การ์ดชื่อที่สร้างขึ้นซึ่งอ่านว่า 'Inkling 2 Mini vs Qwen 3.8' โดยมีคำบรรยายใต้ภาพว่า 'ระดับที่แข่งขันได้จริงคือ Flash' พร้อมป้ายสามป้ายที่อ่านว่า 'Mini: Index 20.1', 'Flash: Index 29' และ 'ต้นทุนต่องานเท่ากัน' เหนือการ์ดสองใบที่เปรียบเทียบ 'ไฟล์ 20GB ทำงานออฟไลน์' กับ 'เอนด์พอยต์แบบโฮสต์ บริบท 1M' และหมายเหตุให้ยกระดับเฉพาะเมื่อจำเป็น โลโก้ OrcaRouter อยู่ที่มุมขวาล่าง
Guides & Insights

Inkling 2 Mini กับ Qwen 3.8: รุ่นที่ถูกกว่าเป็นฝ่ายชนะ

ผู้เขียน

jinhao.song

วันที่เผยแพร่

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

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 A​libaba เองสำหรับระดับ Q​wen ถูกอ้างเป็นของ A​libaba และไม่ได้ถูกตรวจสอบแยกต่างหากในที่นี้

ก่อนอื่น คุณหมายถึง Q​wen 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

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.

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 Q​wen และค่ามัธยฐานของกลุ่มเดียวกันที่ 85.7M การจ่าย $0.50 ต่อเอาต์พุตหนึ่งล้านโทเคนสำหรับเอาต์พุตที่มากกว่าปกติ 1.9 เท่ายังถือว่าถูก แต่การกำหนดจำนวนโทเคนคงที่ต่องานสำหรับโมเดลที่พูดมากขนาดนี้ไม่ใช่เรื่องถูก ทีมที่วัดตามโทเคนแทนที่จะวัดตามงานจะพบว่าข้อได้เปรียบหกเท่าหดเหลือเข้าใกล้สามเท่า

จุดที่ Mini เอาชนะ Q​wen 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 Q​wen ชนะในทุกแกนที่วัดได้ หากไม่มี สิ่งใดก็ตามฝั่ง Q​wen 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 Q​wen จะอยู่เบื้องหลังปลายทางเดียวสำหรับคำขอที่ Mini ทำได้ไม่ดี — คำขอที่ต้องเรียกคืนข้อเท็จจริงได้อย่างถูกต้อง ต้องอ่านเอกสารยาว หรือต้องอนุมานทางวิทยาศาสตร์ที่ยาก — และการสลับเมื่อเกิดความขัดข้องหมายความว่าหากผู้ให้บริการล่ม คำตอบจะด้อยลงแทนที่จะพังไปเลย เราไม่ได้โฮสต์ Inkling 2 Mini และบทความนี้จะไม่แสร้งทำเป็นอย่างอื่น สิ่งที่เราเตอร์ตัดออกไปคือสัญญาฉบับที่สองและการผสานรวมครั้งที่สองสำหรับครึ่งหนึ่งของปริมาณงานที่ส่งไปยัง Qwen

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.

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 Q​wen 3.8 ชนะสองครั้ง — โมเดล 27B ได้คะแนนเสมอ Mini และแพ้เรื่องต้นทุน ส่วนรุ่น Flash ชนะทั้งสองด้าน สำหรับสิ่งที่โมเดลแบบโฮสต์ทำไม่ได้เลย — รันออฟไลน์ รันบนแล็ปท็อป รันโดยไม่มีมิเตอร์ — Inkling 2 Mini ไม่มีคำตอบจาก Q​wen และไฟล์ 20GB คือข้อโต้แย้งทั้งหมด ซื้อเวอร์ชันดาวน์โหลดหากคุณต้องการให้มันรันในที่ที่ไม่มีเครือข่าย ซื้อ API หากคุณไม่ต้องการ

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.

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube