Inkling 2 Small 将开源权重，智能指数得分31
AI 生成的事件示意图，不代表新闻现场照片。
得分 31，追平 Gemini 3.8 Flash
11 月 6 日，Hacker News 的 AI 板块收录了一条消息：Thinking Machines 发布 Inkling 2 Small。据 Artificial Analysis 于 11 月 5 日发布的评测，这款模型在 Artificial Analysis Intelligence Index v5.0.1 上得分 31，比上一代 Inkling Small 高出 18 分，追平 Google DeepMind 的 Gemini 3.8 Flash (high)，并超过小米 MiMo-V2.6-Pro。
发布分两步走。上线时它是专有模型，只在 Thinking Machines 自家的 Tinker 平台和 Tinker Playground 提供；权重将随后以 Apache 2.0 协议开源，具体日期未定。据评测方测算，若权重如期释出，它将是当前榜单上中国以外得分最高的开源权重模型。模型总参数 594B，激活参数 17B，接受文本与图像输入，输出文本；API 定价为每百万 token 输入 0.30 美元、输出 1 美元，缓存输入 0.03 美元。
图：Inkling 2 Small 在 Intelligence Index v5.0.1 各项评测中的完整结果。来源：Artificial Analysis
图片来源：Hacker News · AI
代理任务大涨，终端作业仍是短板
进步集中在代理类任务。与 Inkling Small 相比，AutomationBench-AA 从 5% 升到 46%，FrontierCode 2.0 从 5% 升到 25%，HLE-Diamond 从 12% 升到 29%。对照竞品，它的 FrontierCode 2.0 得分是 Claude Sonnet 5.5 (medium) 的两倍多（25% 对 11%），但 Terminal-Bench 4.0 只有 13%，明显落后于后者的 30%。
在模拟商务工作流的 AA-Briefcase 上，它拿到 1527 Elo，比 Inkling Small 高出 615 分，评分细则通过率 50%，是前代的 2.5 倍；这一成绩也高于 Claude Sonnet 5.5 (medium) 的 1439 和 Gemini 3.8 Flash (high) 的 1203。创造性任务同样靠前：AA-3D 得分 1021，超过 Gemini 3.8 Flash 的 966，也高于 Claude Haiku 5.5 和 Grok 4.7；Code2Video-AA 得分 1020，高于 Gemini 的 899。研究级物理评测 CritPt v2 得分 56%，高于前代的 34%，仍不及 Gemini 3.8 Flash (high) 的 65%。
图：AA-Briefcase 商务工作流评测，Inkling 2 Small 领先上一代 615 Elo。来源：Artificial Analysis
图片来源：Hacker News · AI
幻觉更少，但话更多、也更贵
幻觉率的下降最扎眼。在 AA-Omniscience v1.1 上，Inkling 2 Small 的幻觉率从上一代的 61% 降到 27%，尝试作答率从 77% 降到 53%，准确率只从 32% 微升到 34%，净分从 -9 转正至 16。评测方的结论很直接：它幻觉更少，主要是因为它回答得更少。
代价是输出量。每个 Intelligence Index 任务，它平均输出约 15 万 token，约为 Inkling Small（3.7 万）的 4 倍，也多于 Gemini 3.8 Flash (high) 的约 9.9 万和 Claude Sonnet 5.5 (medium) 的约 3.1 万。单任务成本 1.18 美元，接近上一代 0.20 美元的 6 倍，不过仍远低于 Gemini 的 7.77 美元和 Claude 的 10.02 美元。
图：幻觉率下降的另一面，是尝试作答率同步收缩。来源：Artificial Analysis
权重开源之后
一个得分 31 的模型按 Apache 2.0 交出权重，开发者在权重释出那天就能把它拉进自己的环境里跑。榜单位置会被下一次发布刷新，价格曲线会被下一次调价改写，落进开发者手里的权重却不会消失。用 Kevin Kelly 的眼光看，技术是活物，权重一旦交出，它就会自己找路，落到谁手里、长成什么样，不再由发布者决定。用 Steve Jobs 的标准看，分数只是入场券，工具的成色要等它放大了多少人的判断来定。分数属于榜单，权重属于所有人。