经验博文

输出降价 75% 却要跑 20 分钟：Mira Murati 的新模型算盘打给谁看

输出降价 75%，一个任务却要跑 20 分钟：便宜的单价，贵的总账。

原作者: AI Price Memory

35 次浏览

0 次复制

适用模型: Inkling 2 Small / Inkling Small / DeepSeek-V4.1-Flash / Claude Sonnet 5.5 / Gemini 3.8 Flash

Mira Murati 离开 OpenAI 后创办的 Thinking Machines Lab，在 2026 年 11 月 5 日拿出了第二代模型 Inkling 2 Small。

账面报价便宜得吓人：每百万 token 输出只要 1.00 美元，比起今年 7 月的第一代直接砍掉 75%，输入也降了 70%。在第三方机构 Artificial Analysis 的综合榜单上，它拿下了 31 分的高分，直接追平谷歌的 Gemini 3.8 Flash（high）。

但我劝你别急着把生产环境的请求全切过去。这个模型有一个极度反常的特征：Artificial Analysis 实测它解决一个基准任务平均要耗费 20.8 分钟，一口气吐出 15 万个 token，输出体量是 Claude Sonnet 5.5（medium）的五倍。

单价跌到地板，用量却翻了数倍，你的账单最终到底变薄还是变厚？更微妙的是，号称要走开源路线的团队，发布当天只在自家收费云平台上开放了调用入口。我们要算清楚这笔时间与金钱的真实细账。

这模型到底是什么：594B 架构与 68 小时训练

外界以为这是一家初创公司按部就班迭代的“小模型”，但点开参数表会发现，Inkling 2 Small 里的“Small”更像一种讽刺。

它的总参数量从上一代的 276B 翻倍飙升到了 594B，采用稀疏 MoE（混合专家）架构，每个 token 激活 17B 参数，比上一代的 12B 激活略有提升。它具备多模态能力，支持图片输入，同时支持用户自行调节推理力度。

最让工程圈议论的是训练用时。据 Soumith Chintala 与 latent.space 报道，Inkling 2 Small 的主预训练阶段吞下了 8.4T tokens，借助原生 NVFP4 低精度格式，在 GB300 集群上只用了 68 个小时就跑完了。

68 小时训完 8.4T 数据，这种极端的训练速度解释了为什么由 Mira Murati 掌舵、John Schulman 担任首席科学家的这家团队，能在 2025 年 2 月于旧金山成立后，仅隔一年多就连续端出两代大规模 MoE 模型。但这也埋下了一个问号：如此压缩的训练周期和低精度量化，真能保证模型在复杂逻辑下的扎实程度吗？

跑分怎么看：代码很强，终端很惨

在 Artificial Analysis Intelligence Index v5.0.1 榜单上，Inkling 2 Small 的官方表格记录精确值为 30.6 分（取整为 31 分）。这个成绩排在同分段第 4 名（共 29 个模型参评），高出该分段 23 分的中位数，胜过了小米的 MiMo-V2.6-Pro，并与谷歌的 Gemini 3.8 Flash（high）打成平手。上一代 Inkling Small 只有 12 分，单看这个总分，代际跃升幅度确实很大。

官方随后公布了一份自选基准表。必须说明，虽然里面的测试项包含第三方评测机构数据，但这张表格完全由厂商挑选并对外呈现，没有经过外部全量复核。顺着这份数据看，你会发现极其强烈的偏科：

在纯编程逻辑方面，它的表现很抢眼。SWE-Bench Pro v2（Hard）测验拿到 86.3%，在榜单里紧咬 Kimi K3 的 88.2%；PMPP-Hard GPU 内核优化测试中，69 道题目它平均解出 54.25 题，虽然落后于 GPT-6 Astra 的 63 题和 Claude Opus 5.5 的 60 题，但在非闭源巨无霸阵营里已经算高水准；DesignArena 排名开放权重组第一；面向商业推理的 AA-Briefcase Elo 达到 1527 分，超过了 Claude Sonnet 5.5（medium）的 1439 分与 Gemini 3.8 Flash（high）的 1203 分；AutomationBench-AA 从上一代的 5% 暴涨到 46%；Vals Index 较上一代拔高 28.5 分，位列开放权重组第 7。

但是在另外几个硬碰硬的自动化任务上，数据暴露了软肋。

DeepSWE v1.1 评测中，它跑出 72.1%，落后于 DeepSeek-V4.1-Flash 的 77.0%；FrontierCode 2.0 得分仅为 25.4%。

最致命的翻车点落在 Terminal-Bench 4.0 上：它仅仅跑出了 13.1% 的成功率。

对比一下对手：DeepSeek-V4.1-Flash 在这个测试项上的成绩是 33.8%，GLM-5.3-Flash 跑出了 32.8%。终端环境考验的是模型对 Linux 命令、路径、权限、管道交互以及容错反馈的实际控制力。13.1% 的分数意味着，如果你打算把 Inkling 2 Small 当成能够直接在服务器底层自动写脚本、查日志、改环境的自主智能体，它有接近九成的概率会把事情办砸。代码逻辑写得漂亮，一进实际终端就手足无措，这就是厂商宣传物料背后没有写在显眼处的事实。

速度慢与话多：算一笔真实的账单

大家看到单价下降，本能地以为调用成本降低了。

根据 Thinking Machines Lab 官方平台 Tinker 的定价表：

输入：0.30 美元 / 百万 tokens
缓存输入：0.03 美元 / 百万 tokens
输出：1.00 美元 / 百万 tokens
微调训练：1.50 美元 / 百万 tokens（微调上下文限制在 64K）
推理上下文支持：256K（目前处于 beta 状态）

FourWeekMBA 按照 Artificial Analysis 的标价折算指出，Inkling 2 Small 的输出价格比上一代降低了 75%，输入价格降低了 70%。

单看定价标签，确实便宜。可跑长任务的开发者真正掏钱时，买的是任务的整体结果，不是单纯的单价标签。Artificial Analysis 在实测后给出了非常直白的评语：“速度慢、话多”。

在 AA 的 Index 评估流程里，Inkling 2 Small 完成单个任务平均耗时 20.8 分钟，单任务生成的输出 token 数量大约在 15 万个。这是什么概念？它的输出 token 量达到了上一代 Inkling Small 的 4 倍左右，更是 Claude Sonnet 5.5（medium）的 5 倍左右。

这带来了算力账单的变形：

虽然单价砍了四分之三，但因为输出长度翻了两番，Inkling 2 Small 跑完单个 Index 任务的总支出是 1.18 美元。而上一代虽然单价贵，但话少，单任务成本只要 0.20 美元。也就是说，你跑同一个复杂任务，现在的实际花费反而是旧版的近 6 倍。

当然，如果横向拉来商业闭源旗舰对比，它依然能省钱。同样完成一个任务，Gemini 3.8 Flash（high）需要 7.77 美元，Claude Sonnet 5.5（medium）需要 10.02 美元。Inkling 2 Small 的 1.18 美元比它们便宜了七八倍。

我们把这组反差鲜明的数据排在一起：

模型名称	AA 智能指数 v5.0.1	输入价（美元/M token）	输出价（美元/M token）	单任务平均成本（美元）	Terminal-Bench 4.0 表现
Inkling 2 Small	31（表格精确值 30.6）	0.30	1.00	1.18	13.1%
Inkling Small（上一代）	12	1.00	4.05	0.20	未公布
DeepSeek-V4.1-Flash	50	0.30	1.20（峰值）	未公布	33.8%
Claude Sonnet 5.5（medium）	未公布同口径总分	2.00	10.00	10.02	30%

看懂这张表，你就明白该怎么给自己的产品选型了：如果你做的是代码重构、测试用例编写或长文本逻辑推演，不在乎等这 20 分钟，那 1.18 美元相比 Sonnet 5.5 的 10 美元确实能省下大笔开销；但如果你做的是前端交互、即时对话或者命令行自动化，这种漫长的“思考话痨”不仅会让终端用户等到崩溃，低成功率还会把你的调试预算彻底吃空。

怎么用上它：Tinker 平台调用实操与限制

如果你想亲自测一测它的推理力度，或者看看那 15 万 token 的输出到底在碎碎念些什么，目前没有第三方 API 可选。

发布当天，Thinking Machines Lab 只在自家的 Tinker 平台（包括网页端的 Tinker Playground）开放了该模型的推理与微调权限。Tinker 提供 API 调用入口，下面是一份按 OpenAI 兼容客户端写法给出的示例，地址与模型名以官方文档为准。

以下是调用 Inkling 2 Small 的示例代码：

Python

import os
from openai import OpenAI

# 初始化客户端
# base_url 指向 Thinking Machines 官方 Tinker 接口占位地址（具体以官方文档最新指引为准）
client = OpenAI(
    api_key=os.environ.get("TINKER_API_KEY"),
    base_url="https://api.tinker.thinkingmachines.ai/v1",
)

# 发起推理请求
response = client.chat.completions.create(
    model="inkling-2-small",
    messages=[
        {
            "role": "user",
            "content": "请分析这个 Python 函数的边界异常，并给出优化方案。",
        }
    ],
)

print(response.choices[0].message.content)

调用时有两点限制必须记在账本上：

第一，当前推理模式下支持的最大上下文为 256K，官方明确标注该模式仍处于 beta 阶段；

第二，如果你想拿业务数据在 Tinker 上做微调训练，单价是每百万 token 1.50 美元，但微调上下文被死死卡在 64K 以内。如果你的训练集包含大量超长代码库文件，必须提前切片。

权重“下周到货”意味着什么

很多自建私有化算力的团队在发布会后扑了个空：开源协议写得清清楚楚，GitHub 上却连一个权重分块都没传。

官方给出的解释是：需要等外部安全测试与红队测试收尾，承诺在“下周”按照 Apache 2.0 协议完整开放全部权重。请搞清楚，这只是管理层口头给出的时间表承诺，并不是经过明确排期的确定上线日。

如果这个承诺能兑现，根据 Artificial Analysis 的评价，Inkling 2 Small 将会成为 AA 榜单上除了美国本土和中国团队之外、得分最高的开放权重模型。这对于不想绑定商业闭源接口、又因合规要求不能使用特定产地模型的海外团队来说，多了一个技术支点。

但接住这份权重也是个力气活。

它虽然名字叫“Small”，底层却是不折不扣的 594B 总量 MoE。即使每次计算只激活 17B，但在自建机房里把近 600B 的模型权重塞进显存，依然需要重度硬件配置。普通单卡开发机甚至双卡工作站根本跑不起来。想要吃到本地部署的红利，你得准备好能承接大体量 MoE 架构的高显存服务器。

对开发者而言，眼下最合理的动作不是忙着推翻现有的 API 架构，而是先在 Tinker Playground 里用几道你手头最繁重的代码重构题压测它一次，亲眼看一看那 20 分钟的耗时与 1.18 美元的单任务账单，在你的业务周期里究竟算不算合算。

来源

https://www.marktechpost.com/2026/11/05/thinking-machines-inkling-2-small-release/
https://fourweekmba.com/ai-muratis-inkling-2-small-scores-31-output-price-down-75/
https://dev.to/paullovelace/inkling-2-small-is-here-the-weights-arent-what-to-do-now-3292
https://latent.space/p/ainews-inkling-2-small-17a-594b-trained-in-68-hours-on-12t-tokens-beating-muse-spark/
https://en.wikipedia.org/wiki/Thinking_Machines_Lab