Inkling 2 Small и Inkling Small: цена, возможности и что выбрать под задачу

Коротко

На этот раз Thinking Machines выпустила ровно одну модель: Inkling 2 Small (inkling-2-small), 5 ноября 2026 года — первую в поколении Inkling 2. Единственный предшественник того же вендора, который подтверждается материалом о выпуске, — Inkling Small.

Поэтому вопрос «какую из моделей вендора брать» решается проще, чем кажется:

• Новый проект, новый пайплайн → сразу inkling-2-small. В том же индексе AA у неё 31 против 13 у прошлого поколения, а выход стоит $1.00 против $1.20. Она выигрывает и по возможностям, и по цене, и в материале о выпуске нет ни одного довода остаться на старой.
• Готовый пайплайн жёстко привязан к прошлому поколению → сначала посчитайте переезд. Если такого наследства нет, выбирать между двумя попросту нечего.
• Реально стоит времени другой вопрос: нужна ли она вообще. В агентном коде и зрении она близко к верхушке, в терминальных задачах проваливается, а на одну задачу уходит много времени и денег.

В TeamoRouter модели inkling-2-small пока нет. После подключения достаточно поменять model на inkling-2-small — ключ и адрес останутся прежними. А пока: в TeamoRouter нет ни одной модели Thinking Machines, поэтому и замены от того же вендора нет. Подставлять модель другой лаборатории вместо неё мы не будем: возможности, поведение и цена не совпадут. Если модель нужна прямо сейчас, взять её можно только в Tinker.

Два поколения в одной таблице

Все «не раскрыто» — буквально. О прошлом поколении в материале есть ровно две цифры: индекс AA 13 и цена выхода $1.20. Остальное мы за вендора додумывать не будем.

Что на самом деле изменилось

Возможности: не косметика, а больше чем двукратный рост. 13 и 31 в одном и том же индексе Artificial Analysis. Такой скачок не выглядит как подкрученная модель — поменялся путь обучения.

Цена: обычно новое поколение дорожает, здесь наоборот. Выход подешевел с $1.20 до $1.00. Цена входа опубликована только для новой модели — $0.30, — так что сравнивать по этой строке не с чем.

Обучение: два отдельных прогона превратились в один. Прошлая Inkling учила рассуждение и агентное поведение отдельными прогонами RL и сливала их дистилляцией. Здесь один совместный прогон: 1 075 шагов, больше 17 млн rollout. На практике это значит, что «глубоко думать» и «уверенно действовать» больше не тренируются порознь. Агентной работе нужно и то и другое в одном шаге — планирование и вызовы инструментов, — и именно там совместное обучение даёт больше всего.

Позиционирование: в этот раз оно внятнее. Thinking Machines описывает Inkling 2 Small как мультимодальную модель для агентного программирования, работы с изображениями и задач со знаниями: на вход текст и картинки, на выход текст, аудио прямо не поддерживается. Как позиционировали прошлое поколение, в материале не повторяют.

В чём она сильна и в чём проваливается

Все оценки ниже — из опубликованной таблицы бенчмарков Thinking Machines, замеры при effort 0.99 (xhigh) и температуре 1.0, то есть в режиме «думать по максимуму». В обычных вызовах такая настройка не нужна; просто именно на ней разрывы видны отчётливее всего.

Сильные стороны:

• Правки кода: 86.3% на SWE-Bench Pro v2 (Hard) — в таблице лаборатории её обходит только Kimi K3.
• Экраны и изображения: 64.7% на PerceptionBench против 58.5% у Kimi K3; DesignArena Website — 1 340, третье место в срезе лидерборда от 5 ноября.
• Корпоративные процессы: 71.8% на EnterpriseBench-CoreCraft против 46.7% у GLM-5.3-Flash в той же таблице; JobBench — 70.5%.
• Низкоуровневая оптимизация: на тесте GPU-ядер PMPP-Hard в среднем решено 54.25 задачи из 69.

Слабые стороны:

• Терминал и командная строка: всего 13.1% на Terminal-Bench 4.0. В том же материале у GLM-5.3-Flash 32.8%, у DeepSeek-V4.1-Flash-1017 — 33.8%.
• Общие инженерные задачи: 72.1% на DeepSWE v1.1 против 77.0% у DeepSeek-V4.1-Flash-1017.
• Оценка работы со знаниями: 1 630 в GDPVal-AA v2.1 против 1 746 у DeepSeek.
• Скорость: AA замеряет 21.5 минуты на задачу — заметно медленнее 13.3 минуты у DeepSeek и быстрее 37.7 у GLM. Своя формулировка лаборатории — «медленно и многословно».
• Аудио: не поддерживается. На вход только текст и изображения.

Одной фразой: это коллега, который отлично пишет код и отлично читает интерфейс, но которому нельзя доверить шелл.

Дешёвая цена за токен не значит дешёвая задача

Именно это чаще всего упускают.

По токенам её выход дешевле, чем у DeepSeek. По задачам — почти вдвое дороже. Причина простая: она тратит больше токенов размышления за шаг и дольше работает. Отсюда:

• Для смет и бюджетов считайте стоимость задачи, а не цену токена. Разница между $1.18 и $0.60 вполне реальна, когда задач тысячи.
• Для частых и коротких вызовов имеет значение как раз цена токена.
• У GLM дешевле и то и другое, но 37.7 минуты на задачу — это плата другого рода: годится для офлайн-пакетов, не годится ни для чего интерактивного.

Практический порядок решений

1. Есть пайплайн на прошлой Inkling? Переводите на inkling-2-small. Вдвое больше возможностей и дешевле выход — оставаться на старой незачем.
2. Задача новая, ясности нет? Начните с inkling-2-small на глубине рассуждения по умолчанию и прогоните пакет своих реальных запросов. Не начинайте с xhigh: это режим для замеров, он медленный и дорогой.
3. В основном терминал, скрипты и работа без человека? Не рассчитывайте на неё. Опубликовано 13.1%, и переделки в такой работе съедят выигрыш в цене.
4. Считаете смету на задачу? Берите $1.18 как отправную точку и добавляйте сверху свою долю повторов.
5. В пайплайне есть аудио? Берите другое решение, аудио она не умеет.

Место в своём ценовом классе

Заявление вендора: четвёртое место из 29 моделей своего ценового диапазона по индексу AA. Построчно:

Из таблицы следуют три вещи:

• По общему счёту она не первая. 31 ниже 33 у DeepSeek и выше 28 у GLM. Её преимущество — в отдельных строках, зрении и агентном коде, а не в сумме.
• Число параметров — не эффективность. 594B всего при 17B активных — та же идея, что у обоих конкурентов. Разделяет их то, сколько токенов размышления каждая тратит за шаг, и именно это определяет стоимость задачи.
• Лицензия другая. Конкуренты сейчас под MIT, Inkling 2 Small на старте закрыта, Apache 2.0 обещан после внешних проверок безопасности и ред-тиминга. Настоящее своё развёртывание ждёт весов.

Как вызывать в TeamoRouter

Пока нельзя, поэтому код ниже — то, как это будет выглядеть после подключения:

from openai import OpenAI

client = OpenAI(base_url="https://api.teamorouter.com/v1", api_key="ВАШ_КЛЮЧ")
resp = client.chat.completions.create(
    model="inkling-2-small",
    messages=[{"role": "user", "content": "Перепиши управление состоянием в этом React-компоненте"}],
)
print(resp.choices[0].message.content)

В TeamoRouter модели inkling-2-small пока нет. После подключения подойдёт тот же ключ, меняется только model на inkling-2-small; замены от того же вендора сейчас нет, так что если модель нужна срочно — только Tinker. Цена после подключения — та, что будет в консоли.

Как оплатить

Подписки нет: пополняете баланс в консоли от $5, каждый запрос списывается по фактически использованным токенам. Поддерживаются карты, а также USDT, USDC и ETH. Тем же ключом доступны модели Claude и GPT.

У нового аккаунта баланс нулевой — пополните его до первого запроса. Пополнить от $5. Если запрос возвращает 402 (в формате OpenAI — 400) с сообщением «wallet balance is insufficient», значит баланс пустой, а не адрес или ключ. Пополните и повторите.

Частые вопросы

У вендора есть другие модели на выбор?

Единственная модель того же вендора, которую подтверждает материал о выпуске, — прошлая Inkling Small. Inkling 2 Small — первая во втором поколении, братьев у неё нет.

Насколько велика разница между поколениями?

31 против 13 в индексе AA и $1.00 против $1.20 за выход. Остальные характеристики прошлой модели не публиковались.

Почему новое поколение дешевле на выходе?

В материале есть только цифры, без объяснения. Подтвердить можно одно: $1.00 ниже прежних $1.20.

Для каких задач она лучше всего?

Агентное программирование (86.3% на SWE-Bench Pro v2 Hard), работа с изображениями и интерфейсами (64.7% на PerceptionBench), корпоративные процессы (71.8% на EnterpriseBench-CoreCraft, 70.5% на JobBench) и низкоуровневая оптимизация вроде GPU-ядер.

Для каких хуже всего?

Терминал и командная строка: 13.1% на Terminal-Bench 4.0. Плюс она не работает с аудио.

Есть ли бесплатный лимит?

В материале о выпуске бесплатный лимит не упоминается, есть только цена за токены в Tinker.

Можно развернуть у себя?

Пока нет. Веса на старте закрыты, Apache 2.0 обещан после внешних проверок безопасности и ред-тиминга. Требования к железу не раскрыты.

Можно пользоваться ею в TeamoRouter уже сейчас?

Пока нет — inkling-2-small в наш каталог не попала. После подключения достаточно того же ключа и нового ID модели.

Связанное

• Inkling 2 Small API вышла: ID модели, цены в Tinker и два способа вызова
• Inkling 2 Small без аккаунта Tinker: что можно сделать без аккаунта и карты
• Материал о выпуске: источник характеристик, результатов и цен