Inkling Small
MODEL PROFILE模型资料Thinking Machines · 2026-07-30 发布 · ling 家族 · 开源权重 · 11 家平台收录
Inkling Small 是 Thinking Machines 于 2026 年 7 月 30 日发布的开源权重多模态模型，隶属 ling 系列，以 Apache-2.0 许可开放，面向需要长上下文、文本/图像/音频混合输入与工具调用能力的开发者团队，定位是低单价、可自行部署的通用工作模型。
模型介绍
Inkling Small 属于 Thinking Machines 的 ling 模型家族，是 Inkling 系列中偏小、偏省的一档，权重以 Apache-2.0 开源，允许自行下载部署或通过第三方平台调用。它要解决的核心问题是：在文档、图像、音频混合输入的日常业务里，用可接受的价格换取足够长的上下文和稳定的文字输出。模型提供 524,288 tokens 上下文窗口与 262,144 tokens 单次最大输出，可以整篇吞入长篇材料，并一次性产出长篇幅的结构化结果；能力项覆盖推理、工具调用、附件输入与温度调节，便于接入检索增强或 agent 流程。输出模态只有文本，因此它更适合「多模态进、文字出」的场景，而不是内容生成侧的图像或音频生产。官方定价输入 0.45 美元、输出 1.2 美元、缓存读 0.1 美元每百万 tokens，配合 11 家平台的收录，采购弹性较大；同系列还有上下文与价格各异的 Inkling 版本，选型时需要在窗口、单价与推理强度之间做取舍。
选型建议需要长上下文、多模态附件输入且预算敏感的批量文字任务可以选它；涉及复杂业务流程编排或高难度开放推理时，应换用更强的模型。
关键指标
适用场景
- 解析长篇合同、研报或手册，借长上下文与图像输入抽取条款并输出结构化摘要
- 接入客服或内部知识库，通过工具调用查询订单与账户信息后生成文字答复
- 处理带音频的会议与访谈素材，完成转写后的要点归纳与待办拆分
- 在代码库中执行中等复杂度修复与终端命令调试，并配合人工复核结果
- 批量执行科学问答与技术文档校对，用较低单价支撑高并发请求
- 为检索增强流程做附件理解，把图像或音频内容转成可检索的文本片段
暂无：知识截止、参数规模、缓存写价、结构化输出（上游未公开，本站不估算）。 资料更新于 104 天前；发布 104 天。
规格与能力
上面没列到的字段模型以开源权重形式发布，可确认的是模态覆盖与长上下文设计；参数规模、层数与注意力实现等细节在现有事实数据中未披露。
- 结构隶属 ling 系列的小尺寸成员，权重以 Apache-2.0 开放，具体参数量、层数与训练配比公开资料较少，不宜按大模型规格类推。
- 模态输入支持文本、图像与音频，输出仅限文本，适合读图、听音频但只需文字答复的流程，不承担多媒体内容生成。
- 上下文窗口为 524,288 tokens，单次最大输出 262,144 tokens，可整篇读入长文档并一次写出长报告，减少分片拼接的工程成本。
- 能力内置推理、工具调用、附件输入与温度调节，可按任务调低随机性做抽取、调高做发散写作，便于嵌进 agent 或检索链路。
- 开源权重
- 是
- 模型家族
- ling
- 许可证
- apache-2.0
能力
推理工具调用附件温度调节
性能表现
按 Artificial Analysis 的第三方口径，它的分数组合并不均衡：科学问答与检索类表现相对扎实，开放式高难推理和复杂业务工具链明显偏弱。
- 强项GPQA 89.5%、SciCode 49.7%、LCR 75.7%，在科学问答、代码化科学计算与长上下文检索上具备实用水平。
- 短板Tau-Banking 18.8% 明显偏低，说明多步业务工具调用容易掉链，涉及账户、交易类流程需外部校验与人工兜底。
- 编程编程指数 52.9、TerminalBench v2.1 为 55.1%，能应付中等复杂度改码与终端操作，不适合承担高难度工程主力。
- 上限综合智能指数 12.9、HLE 33.3%，开放式难题的推理深度有限，遇到高难推理任务应路由到更强的模型。
跑分与榜单
第三方评测口径这些跑分分别测什么？（6 项口径说明）
| 基准 | 类别 | 说明 | 满分口径 | 前沿水平 | 状态 | 污染风险 |
|---|---|---|---|---|---|---|
| 综合智能指数 | — | Artificial Analysis 综合智能指数：该机构用自建题库聚合出的单一分数，不是某一个公开基准；跨版本不可直接比较。 | — | — | — | — |
| 编程指数 | — | Artificial Analysis 编程指数：同一机构的编程能力聚合分，覆盖多套编程基准。 | — | — | — | — |
| GPQA Diamond基准主页 | 知识 | Graduate-level Google-Proof Questions, Diamond subset. 198 expert-validated PhD-hard physics, chemistry, biology questions. | 0-100% accuracy | 96.3% (Artificial Analysis run) | 已饱和 | 低 |
| Humanity's Last Exam基准主页 | 知识 | Joint CAIS/Scale benchmark of expert-validated questions across 100+ disciplines, finalized in April 2025 at 2,500 public questions after bug-bounty and searchable items were replaced, with a private held-out set kept for overfitting checks. CAIS also maintains HLE-Rolling, a fork updated continuously from community feedback, and released a new version of it on 2026-09-17 that swapped some easier questions for harder held-out ones, so rolling snapshots do not compare with each other or with the static set. Vendors report it both with and without tools, and tool setups (search blocklists, fetch restrictions) vary, so check the configuration before comparing. | 0-100% accuracy | 61.4% no tools (Artificial Analysis run; previous best 59.1%, Claude Fable 5.1) | 仍在维护 | 低 |
| Terminal-Bench基准主页 | 编程 | Stanford / Anthropic agentic terminal-task benchmark. Each task gives the agent a goal and a sandboxed shell; success measured by deterministic post-condition. | 0-100% solved | 64.5% (1.0, legacy split) | 已停用 | 低 |
| Tau-Bench基准主页 | 智能体 | Sierra benchmark of customer-service agents. Tests realistic multi-turn tool-use with deterministic evaluators. Now at tau3: tau2 covers retail, airline, and telecom, while tau3 adds a banking knowledge-retrieval track and a real-time voice track, each ranked separately. | 0-100% pass@1 | 87.9% (tau2 text, 3-domain avg pass^1); the tau3 banking text track is led by Qwen3.8 Max at 55.2% pass^1 (Claude Opus 5 second at 48.7%), and the tau3 voice track by Ava Zero at 86.0% task completion, ahead of phonic-1 at 83.2% and gpt-live-1 at 79.9% | 仍在维护 | 低 |
说明文字来自公开基准注册表；「已饱和」表示前沿模型已接近上限、区分度下降，「污染风险高」表示该基准的题目可能已进入训练数据。
跑分来自第三方公开评测（Artificial Analysis 口径），榜位与用量来自 OpenRouter 公开榜单，只反映静态基准与实际调用份额，与本站的真实性、稳定性检测相互独立。
价格与性价比
结合各平台报价与同类对比官方标价处在低价位区间，而同一模型在不同平台的报价分化明显，选平台往往比选型号更影响最终账单。
- 定位官方输入 0.45 美元、输出 1.2 美元、缓存读 0.1 美元每百万 tokens，属低价多模态档，适合高并发、上下文偏长的调用。
- 横向对比同家族 Inkling 输入 1 美元、输出 4.05 美元，相对本模型输入价差 +122.2%；小尺寸换来的成本优势相当直接。
- 平台差价11 家平台中 HowToken 输入 0.3 美元最低，thinkingmachines 渠道 0.58 美元、aimlapi 0.6136 美元偏高，首尾价差接近一倍。
- 省钱优先选 0.45 美元档的 DeepInfra、Nano-GPT、models.dev，并对重复的系统提示启用 0.1 美元缓存读，长对话成本下降明显。
平台报价对比
8 个来源口径| 来源 | 输入价 | 输出价 | 缓存读 | 相对输入价 |
|---|---|---|---|---|
| HowToken 更低 | $0.3/M | — | — | -33.3% |
| DeepInfra | $0.45/M | $1.2/M | — | 0.0% |
| Nano-GPT 另有 5 家同价 | $0.45/M | $1.2/M | $0.1/M | 0.0% |
| models.dev | $0.45/M | $1.2/M | $0.1/M | 0.0% |
| HuggingFace | $0.5/M | $1.2/M | — | +11.1% |
| models.dev · commandcode 另有 1 家同价 | $0.5/M | $1.2/M | $0.1/M | +11.1% |
| models.dev · thinkingmachines 另有 1 家同价 | $0.58/M | $1.44/M | $0.116/M | +28.9% |
| models.dev · aimlapi | $0.6136/M | $1.5235/M | $0.1227/M | +36.4% |
同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.45/M / $1.2/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| Inkling Small | 524.3K | $0.45/M | $1.2/M | 0.0% | 150.8 |
| Inkling Small | 262.1K | $0.3/M | $1.2/M | -33.3% | — |
| Inkling | 1.05M | $1/M | $4.05/M | +122.2% | 148.4 |
| Inkling | 1.05M | $1/M | $4.05/M | +122.2% | 12.5 |
| Inkling 2 Small | 1.05M | 免费 | 免费 | -100.0% | — |
取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价
官方 API 渠道
Thinking Machines 官方文档- 官方模型 ID
- thinkingmachines/inkling-small
- 官方上下文
- 524.3K context · 262.1K output
- 目录家族
- Inkling
- 目录热度
- —
- 资料更新
- 2026-11-09
本块是厂商官方渠道口径（官方文档与官方模型 ID），与上方第三方目录、本站探针是三套独立数据； 官方 API 的价格、区域与订阅额度见官方 API 价格目录。
关于 Inkling Small 的常见问题
6 条Inkling Small 的 API 价格是多少？
当前收录的官方口径价格为输入 $0.45/M、输出 $1.2/M、缓存读 $0.1/M，单位为美元 / 百万 tokens。另外 HowToken 给出的输入价更低（$0.3/M，-33.3%）。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。
Inkling Small 支持多长的上下文？
资料显示上下文窗口 524.3K（524,288 tokens），单次最大输出 262.1K。实际可用长度还取决于调用平台的限制。
Inkling Small 是开源模型吗？
Inkling Small 提供开源权重，可以自行下载部署，许可证为 apache-2.0，HuggingFace 下载量 1,474,408。本站展示的价格是各托管平台对 API 调用的报价，自部署不计入。
Inkling Small 支持哪些能力？
按当前资料，Inkling Small 支持推理、工具调用、附件、温度调节。输入输出模态为 文本+图片+音频 → 文本。
Inkling Small 可以在哪些平台调用？
当前资料显示该模型被 11 家 provider 或网关收录。本站核对的数据来源包括 models.dev、OpenRouter、DeepInfra、Nano-GPT、HuggingFace、HowToken。收录数量只反映公开目录的部署面，不代表任何一家平台的服务质量。
Inkling Small 的跑分表现如何？
第三方评测口径：Artificial Analysis 综合智能指数 12.9，编程指数 52.9，GPQA 89.5%，HLE 33.3%。跑分只反映静态基准，实际效果取决于具体任务。
使用注意
- 口径跑分均来自 Artificial Analysis 第三方口径，仅反映该评测下的表现；不同平台的上下文标注与报价存在差异，实际能力与计费以调用平台为准。
- 边界输出仅文本，不能生成图像或音频；Tau-Banking 18.8% 提示多步业务工具调用可靠性有限，高难开放推理也不宜单靠该模型完成。
资料说明
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源；价格单位为美元 / 百万 tokens。
