การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งมีข้อความว่า 'Inkling 2 Mini' พร้อมคำบรรยายใต้ชื่อว่า '26.4B total, 3.4B active, about 20GB — looping the middle layers' โดยมีป้ายแคปซูลสามป้ายที่อ่านว่า Intelligence Index 20.1, 48 layer applications และ Apache 2.0 อยู่เหนือแผนภาพเลเยอร์สี่บล็อก ซึ่งบล็อกกลางสองบล็อกถูกทำเครื่องหมายว่า 'run 3x' และบล็อกนอกสองบล็อกถูกทำเครื่องหมายว่า 'run 1x' โลโก้ OrcaRouter อยู่มุมขวาล่าง
Guides & Insights

Inkling 2 Mini เปิดตัวที่ 20: โมเดลขนาด 20GB ที่คิดแบบวนซ้ำ

ผู้เขียน

jinhao.song

วันที่เผยแพร่

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

เช็กพอยต์มีขนาดประมาณ 20GB และตัวเลขนั้นคือประเด็น Inkling 2 Mini เป็นโมเดลแบบ mixture of experts จำนวน 26.4 พันล้านพารามิเตอร์ โดยมี 3.4 พันล้านพารามิเตอร์ที่ทำงานต่อหนึ่งโทเคน เผยแพร่โดย Thinking Machines Lab เมื่อวันที่ 20 พฤศจิกายน 2026 ภายใต้ Apache 2.0 เป็นไฟล์ดาวน์โหลดเดียวที่รันบน Mac ที่มีหน่วยความจำแบบรวม 32GB หรือ NVIDIA DGX Spark เครื่องเดียว ในวันเดียวกันนั้น Artificial Analysis ได้จับเวลาและให้คะแนน它为 20.1 บน Intelligence Index v5.0.1, 0.15 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ 0.50 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน, 0.59 ดอลลาร์ในการทำหนึ่งงานในดัชนีให้เสร็จ, 280 โทเคนเอาต์พุตต่อวินาที ส่วนที่น่าสนใจไม่ใช่คะแนน แต่คือการที่โมเดลไปถึงจุดนั้นได้โดยรันเลเยอร์เดิมสิบสองชั้นสามรอบ แทนที่จะเก็บพารามิเตอร์เพิ่มขึ้น ซึ่งเป็นสิ่งที่ทำให้เช็กพอยต์ 26B ทำงานได้เหมือนโมเดลที่ใหญ่กว่าโดยไม่ต้องใช้หน่วยความจำมากไปกว่าที่แล็ปท็อปมี

ถ้าผสมตัวเลขสองประเภทเข้าด้วยกันอย่างไม่ระวัง การเปิดตัวก็ดูเหมือนชัยชนะแบบสะอาด ๆ แต่ถ้าแยกมันออกจากกัน มันจะสื่อถึงสิ่งที่เฉพาะเจาะจงกว่า ซึ่งเป็นสิ่งที่ชิ้นงานนี้พยายามทำ ดัชนี ต้นทุนต่องาน ความเร็ว ความเยิ่นเย้อของคำตอบ และสัญญาอนุญาต เป็นการวัดและข้อมูลเมตาของ Artificial Analysis ที่อ่านเมื่อวันที่ 21 พฤศจิกายน 2026 ทุกแถวด้านล่างที่เกี่ยวกับการเขียนโค้ดและการให้เหตุผลเป็นฮาร์เนสของ Thinking Machines เองบนเช็กพอยต์ที่บริษัทเทรนขึ้นมา และระบุไว้ตรงจุดที่ปรากฏ ไม่มีใครนอกแล็บเคยทำซ้ำแถวเหล่านั้นได้

สิ่งที่ Thinking Machines เผยแพร่

การเปิดตัวครั้งนี้เน้นการปล่อยเวตก่อนเป็นหลัก รีโพซิทอรีบน Hugging Face ถูกสร้างขึ้นเมื่อวันที่ 17 พฤศจิกายน และแก้ไขล่าสุดเมื่อวันที่ 20 ซึ่งเป็นลักษณะของเช็กพอยต์ที่ปล่อยเป็นระยะมากกว่าการปล่อยแบบเซอร์ไพรส์ และการ์ดโมเดลระบุวันที่ 20 พฤศจิกายน 2026 เป็นวันเปิดตัว มีสถานการณ์ไฟล์สัญญาอนุญาตที่น่าสังเกตจริง ๆ นั่นคือ การ์ดประกาศ Apache 2.0 ในเมแทดาต้า และแท็กของรีโพซิทอรีก็ระบุเหมือนกัน ดังนั้นนี่จึงเป็นการเปิดตัวแบบสัญญาอนุญาตที่ผ่อนปรน มากกว่าคำสัญญาว่าจะเป็นเช่นนั้นแบบที่ Inkling 2 Small เปิดตัวมาด้วยเมื่อวันที่ 5 พฤศจิกายน

• พารามิเตอร์ — ทั้งหมด 26.4B, ใช้งาน 3.4B และเปิดใช้งานน้ำหนักที่มีประสิทธิผล 5.4B ต่อโทเคนเมื่อนับการวนซ้ำแล้ว; Thinking Machines ระบุว่าการวนซ้ำเพิ่มเติมแต่ละรอบมีพารามิเตอร์ที่ใช้งานเพิ่มขึ้นประมาณ 1.0B

• ขนาดพื้นที่จัดเก็บ — เช็กพอยต์หนึ่งชุดขนาดประมาณ 20GB มี 20 เลเยอร์ใน NVFP4 และ 4 เลเยอร์ใน MXFP8 ส่งมอบในความแม่นยำที่ฝึกมา แทนที่จะถูกควอนไทซ์ในภายหลัง

• มอดาลิตี้ — ข้อความและรูปภาพเป็นอินพุตผ่าน vision transformer ที่ถูกฉายเข้าสู่พื้นที่ซ่อนร่วม ส่วนเอาต์พุตเป็นข้อความ

• คอนเท็กซ์ — การ์ดโมเดลระบุว่ารองรับสูงสุด 1M โทเค็น และ Artificial Analysis บันทึกไว้ที่ 1M

• การให้บริการ — Hugging Face, SGLang, vLLM, TokenSpeed, NVIDIA Dynamo, Unsloth และ llama.cpp GGUFs, Llama App รวมถึง Ollama และ Exo Labs บน Apple silicon มีสูตรการทำ post-training สำหรับ Miles และ SkyRL

• โฮสต์ — Tinker สำหรับการอนุมานและการปรับแต่ง พร้อมเพลย์กราวด์ นั่นคือเอนด์พอยต์ของผู้ขายเองและเป็นเพียงตัวเดียวเท่านั้น; Inkling 2 Mini ไม่ได้อยู่บน OrcaRouter และไม่มีข้อความใดด้านล่างบ่งชี้เป็นอย่างอื่น

มีโมเดลคู่หูเปิดตัวมาพร้อมกัน TML-d24-varloop-research ใช้สถาปัตยกรรมเดียวกันและได้รับการฝึกให้รับรอบลูปได้ตั้งแต่หนึ่งถึงห้ารอบ โดยมีไว้เพื่อให้นักวิจัยปรับความลึกที่โมเดลโปรดักชันกำหนดตายตัวไว้ที่สามได้ โมเดลนี้อยู่บน Hugging Face เช่นกัน และเป็นเป้าหมายที่งานด้านการตรวจสอบส่วนใหญ่ในรีลีสนี้ทำการศึกษา

Screenshot of the Thinking Machines announcement page titled 'Introducing Inkling 2 Mini', dated Nov 20, 2026, showing the Capabilities, Architecture and training, Monitorability of looped transformers and Try Inkling 2 Mini today section links, plus the opening paragraphs describing a model small enough to run on a laptop 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%.

ลูปคือผลิตภัณฑ์

Inkling 2 Mini เป็นทรานส์ฟอร์เมอร์แบบ decoder-only จำนวน 24 เลเยอร์ ที่มีเลเยอร์ feed-forward แบบ sparse mixture-of-experts แบ่งออกเป็นสี่บล็อก บล็อกละหกเลเยอร์ บล็อกแรกทำงานหนึ่งครั้ง บล็อกสุดท้ายทำงานหนึ่งครั้ง และสองบล็อกตรงกลาง — สิบสองเลเยอร์ — ทำงานสามครั้งโดยใช้เวทแชร์ร่วมกัน ดังนั้นโทเคนหนึ่งจึงผ่านการใช้งานเลเยอร์ 48 ครั้ง ซึ่งดึงมาจากเลเยอร์ของเวทที่จัดเก็บไว้ 24 เลเยอร์

การทำซ้ำไม่ใช่การคัดลอก แต่ละรอบที่ผ่านบล็อกตรงกลางจะอ่านเอาต์พุตของพรีลูด และรอบที่สองกับรอบที่สามยังอ่านสิ่งที่ Thinking Machines เรียกว่าข้อความ นั่นคือเอาต์พุตของบล็อกตรงกลางเองจากรอบก่อนหน้า ซึ่งถูกรวมผ่านเกตที่เรียนรู้ได้ เกตนั้นเริ่มต้นด้วยการปิดกั้นข้อความทั้งหมด ดังนั้นการฝึกจึงเริ่มต้นเป็นโมเดลธรรมดาที่ไม่มีการวนซ้ำ และอัตราขยายของข้อความจะถูกเพิ่มขึ้นเมื่อเวลาผ่านไป นี่เป็นกลอุบายเพื่อความเสถียรในการฝึก และยังเป็นเหตุผลว่าทำไมจึงสามารถเพิ่มการวนซ้ำระหว่างการรันได้ แทนที่จะฝึกตั้งแต่ศูนย์

การเลือกว่าจะวนซ้ำชั้นใดไม่ใช่เรื่องตามอำเภอใจ บริษัทวัดการวนซ้ำสิบสองชั้นกลางเทียบกับการวนซ้ำสิบสองชั้นท้ายในการประเมิน 28 ครั้ง และพบว่าชั้นกลางชนะใน 27 ครั้ง โดยมีอัตราการเพิ่มประสิทธิภาพเทียบเท่าการคำนวณที่ 1.51–1.91× เทียบกับ 1.24–1.36× สัญชาตญาณที่ได้คือ ชั้นต้นและชั้นท้ายยุ่งอยู่กับการแปลระหว่างโทเค็นกับตัวแทนภายใน ขณะที่ชั้นกลางแบกรับการให้เหตุผลเชิงนามธรรมซึ่งได้ประโยชน์จากขั้นตอนแบบอนุกรมที่มากขึ้น

ผู้เชี่ยวชาญเหล่านี้ถูกตัดทอนมากกว่าที่จะถูกออกแบบ การฝึกเริ่มต้นที่ sparsity 48 โดยกำหนดเส้นทางแต่ละโทเคนไปยังผู้เชี่ยวชาญ 8 จาก 384 คน ณ จุดหนึ่งระหว่างการฝึกกลางทาง บริษัทเก็บผู้เชี่ยวชาญที่ถูกใช้มากที่สุด 128 คนต่อเลเยอร์ไว้ และฟื้นฟูความเสียหายด้วยโทเคน 1T ที่กลั่นจากโมเดล Inkling ภายในที่ใหญ่กว่า จากนั้นดำเนินการ SFT และระยะ RL รวมทั้งสิ้น 2.2T โทเคนใน 2,000 สเต็ป นั่นคือส่วนผสมหลังการฝึกชุดเดียวกับ Inkling 2 Small ซึ่งเป็นเหตุให้จุดแข็งของทั้งสองโมเดลอยู่ที่จุดเดียวกัน

ยี่สิบ และอะไรที่อยู่ใต้มัน

คะแนนพาดหัวเป็นคะแนนจริงและวัดอย่างเป็นอิสระ อีกทั้งยังใกล้กับขีดล่างสุดที่ดัชนีจะแยกแยะได้อย่างมีประโยชน์ Artificial Analysis จัดให้ 20 อยู่สูงกว่าค่าเฉลี่ยมากสำหรับกลุ่มเปรียบเทียบของโมเดลบนกระดาน open-weights ซึ่งค่ามัธยฐานคือ 10 แต่ช่วงรอบ ๆ 20 มีโมเดลหนาแน่นทั้งห่างขึ้นและลงหนึ่งจุด และดัชนีไม่ได้จัดลำดับโมเดลละเอียดถึงขนาดนั้น คะแนน 20 หมายความว่าโมเดลผ่านเกณฑ์หนึ่ง ไม่ได้หมายความว่าชนะทุกอย่างที่อยู่ในระยะหนึ่งจุดจากมัน

สิ่งที่คะแนนนี้สนับสนุนจริง ๆ คือตำแหน่งที่สำคัญสำหรับโมเดลขนาดนี้ ข้ออ้างเรื่อง Pareto ในข่าวเปิดตัว — ความฉลาดระดับแนวหน้าต่อพารามิเตอร์ที่ใช้งาน — เป็นข้ออ้างที่บทสรุปของ Artificial Analysis เองสนับสนุน โดยระบุว่ามันอยู่ในกลุ่มโมเดลชั้นนำด้านความฉลาดในระดับขนาดเดียวกัน และมีราคาสมเหตุสมผลเมื่อเทียบกับโมเดล open-weights อื่นที่มีขนาดใกล้เคียงกัน มันไปถึงจุดนั้นได้เพราะลูป ซึ่งซื้อพลังประมวลผลแบบอนุกรมโดยไม่ต้องซื้อพารามิเตอร์ และข้ออ้างนั้นหยุดเป็นจริงทันทีที่คุณขอให้โมเดลรู้บางสิ่ง แทนที่จะคิดหาคำตอบออกมา

คอลัมน์ต้นทุนและความเร็วคือจุดที่รีลีสนี้ดูแข็งแกร่งที่สุด ด้วยราคาอินพุต $0.15 และเอาต์พุต $0.50 ถือว่าอยู่ล่างสุดของระดับโมเดลเชิงเหตุผล และ $0.59 ต่องานจัดทำดัชนีนั้นเป็นเพียงหนึ่งในสี่ของค่าใช้จ่ายของโมเดล dense ขนาด 27B ในช่วงคะแนนเดียวกัน มันเร็วในสองแง่ที่ปรากฏในลูปเอเจนต์: 9.72 วินาทีถึงโทเคนคำตอบแรก และ 280 โทเคนเอาต์พุตต่อวินาที จุดอ่อนที่ชดเชยมาคือความยาวเกินจำเป็น — เอาต์พุต 161M โทเคนเพื่อทำ index run ให้เสร็จ เทียบกับค่ามัธยฐานของคู่เทียบที่ 85.7M หรือประมาณ 1.9 เท่าของเอาต์พุตของโมเดลทั่วไปในระดับเดียวกัน เมื่อคิดเป็นบิลต่อโทเคนก็ไม่เป็นไร แต่กับงบโทเคนแบบคงที่ นั่นหมายความคุณได้งานประมาณครึ่งเดียว

Screenshot of the Artificial Analysis model page for Inkling 2 Mini, showing it amongst the leading models in intelligence and reasonably priced for its size but very verbose, a score of 20 on the Intelligence Index against a median of 10 for its class, 161M tokens generated during the index run against a 85.7M median, pricing of $0.15 per 1M input and $0.50 per 1M output tokens, $0.59 per index task, 9.0 minutes per task, and a listed 1M-token context window.

แถวการเข้ารหัสที่ผู้ขายรายงาน

ตารางที่ Thinking Machines เผยแพร่เป็นส่วนที่แข็งแกร่งที่สุดของข้อโต้แย้ง และเป็นข้อมูลของบริษัทเองทั้งหมด ตัวเลขเหล่านี้ยังไม่มีการทำซ้ำจากฮาร์เนสของผู้ขาย โดยหลายรายการรันด้วยโครงเอเจนต์ของบริษัทเองแทนที่จะเป็นแบบกลาง ดังนั้นควรอ่านเป็นข้อกล่าวอ้างเกี่ยวกับเช็กพอยต์ที่แล็บฝึกขึ้นมา

• SWE-bench Verified — 79.2% โดยใช้ bash เท่านั้น

• SWE-bench Pro v2, ระดับยาก — 77.9%

• SWE-bench Multilingual — 73.7%

• DeepSWE v1.1 — 48.2% เทียบกับ 42.2% ที่มีรายงานไว้สำหรับ Qwen3.8-27B

• Terminal Bench v2.1 — 71.6% ตามหลัง Qwen3.8-27B ที่ 73.0; บน Terminal Bench v4.0 ทั้งคู่ให้ผล 5.6%

• FrontierCode v2.0 — 15.1% เทียบกับ 14.9% สำหรับ Qwen3.8-27B

• การค้นหาและเครื่องมือแบบเอเจนติก — BrowseComp 79.0%, DeepSearchQA 85.3%, MCP Atlas 82.7% โดยแต่ละรายการสูงกว่าค่าของ Qwen3.8-27B ในตารางเดียวกัน

• การมองเห็นและเอกสาร — MMMU Pro 74.9%, OmniDocBench v1.6 92.8%, ScreenSpot Pro 76.5% แบบธรรมดา และ 87.7% เมื่อใช้เครื่องมือ Python

• การให้เหตุผล — HLE-Diamond 15.2%, CritPt v2 31.4%, ARC-AGI 84.5% ใน v1 และ 49.3% ใน v2, LongBench v2 66.9%

รูปร่างของตารางนั้นสอดคล้องกับสถาปัตยกรรม และเป็นสิ่งที่มีประโยชน์ที่สุดในรีลีสนี้ แถวที่โมเดลดูแข็งแกร่งคือแถวที่ให้รางวัลกับการยืนหยัดและการใช้เครื่องมือตลอดระยะเวลายาวนาน ได้แก่ การค้นหา การแพตช์ระดับรีโพซิทอรี และการแยกวิเคราะห์เอกสาร ส่วนแถวที่ดูธรรมดาคือแถวที่ต้องการการเรียกคืนข้อมูลที่ถูกต้องเพียงครั้งเดียวหรือการอนุมานเชิงวิทยาศาสตร์ที่ยาก การวนซ้ำเพิ่มขั้นตอนแบบอนุกรม แต่ไม่ได้เพิ่มข้อเท็จจริงที่จัดเก็บไว้

การวนซ้ำแลกมาได้ซึ่งการให้เหตุผล ไม่ใช่ข้อเท็จจริง

ความแตกต่างนั้นคือวิทยานิพนธ์ของรีลีสนี้เอง และบริษัททดสอบมันแทนที่จะเพียงกล่าวอ้าง ใน AA-Omniscience ซึ่งเป็นเกณฑ์วัดความเป็นจริง ตารางของผู้ขายแสดง −8.6 สำหรับ Inkling 2 Mini พร้อมอัตราการไม่สร้างข้อมูลเท็จที่ 63.4% คะแนนติดลบในเกณฑ์นี้หมายความว่าโมเดลแย่กว่าการปฏิเสธที่จะตอบ นั่นคือมันสร้างข้อผิดพลาดอย่างมั่นใจ กรอบของบริษัทคือช่องว่างทางความรู้สอดคล้องกับโมเดลอื่นที่มีขนาดรวมเท่ากัน และโมเดลชดเชยช่องว่างนั้นด้วยการค้นหาที่ดี ซึ่งเป็นสิ่งที่แถวของ BrowseComp และ DeepSearchQA แสดงให้เห็นพอดี และเป็นเหตุผลว่าทำไมบทสรุปที่ซื่อตรงของโมเดลนี้จึงเป็น "เก่งในการค้นหา อ่อนในการจดจำ"

คู่หูแบบลูปตัวแปรตอกย้ำประเด็นนี้ได้ชัดเจนยิ่งขึ้น กรอบเวลาที่ทำได้โดยไม่ต้องใช้ chain-of-thought ซึ่งคือระยะเวลาที่งานหนึ่งจะเสร็จสิ้นได้ที่ความน่าเชื่อถือ 50% โดยไม่ต้องเขียนเหตุผลออกมา เพิ่มจาก 16 วินาทีเมื่อหนึ่งรอบเป็น 37 วินาทีเมื่อสามรอบ แล้วคงที่ ขณะที่การให้เหตุผลแบบอนุกรมบนงานค้นคืนแบบ N-Hop ยังคงดีขึ้นไปจนถึงสิบรอบ ซึ่งเป็นสองเท่าของความลึกที่มันถูกฝึกมา ผลประโยชน์กระจุกตัวอยู่ในการค้นคืนแบบหลายฮอป การให้เหตุผลด้านคณิตศาสตร์และวิทยาศาสตร์ และงานแบบเอเจนต์ที่มีขอบเขตเวลายาว ส่วนการถามตอบข้อเท็จจริงแบบปิดหนังสือแทบไม่เปลี่ยนแปลง

ผลด้านความสามารถในการตรวจสอบคือส่วนที่นักวิจัยจะให้ความสำคัญมากที่สุด เพราะมันคือข้อโต้แย้งต่อโมเดลแบบวนซ้ำ หากโมเดลคำนวณมากขึ้นภายในโทเคนเดียว การให้เหตุผลที่ปรากฏในห่วงโซ่ความคิดที่มองเห็นได้ก็จะน้อยลง และตัวตรวจสอบห่วงโซ่ความคิดก็จะเห็นได้น้อยลง Thinking Machines วัดเรื่องนี้และพบว่าผลกระทบเล็กกว่าที่เคยกลัวกันในระดับนี้: การให้เหตุผลของโมเดลแบบลูปแปรผันที่ห้ารอบสั้นกว่าครึ่งหนึ่งของที่หนึ่งรอบ (โดยเฉลี่ย 1,661 เทียบกับ 3,703 โทเคน) โดยความยาวประโยคและสัดส่วนคำในพจนานุกรมไม่เปลี่ยนแปลง ซึ่งตีความได้ว่าเป็นการให้เหตุผลที่ตรงไปตรงมามากขึ้น ไม่ใช่การให้เหตุผลที่อ่านเข้าใจได้น้อยลง ในการประเมินด้าน stealth บน LinuxArena นั้น Inkling 2 Mini อยู่ที่ 3.9% ซึ่งต่ำกว่า 20.5% ของ Qwen3.8-27B มาก ทั้งหมดนั้นไม่ใช่การรับประกัน — มันคือการวัดครั้งแรกบนสถาปัตยกรรมประเภทหนึ่งที่ยังไม่เคยมีใครมีน้ำหนักโมเดลให้ดาวน์โหลดได้มาก่อน และบริษัทกล่าวอย่างตรงไปตรงมาว่าที่เปิดตัวโมเดลนี้ก็ส่วนหนึ่งเพื่อให้ผู้อื่นตรวจสอบได้

ค่าใช้จ่ายในการใช้งาน

การโฮสต์ด้วยตัวเองเป็นโหมดที่โฆษณาไว้ และคณิตศาสตร์ก็ง่ายมาก เช็กพอยต์ขนาด 20GB บนเครื่องที่คุณมีอยู่แล้วไม่มีต้นทุนต่อโทเค็นส่วนเพิ่มเลยแม้แต่น้อย และการศึกษาประสิทธิภาพของผู้ขายเอง — ซึ่งดำเนินการโดยห้องปฏิบัติการ Hazy Research และ Scaling Intelligence ของ Stanford ในช่วง early access ที่ MXFP8 และความพยายามในการให้เหตุผลต่ำ — ระบุว่าอยู่ที่ 0.703 intelligence ต่อวัตต์บน DGX Spark เทียบกับ 0.430 สำหรับ Qwen3.6-35B-A3B และ 0.159 สำหรับ Gemma 4 26B-A4B นั่นเป็นผลลัพธ์ที่ใกล้เคียงกับผู้ขายบนอุปกรณ์เดียว ไม่ใช่การวัดระดับทั้งฟลีต แต่ทิศทางนั้นไม่ใช่เรื่องละเอียดอ่อน

ข้อโต้แย้งที่ตรงไปตรงมาต่อการรันมันด้วยตัวเองก็คือ สถาปัตยกรรมแบบ looped นั้นเพิ่งมีความสมบูรณ์ในการให้บริการ (serving maturity) มาประมาณหนึ่งวันเท่านั้น SGLang, vLLM และอื่น ๆ ต่างระบุว่าซัพพอร์ต และโมเดลการ์ดเองก็เตือนด้วยถ้อยคำของมันเองว่า การรองรับรันไทม์สำหรับโมเดลแบบ looped นั้นเป็นของใหม่และความเร็วก็แตกต่างกันไป Throughput ที่คุณวัดได้บนเครื่องของคุณเองนั้นขึ้นอยู่กับว่าคุณเลือกเอนจินตัวไหนและเคอร์เนลของมันใหม่แค่ไหน และสิ่งนี้จะเปลี่ยนแปลงเร็วกว่าปัจจัยอื่นใดของโมเดลนี้

จุดที่เราเตอร์มีคุณค่าในบริบทนี้ไม่ใช่การให้บริการ Mini — เราไม่ได้โฮสต์มัน แต่เป็นสิ่งที่คุณวางไว้รอบ ๆ มัน การประเมินสถาปัตยกรรมที่ยังไม่พิสูจน์แล้วไม่ควรเป็นสิ่งเดียวที่กั้นระหว่างผู้ใช้ของคุณกับหน้าแสดงข้อผิดพลาด และวิธีจัดการเรื่องนั้นคือการเรียกโมเดลที่คุณเชื่อถือสำหรับเส้นทางโปรดักชัน ขณะที่ Mini ทำงานเคียงข้างมัน Qwen3.8-Flash อยู่บน OrcaRouter ในราคา $0.15 ต่อล้านโทเค็นอินพุต และ $0.47 ต่อล้านโทเค็นเอาต์พุต เป็นราคาตามรายการของผู้ให้บริการที่ส่งต่อโดยไม่บวกเพิ่ม และ DSL สำหรับการกำหนดเส้นทางพร้อม failover อัตโนมัติช่วยให้คุณวาง Mini ไว้เบื้องหลังได้ในวันที่ Mini เข้าถึง endpoint ที่เราเข้าถึงได้ คีย์เดียวครอบคลุมทั้งสองด้านของการทดลองนั้น ซึ่งนั่นคือแก่นของข้อโต้แย้งทั้งหมด

A generated single-column scoreboard titled 'Inkling 2 Mini — the scoreboard', with six rows reading Intelligence Index 20.1, cost per index task $0.59, output speed 280 tokens per second, first token 9.72 seconds, size on disk about 20GB, and licence Apache 2.0, above a footer stating that index, cost and speed are per Artificial Analysis and coding rows are vendor-reported and unreproduced.

สี่สิ่งที่ต้องจับตา

อย่างแรกคือการทำซ้ำอย่างอิสระ Artificial Analysis มีดัชนี ต้นทุน ความเร็ว และความละเอียดของคำตอบ — ซึ่งวัดมาแล้ว — แต่ตารางการเขียนโค้ดเป็นของแล็บ จนกว่าจะมีคนนอก Thinking Machines รัน SWE-bench Pro v2 หรือ DeepSWE บนน้ำหนักสาธารณะ 77.9% และ 48.2% ก็เป็นเพียงคำกล่าวอ้าง

ประเด็นที่สองคือจะมี endpoint แบบโฮสต์ปรากฏขึ้นนอกเหนือจาก Tinker หรือไม่ checkpoint Apache 2.0 ขนาด 20GB เป็นสิ่งที่ผู้ให้บริการบุคคลที่สามหยิบไปใช้ได้อย่างรวดเร็วพอดี และการแข่งขันด้านราคาที่จะทำให้ราคา $0.59 ต่องานดูยั่งยืนจะเริ่มต้นขึ้นก็ต่อเมื่อมีผู้ขายรายที่สองเท่านั้น

ข้อที่สามคือตัวลูปเอง หากการทดลองนำร่องได้ผล เทคนิคนี้ก็ใช้ได้ทั่วไป: ผ่านสามรอบบนชั้นกลาง ประตูหนึ่งบานเพื่อรวมข้อความ ไม่มีพารามิเตอร์เพิ่มเติม สูตรโมเดลเล็กทุกสูตรในสาขานี้กลายเป็นตัวเลือกสำหรับมัน และคำถามที่น่าสนใจก็ไม่ใช่whetherโมเดลนี้จะทำคะแนนได้ 20 อีกต่อไป แต่จะกลายเป็นว่าโมเดลถัดไปจะทำคะแนนได้ 24 ด้วยหน่วยความจำเท่าเดิมหรือไม่

ข้อที่สี่คือส่วนที่การเปิดตัวยังไม่ได้ยุติ โมเดลแบบลูปย้ายการใช้เหตุผลออกจากสายการคิดที่มองเห็นได้และเข้าไปใน forward pass Thinking Machines ไม่พบการสูญเสียความสามารถในการตรวจสอบอย่างมีนัยสำคัญที่พารามิเตอร์ที่ใช้งานจริง 5.4B ยังไม่มีใครเผยแพร่การวัดแบบเดียวกันที่ 50B นั่นคือคำถามที่การเปิดตัวนี้ทำให้ถามได้ และเป็นเหตุผลที่ดีกว่าคะแนนในการใส่ใจไฟล์ดาวน์โหลดขนาด 20GB

สำหรับใครก็ตามที่กำลังตัดสินใจในสัปดาห์นี้ เส้นแบ่งนั้นชัดเจน หากคุณต้องการโค้ดเดอร์แบบเอเจนต์ที่มีความสามารถ ซึ่งรันแบบออฟไลน์บนฮาร์ดแวร์ที่คุณมีอยู่แล้ว และคุณยินดีจะแซนด์บ็อกซ์มันและทดสอบความสามารถในการเรียกคืนข้อเท็จจริงก่อนจะเชื่อใจมัน Inkling 2 Mini คือโมเดลขนาดเล็กที่น่าสนใจที่สุดที่มีอยู่ในตอนนี้ และราคาของการลองใช้ก็คือการดาวน์โหลดหนึ่งครั้ง หากคุณต้องการคำตอบที่คุณสามารถนำไปวางตรงหน้าลูกค้าได้โดยไม่มีเลเยอร์การค้นคืนข้อมูลรองรับ นี่ไม่ใช่โมเดลนั้น และค่า 20 บนดัชนีก็จะไม่ทำให้มันกลายเป็นเช่นนั้น

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube