Inkling 2 Small 和 Inkling Small 怎么选：价格、能力和适合的任务

先说结论

Thinking Machines 这次只放了一款：Inkling 2 Small（inkling-2-small），2026 年 11 月 5 日发布，是 Inkling 第二代的第一款模型。发布材料里能对得上的同厂商上一代只有一个：Inkling Small。

所以「和同厂商其他模型怎么选」，答案比想象中简单：

• 新项目、新流程 → 直接上 inkling-2-small。 在同一个 AA 智能指数上它拿 31，上一代是 13；输出价 $1.00，反而比上一代的 $1.20 低。能力和价格两个方向都占优，发布材料里没有给出任何继续用旧版的理由。
• 已经有流程绑死在上一代上 → 先算迁移成本。 除开这种历史包袱，同门之间没有真正需要纠结的地方。
• 真正要权衡的是「要不要用它」，不是「用哪一代」。 它在 agentic coding 和视觉任务上分数很靠前，在终端类任务上很差，单任务又慢又贵。

TeamoRouter 上还没有 inkling-2-small。 上线后同一个 Key 把 model 换成 inkling-2-small 就行，Base URL 不用动。至于现在先用什么：TeamoRouter 上没有任何 Thinking Machines 的模型，也就没有同厂商的替代品，所以这里不推荐拿别家的模型顶替——能力、行为和价格都对不上号。想现在用，只能去 Tinker。

同门两代，一张表看完

表里写「没给」的格子是真的没给。发布材料关于上一代只提了两个数字——AA 智能指数 13、输出价 $1.20——其余的我们不替它补。

两代之间到底差在哪

能力：不是小修小补，是翻了一倍还多。 同一个 Artificial Analysis 智能指数，13 到 31。这个跨度基本意味着两代之间不是「调了调参数」，而是换了训练路径。

价格：换代通常涨价，这次反着来。 输出从 $1.20 降到 $1.00。输入价只公布了新款的 $0.30，上一代的输入价材料里没有，所以这里不做对比。

训练方式：从「分头跑、最后合并」改成「一次跑完」。 上一代 Inkling 把推理和 agentic 两套 RL 分开跑，再用蒸馏合并；这一代是一次联合 RL，1,075 步、1,700 万次以上 rollout。对使用者来说，这个差别体现在「想得深」和「会动手」不再互相打架——agent 任务里既要拆步骤又要调工具，正是这种混合训练吃得最准的地方。

定位：这一代讲得更清楚。 官方把 Inkling 2 Small 定位成面向 agentic coding、视觉和知识工作的多模态模型，吃文字和图片、只输出文字，明确说不支持音频。上一代的定位，发布材料没有重复。

它擅长什么，不擅长什么

所有分数都来自 Thinking Machines 公开的评测表，跑在 effort 0.99（xhigh）、温度 1.0 下——也就是「想得最多」那一档。日常调用未必需要开到这么高，但在这一档上，两边的差距才拉得这么开。

强项：

• 改代码：SWE-Bench Pro v2（Hard）86.3%，在官方的表里只输给 Kimi K3。
• 看图、看界面：PerceptionBench 64.7%，对手 Kimi K3 是 58.5%；DesignArena Website 1,340，在 11 月 5 日的榜上排第三。
• 企业流程类任务：EnterpriseBench-CoreCraft 71.8%，同表里 GLM-5.3-Flash 是 46.7%；JobBench 70.5%。
• 底层优化：PMPP-Hard GPU kernel 测试，69 个任务平均解出 54.25 个。

弱项：

• 终端/命令行任务：Terminal-Bench 4.0 只有 13.1%。同一份材料里，GLM-5.3-Flash 是 32.8%，DeepSeek-V4.1-Flash-1017 是 33.8%。
• 通用工程任务：DeepSWE v1.1 72.1%，DeepSeek-V4.1-Flash-1017 是 77.0%。
• 知识工作评分：GDPVal-AA v2.1 是 1,630，DeepSeek 是 1,746。
• 速度：AA 测的单任务平均 21.5 分钟，比 DeepSeek 的 13.3 分钟慢不少，比 GLM 的 37.7 分钟快。官方自己的总结是「慢且啰嗦」。
• 音频：不支持，输入只有文字和图片。

一句话：它像一个很会写代码、很会看界面的同事，但不是一个靠谱的 shell 选手。

单价便宜，不等于任务便宜

这是最容易被忽略的一点。

按 token 算，它的输出比 DeepSeek 便宜；按任务算，它贵了将近一倍。 原因不难理解：它每轮想的 token 多，跑得也久。所以：

• 做报价和预算时用单任务成本，别用 token 单价。$1.18 和 $0.60 的差距，在你跑几千个任务时是实打实的。
• 做高频、短小的调用时，token 单价才有意义。
• GLM 的单价最低、单任务也最便宜，但 37.7 分钟一个任务是另一种代价——适合离线批处理，不适合交互。

一个实际的选择顺序

1. 手上有绑在上一代 Inkling 上的流程？ 先迁到 inkling-2-small。能力翻倍、输出降价，没有留在旧版的理由。
2. 新任务没头绪？ 直接用 inkling-2-small，先用默认推理力度跑一批你真实的请求，别一上来就开 xhigh——那是评测用的档位，贵且慢。
3. 主要是终端、脚本、长时间无人值守的命令行操作？ 先别指望它，公开成绩 13.1%，这类活它的返工率会吃掉单价优势。
4. 要按任务报价？ 用 $1.18 起步估，再看你自己的重试率往上加。
5. 要处理音频？ 换方案，它不支持。

同一价格档里的位置

官方口径是：AA 的价格档里 29 个模型，它排第 4。分项看：

读这张表有三个要点：

• 总分它不是第一：31 比 DeepSeek 的 33 低，比 GLM 的 28 高。它的分高在视觉和 agentic coding 的具体项上，不在总分上。
• 参数量不是效率：594B 总参数里只有 17B 激活，和同档两家是一个思路；差的是每轮花多少思考 token，这直接决定了单任务成本。
• 许可不一样：这两家现在是 MIT，Inkling 2 Small 发布时闭源，官方计划在做完外部安全测试和红队后以 Apache 2.0 放出。真要自托管，得等权重。

在 TeamoRouter 上怎么用

现在还不能用，所以下面这段只是上架后的样子：

from openai import OpenAI

client = OpenAI(base_url="https://api.teamorouter.com/v1", api_key="你的 TeamoRouter Key")
resp = client.chat.completions.create(
    model="inkling-2-small",
    messages=[{"role": "user", "content": "把这个 React 组件的状态管理重写一下"}],
)
print(resp.choices[0].message.content)

TeamoRouter 上还没有 inkling-2-small，上线后同一个 Key 把 model 换成 inkling-2-small 就行；现在没有同厂商的替代模型，想马上用得去 Tinker。 上线后的具体价格以控制台为准。

怎么付费

TeamoRouter 没有订阅：控制台充值余额，$5 起，按实际用掉的 token 扣费，支持银行卡，也可以用 USDT、USDC 或 ETH 转账充值。同一个 Key 还能调 Claude 和 GPT。

新账号余额为 0，先充值再调用。 第一次请求前先充值，$5 起。如果请求返回 402（OpenAI 兼容格式为 400）、提示「钱包余额不足」，说明余额为 0，不是 Base URL 或 Key 配错了，充值后重试即可。

常见问题

同厂商还有别的模型可以选吗？

发布材料里能确认的同门只有上一代 Inkling Small。Inkling 2 Small 是第二代的第一款，没有别的兄弟型号。

新老两代差多少？

AA 智能指数 31 对 13，输出价 $1.00 对 $1.20。上一代的其他参数，发布材料没有公布。

为什么新的一代输出反而更便宜？

材料里只给了数字，没有解释原因。能确认的只是：$1.00 比上一代的 $1.20 低。

它最适合什么任务？

agentic coding（SWE-Bench Pro v2 Hard 86.3%）、看图和界面（PerceptionBench 64.7%）、企业流程类任务（EnterpriseBench-CoreCraft 71.8%、JobBench 70.5%）、以及 GPU kernel 这类底层优化。

最不适合什么？

终端和命令行任务，Terminal-Bench 4.0 只有 13.1%。另外它不支持音频。

有免费额度吗？

发布材料里没有提到免费额度，只给了 Tinker 的按 token 价格。

能自托管吗？

现在还不行。权重发布时是闭的，官方计划在外部安全测试和红队之后以 Apache 2.0 放出。自托管硬件要求没有公布。

TeamoRouter 上现在能用吗？

还不能，inkling-2-small 还没进我们的模型目录。上线后同一个 Key 换模型 ID 就行。

相关阅读

• Inkling 2 Small API 发布了：模型 ID、Tinker 价格和两种调用方式
• Inkling 2 Small 国内怎么用：没有 Tinker 账号、没有海外信用卡能做什么
• 官方发布报道：规格、跑分和价格的原出处