning tags, the vendor benchmark date 2026-08-13, a description of it as Alibaba's open-weight 27B dense multimodal model under Apache-2.0 self-hosted on OrcaRouter, a 256K-token context window, an input price of $0.33 and output price of $2.40 per 1M tokens, a p50 of 3.23 seconds and a p99 of 10.00 seconds, and a seven-day traffic figure of 166.6M tokens.

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

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube