
Inkling 2 Mini กับ Qwen 3.8: รุ่นที่ถูกกว่าเป็นฝ่ายชนะ
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 183 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 568 tok/s
- Alibabaใหม่Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 ต่อ 1 ล้านโทเค็น · 385 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 · 84 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 · 107 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 · 91 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 · 214 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
การเปรียบเทียบที่ทุกคนลงมือทำกันนั้นเป็นการเปรียบเทียบที่ผิด และมันก็ยกหางโมเดลใหม่ให้ดูดีเกินจริง Inkling 2 Mini ซึ่งเผยแพร่โดย Thinking Machines Lab เมื่อวันที่ 20 พฤศจิกายน 2026 ทำคะแนนได้ 20.1 บน Artificial Analysis Intelligence Index v5.0.1 — อยู่ในระดับเดียวกับ Qwen3.8-27B ที่ 20 คะแนน โดยคิดเป็น $0.59 ต่องานดัชนี เทียบกับ $3.53 นั่นคือการเทียบแบบตัวต่อตัวที่ Thinking Machines ใส่ไว้ในตาราง benchmark ของตัวเอง และในแง่ต้นทุนก็บอกได้เลยว่าไม่ใช่การสูสีกันเลย แต่ Qwen 3.8 ไม่ใช่โมเดลเดียว มันคือทั้งรุ่นที่ประกอบด้วยห้าโมเดล และระดับที่แข่งขันได้จริงกับ checkpoint ขนาด 20GB ที่ดาวน์โหลดได้คือ Qwen3.8-Flash ซึ่ง Artificial Analysis ให้คะแนนที่ 29 ในราคา $0.57 ต่องานดัชนี — นำอยู่เก้าคะแนน ด้วยต้นทุนต่อคำตอบที่เสร็จสมบูรณ์เท่ากัน Mini ชนะการเปรียบเทียบที่โพสต์เปิดตัวพิมพ์ออกมา และแพ้การเปรียบเทียบที่ผู้ซื้อจะรันจริง
ที่มาของข้อมูล ซึ่งเป็นตัวกำหนดข้อสรุป: คะแนนดัชนี ต้นทุนต่องาน ความหน่วง และตัวเลขบริบท เป็นผลการวัดของ Artificial Analysis ที่อ่านค่าเมื่อวันที่ 21 พฤศจิกายน 2026 และราคา OrcaRouter ทุกรายการอ้างอิงจากแคตตาล็อกของเราเอง ตารางเปอร์เซ็นต์เป็นฮาร์เนสเปิดตัวของ Thinking Machines ซึ่งดำเนินการโดยผู้ขาย และมีเครื่องหมายกำกับไว้ตรงจุดที่ปรากฏ ข้อกล่าวอ้างของ Alibaba เองสำหรับระดับ Qwen ถูกอ้างเป็นของ Alibaba และไม่ได้ถูกตรวจสอบแยกต่างหากในที่นี้
ก่อนอื่น คุณหมายถึง Qwen 3.8 ตัวไหน
การมองชื่อตระกูลเป็นคู่ต่อสู้เพียงรายเดียวคือความผิดพลาดที่ทำให้การเปรียบเทียบแบบนี้ส่วนใหญ่ไร้ประโยชน์ Qwen 3.8 ครอบคลุมตั้งแต่รุ่นเรือธงแบบโฮสต์ที่ $2.00/$6.00 ต่อล้านโทเคน เช็กพอยต์เปิดขนาด 2.4 ล้านล้านพารามิเตอร์ภายใต้สัญญาอนุญาตแบบกำหนดเอง โมเดล dense ขนาด 27B ภายใต้ Apache 2.0 ระดับ Flash ที่ $0.15/$0.47 ไปจนถึงพรีวิว Flash-Next ซึ่งน้ำหนักแบบเปิดอยู่เบื้องหลังผลิตภัณฑ์ Flash แบบโฮสต์ สมาชิกเหล่านี้แตกต่างกันมากกว่าสิบเท่าในด้านราคาต่อโทเคน และต่างกันเก้าคะแนนบนดัชนีเดียวกัน คำตัดสินเดียวแบบ "vs Qwen 3.8" จึงเป็นคำตัดสินเกี่ยวกับภาพที่เบลอ
• Qwen3.8-27B — แบบ dense 27B, Apache 2.0, รับข้อความ รูปภาพ และวิดีโอเป็นอินพุต, คอนเท็กซ์ 256K, Index 20 ที่ระดับความพยายาม xhigh, ราคาตามรายการ $0.50/$3.00, $3.53 ต่องาน index, 34.5 นาทีต่องาน
• Qwen3.8-Flash — ระดับโปรดักชันแบบโฮสต์ที่ราคา $0.15/$0.47 ให้บริการด้วย weights ชุดเดียวกับ Flash-Next preview; endpoint ที่จัดเส้นทางโฆษณาหน้าต่าง 1M token และเอาต์พุตสูงสุด 131K ขณะที่ Artificial Analysis บันทึกไว้ที่ 256K สำหรับ weights แบบเปิดของ Flash-Next โดยวัดโมเดลนั้นที่ Index 29 ขนาดรวม 180B และ active 6B, $0.57 ต่องาน index, 33.3 นาที
• Qwen3.8-Max — โมเดลเรือธงแบบปิด ดัชนี 34, $2.00/$6.00, $10.02 ต่องานดัชนี ไม่ใช่คู่แข่งของ Mini ในด้านต้นทุน และไม่ใช่โมเดลที่ใช้อ้างอิงเปรียบเทียบ
• Inkling 2 Mini — 26.4B ทั้งหมด, 3.4B ที่ใช้งาน, Apache 2.0, บริบท 1M บนการ์ด, Index 20.1, $0.15/$0.50 บน Tinker, $0.59 ต่องาน index, 9.0 นาที
ดังนั้น การเปรียบเทียบที่มีประโยชน์จึงมีสองด้าน เมื่อเทียบกับโมเดล dense ขนาด 27B ที่โพสต์เปิดตัวเลือกไว้ Mini เป็นความได้เปรียบด้านต้นทุนอย่างแท้จริงที่คะแนนเท่ากัน ส่วนเมื่อเทียบกับเทียร์ Flash ซึ่งมีต้นทุนเท่ากันและทำได้เหนือกว่ามากบนดัชนี ข้อโต้แย้งของ Mini จึงต้องเป็นเรื่องอื่นที่ไม่ใช่ราคาและคะแนน — และนั่นคือ: ไฟล์

การเสมอกันที่ 27B และเหตุใดจึงเป็นเรื่องจริง
ทั้งสองโมเดลถูกวัดโดยผู้ประเมินเดียวกันบนรีวิชันเดียวกันของดัชนีเดียวกัน ดังนั้น 20.1 เทียบกับ 20 จึงเป็นการเปรียบเทียบจริง ไม่ใช่ความบังเอิญของชุดทดสอบ และยังเป็นผลเสมอกันที่ขีดจำกัดความละเอียดของเครื่องมือวัดนี้ ดัชนีนี้เป็นการประกอบจากการประเมินเก้าชุด โดยหลายชุดเป็นชุดที่แยกเก็บไว้ และโมเดลที่ต่างกันภายในหนึ่งจุดไม่สามารถจัดลำดับได้อย่างน่าเชื่อถือด้วยดัชนีนี้ สิ่งที่ผลเสมอ establish คือ Mini ผ่านเกณฑ์เดียวกันกับโมเดล dense ขนาด 27B ได้ ในขณะที่ใช้พารามิเตอร์ที่ทำงานอยู่เพียง 3.4 พันล้านตัวแทนที่จะเป็น 27 พันล้านตัว
คอลัมน์ต้นทุนคือจุดที่เรื่องนี้สำคัญ ที่ 0.59 ดอลลาร์ต่องานดัชนี เทียบกับ 3.53 ดอลลาร์ Mini ถูกกว่าประมาณหกเท่าในการทำการประเมินเดียวกันให้เสร็จ และทำเสร็จในเก้านาที เทียบกับ 34 นาทีครึ่ง ความเร็วในการสร้างเอาต์พุตคือ 280 โทเค็นต่อวินาที เทียบกับ 53 เวลาถึงโทเค็นคำตอบแรกคือ 9.72 วินาที เทียบกับ 144 ในลูปเอเจนต์ที่ทำงานสามสิบรอบ ตัวเลขเหล่านี้ทบกันจนกลายเป็นสิ่งที่ผู้ใช้รู้สึกได้
ไม่มีสิ่งใดในนั้นที่ฟรี และต้นทุนที่ต้องชดเชยก็คือความยืดยาว Mini ปล่อยโทเคนเอาต์พุต 161M เพื่อทำ index run ให้เสร็จ เทียบกับ 128M สำหรับโมเดล Qwen และค่ามัธยฐานของกลุ่มเดียวกันที่ 85.7M การจ่าย $0.50 ต่อเอาต์พุตหนึ่งล้านโทเคนสำหรับเอาต์พุตที่มากกว่าปกติ 1.9 เท่ายังถือว่าถูก แต่การกำหนดจำนวนโทเคนคงที่ต่องานสำหรับโมเดลที่พูดมากขนาดนี้ไม่ใช่เรื่องถูก ทีมที่วัดตามโทเคนแทนที่จะวัดตามงานจะพบว่าข้อได้เปรียบหกเท่าหดเหลือเข้าใกล้สามเท่า
จุดที่ Mini เอาชนะ Qwen ได้ทุกระดับอย่างแท้จริง
ตารางการเขียนโค้ดของผู้ขายคือส่วนหนึ่งของการเปิดตัวที่ทำให้โมเดลน่าสนใจ และยังเป็นส่วนที่ไม่มีใครตรวจสอบด้วย ทุกแถวด้านล่างคือฮาร์เนสของ Thinking Machines เองบนเช็กพอยต์ของตัวเอง และอย่างน้อยหนึ่งในนั้นถูกรันด้วยโครงสร้างเอเจนต์ของบริษัทแทนที่จะเป็นแบบเป็นกลาง
• DeepSWE v1.1 — Inkling 2 Mini 48.2% เทียบกับ Qwen3.8-27B 42.2%
• SWE-bench Pro v2, ระดับยาก — 77.9% เทียบกับ 73.8%
• SWE-bench Multilingual — 73.7% เทียบกับ 70.0%
• SWE-bench Verified — 79.2% เทียบกับ 77.8%
• Vibe Code Bench v1.1 — 77.9% เทียบกับ 64.9%
• Terminal Bench v2.1 — 71.6% เทียบกับ 73.0% ถือเป็นการแพ้; บน Terminal Bench v4.0 ทั้งสองแสดงค่า 5.6%
• BrowseComp — 79.0% เทียบกับ 61.6%; DeepSearchQA 85.3% เทียบกับ 79.7%; MCP Atlas 82.7% เทียบกับ 77.3%
• MMMU Pro — 74.9% เทียบกับ 76.3% ถือเป็นอีกหนึ่งความพ่ายแพ้ที่เฉียดฉิว; OmniDocBench v1.6 92.8% เทียบกับ 91.5%
แถวที่ Mini ชนะคือแถวที่เป็นงานแบบเอเจนติก — การแพตช์ระดับทั้งรีโพซิทอรี การค้นหาแบบยาวไกล และการใช้เครื่องมือ ส่วนแถวที่มันแพ้คือแถวที่ต้องเรียกคืนข้อมูลอย่างแม่นยำ นั่นคือสถาปัตยกรรมที่เผยออกมาให้เห็น: การวนซ้ำซื้อการคำนวณแบบอนุกรมต่อโทเคน และการคำนวณแบบอนุกรมคือสิ่งที่เส้นทางการทำงานของเอเจนต์ที่ยาวนั้นต้องการ แต่ไม่ได้ซื้อข้อเท็จจริงที่เก็บไว้ และเบนช์มาร์กที่เน้นความรู้หนัก ๆ ก็สังเกตเห็นได้
ช่องว่างด้านความเป็นข้อเท็จจริงระหว่าง Mini กับตระกูลนี้ชัดเจนกว่าที่แถวใด ๆ เหล่านั้นแสดงไว้ ใน AA-Omniscience ตารางของผู้จำหน่ายระบุ −8.6 สำหรับ Mini พร้อมอัตราการไม่สร้างข้อมูลเท็จ 63.4% เทียบกับ −6.4 และ 71.4% สำหรับ Qwen3.8-27B ในคอลัมน์เดียวกันของตารางเดียวกัน คะแนนติดลบหมายความว่าโมเดลแย่กว่าการปฏิเสธที่จะตอบ Artificial Analysis ไม่ได้เผยแพร่ตัวเลข omniscience แยกต่างหากสำหรับ Mini ที่ฉันหาเจอ ดังนั้นแถวนี้จึงอ้างอิงชุดทดสอบของผู้จำหน่ายทั้งหมด — และยังคงเป็นตัวเลขที่สำคัญที่สุดในการเปรียบเทียบสำหรับใครก็ตามที่นำไปใช้งานโดยไม่มีชั้นการดึงข้อมูล
จุดที่ Flash ยุติข้อโต้แย้ง
ตอนนี้มาถึงระดับที่สำคัญจริง ๆ Qwen3.8-Flash มีให้บริการแบบโฮสต์ในราคา $0.15 สำหรับอินพุต และ $0.47 สำหรับเอาต์พุต — เป็นอัตราอินพุตเดียวกับที่ Tinker คิดสำหรับการสุ่มตัวอย่าง Mini และถูกกว่าสามเซนต์ในส่วนเอาต์พุต Artificial Analysis ให้คะแนน weights ของ Flash-Next ที่เป็นฐานรองรับไว้ที่ 29 ต่อหนึ่งงานดัชนีมีค่าใช้จ่าย $0.57 เทียบกับ $0.59 ของ Mini ได้คะแนนดัชนีเพิ่มเก้าคะแนน ในราคาที่ถูกกว่าสองเซนต์
นั่นไม่ใช่การตัดสินใจที่สูสีกันทั้งด้านความสามารถและราคา และมันกำหนดกรอบใหม่ว่า Mini มีไว้เพื่ออะไร ข้อได้เปรียบของ Mini เหนือ Flash ไม่ได้อยู่บนกระดานคะแนนเลยสักนิด: มันคือไฟล์ขนาด 20GB ที่ทำงานได้โดยไม่ต้องมีเครือข่าย บน MacBook หรือ DGX Spark โดยไม่มีมิเตอร์คิดเงินต่อโทเคนและไม่มีผู้ให้บริการอยู่ในวงจร ข้อได้เปรียบของ Flash คือคะแนนดัชนี 9 คะแนน endpoint แบบโฮสต์ และหน้าต่าง 1M โทเคนบน API ที่จัดเส้นทางโดยไม่ต้องดาวน์โหลดอะไรเลย หากเวิร์กโหลดของคุณมีการเชื่อมต่อเครือข่าย ฝั่ง Qwen ชนะในทุกแกนที่วัดได้ หากไม่มี สิ่งใดก็ตามฝั่ง Qwen จะไม่พร้อมให้คุณใช้เลย
การเปรียบเทียบความเร็วยังเอื้อประโยชน์ให้ Mini และมากกว่าที่ช่องว่างของคะแนนบ่งชี้ว่าควรจะเป็น Mini ทำงานที่ 280 โทเค็นเอาต์พุตต่อวินาที โดยใช้เวลา 9.72 วินาทีถึงโทเค็นแรก ขณะที่ Flash-Next วัดได้ 74 โทเค็นต่อวินาที โดยใช้เวลา 85.77 วินาทีถึงโทเค็นแรก และ 33.3 นาทีต่องานจัดทำดัชนีหนึ่งงาน สำหรับเอเจนต์แบบโต้ตอบ นั่นคือความแตกต่างระหว่างเครื่องมือที่ตอบสนองได้กับเครื่องมือที่คุณต้องรอ และเป็นจุดเดียวที่โมเดลโลคัลที่มีพารามิเตอร์ Effective 5.4B มีข้อได้เปรียบเชิงโครงสร้างเหนือโมเดลแบบโฮสต์ขนาด 180B
การจัดการที่ใช้งานได้จริง
Qwen ทั้งสองระดับให้บริการอยู่บน OrcaRouter ซึ่งทำให้การสร้างเส้นทางการยกระดับนั้นถูกเป็นพิเศษ Qwen3.8-27B มีอัตราค่าบริการที่ 0.33 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเคน และ 2.40 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเคน — ต่ำกว่าราคาตามรายการของ Alibaba ที่ 0.50/3.00 ดอลลาร์ เพราะราคาของผู้ให้บริการถูกส่งต่อโดยตรงโดยไม่มีการบวกกำไร ส่วน Qwen3.8-Flash มีอัตราที่ 0.15/0.47 ดอลลาร์บนหน้าต่างขนาด 1M โทเคน คีย์เดียวเข้าถึงได้ทั้งสอง พร้อมระบบสลับอัตโนมัติเมื่อเกิดข้อขัดข้อง และ DSL สำหรับการกำหนดเส้นทางเพื่อส่งคำขอไปยังระดับที่ประหยัดก่อน และยกระดับขึ้นก็ต่อเมื่อไม่ผ่านการตรวจสอบ
นั่นคือรูปแบบที่การเปรียบเทียบนี้ต้องการจริง ๆ ถ้าคุณนำ Mini ไปใช้ มันจะอยู่บนฮาร์ดแวร์ของคุณเองเพื่อทำงานแบบเอเจนต์ที่มันถนัด และไม่มีค่าใช้จ่ายต่อโทเคน ส่วนระดับต่าง ๆ ของ Qwen จะอยู่เบื้องหลังปลายทางเดียวสำหรับคำขอที่ Mini ทำได้ไม่ดี — คำขอที่ต้องเรียกคืนข้อเท็จจริงได้อย่างถูกต้อง ต้องอ่านเอกสารยาว หรือต้องอนุมานทางวิทยาศาสตร์ที่ยาก — และการสลับเมื่อเกิดความขัดข้องหมายความว่าหากผู้ให้บริการล่ม คำตอบจะด้อยลงแทนที่จะพังไปเลย เราไม่ได้โฮสต์ Inkling 2 Mini และบทความนี้จะไม่แสร้งทำเป็นอย่างอื่น สิ่งที่เราเตอร์ตัดออกไปคือสัญญาฉบับที่สองและการผสานรวมครั้งที่สองสำหรับครึ่งหนึ่งของปริมาณงานที่ส่งไปยัง Qwen

อะไรจะทำให้คำตัดสินเปลี่ยนไป
สองเรื่อง และทั้งสองเรื่องก็ใช้ต้นทุนต่ำในการติดตาม เรื่องแรกคือการรันโค้ดแบบอิสระบนเวตสาธารณะของ Mini หาก 48.2% บน DeepSWE และ 77.9% บน SWE-bench Pro ยังคงอยู่ภายใต้ฮาร์เนสที่เป็นกลาง กรณีเชิงเอเจนต์ของ Mini ก็จะแข็งแกร่งกว่าที่คะแนนดัชนี 20.1 บ่งชี้ไว้มาก เพราะดัชนีให้น้ำหนักต่ำเกินไปกับงานระยะยาวที่โมเดลถูกสร้างมาเพื่อสิ่งนั้นพอดี หากสิ่งเหล่านี้ไม่รอด ตารางเปิดตัวก็เป็นเพียงตารางจากผู้ขาย และโดยเนื้อแท้แล้วโมเดลก็คือ 20
ประการที่สองคือข้อได้เปรียบเก้าคะแนนของ Qwen3.8-Flash ยังคงอยู่หรือไม่ภายใต้การควบคุมระดับความพยายาม ตัวเลขดัชนีของมันเป็นการกำหนดค่าเดียว และโมเดล Qwen เคลื่อนไปหลายคะแนนระหว่างการตั้งค่าระดับความพยายาม — โมเดล 27B ได้ 20 ที่ xhigh และต่ำลงอย่างมีนัยสำคัญเมื่อลดระดับการคิดลง ชั้น Flash ที่เสียไปเก้าคะแนนเมื่อใช้ความพยายามต่ำย่อมเป็นคู่แข่งที่แตกต่างจากรุ่นที่รักษาคะแนนเหล่านั้นไว้ และยังไม่มีใครเผยแพร่เส้นโค้งนั้นสำหรับการเปรียบเทียบนี้
จนกว่าหนึ่งในนั้นจะเปิดตัว สรุปที่ซื่อตรงคือคำตัดสินแบบแบ่งสองด้าน เมื่อวัดความสามารถต่อดอลลาร์ในสภาพแวดล้อมแบบโฮสต์ Qwen 3.8 ชนะสองครั้ง — โมเดล 27B ได้คะแนนเสมอ Mini และแพ้เรื่องต้นทุน ส่วนรุ่น Flash ชนะทั้งสองด้าน สำหรับสิ่งที่โมเดลแบบโฮสต์ทำไม่ได้เลย — รันออฟไลน์ รันบนแล็ปท็อป รันโดยไม่มีมิเตอร์ — Inkling 2 Mini ไม่มีคำตอบจาก Qwen และไฟล์ 20GB คือข้อโต้แย้งทั้งหมด ซื้อเวอร์ชันดาวน์โหลดหากคุณต้องการให้มันรันในที่ที่ไม่มีเครือข่าย ซื้อ API หากคุณไม่ต้องการ

การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้
