Inkling
Thinking Machines· 2026-07-15 上线开源
综合第 55 名
40.4
编程
38.5第 51 名
科研
42.0第 76 名
专业办公
38.2
知识问答
45.9第 54 名
- 评测覆盖
- 15 / 25 项 · 60%
- 缓存输入
- ¥1.14
- 输入
- ¥6.73
- 输出
- ¥27.24
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierCode | 14.0% | 33.1 | 默认 | 46 |
| FrontierSWE | 4.1% | 33.4 | xhigh | 21 |
| WebDev Arena | 1,410 | 45.3 | 默认 | 96 |
| ALE-Bench | 946 | 47.0 | 默认 | 88 |
| WeirdML | 32.3% | 33.4 | high | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 33.3% | 37.0 | xhigh | 66 |
| FrontierMath（4 级） | 4.9% | 36.9 | xhigh | 57 |
| CritPt | 5.4% | 43.7 | xhigh | 101 |
| ProofBench | 0.0% | 36.6 | 默认 | 77 |
| OTIS Mock AIME | 88.9% | 49.8 | xhigh | 87 |
| SciCode | 47.0% | 48.2 | xhigh | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 33.8% | 38.2 | 默认 | 49 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 40.3% | 46.6 | xhigh | 65 |
| GPQA Diamond | 88.3% | 50.9 | xhigh | 84 |
| SimpleBench | 50.0% | 40.2 | 默认 | 39 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 36.5% | 不计分 | 默认 | 52 |
| ARC-AGI | 79.5% | 不计分 | 默认 | 52 |
| 国际象棋谜题 | 21.0% | 不计分 | xhigh | 88 |
原始成绩取这个模型各个推理档位（xhigh、high）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。