Inkling-Small
Thinking Machines· 2026-07-15 上线开源
综合榜暂不排名：评测成绩还不够
编程
45.1
科研
45.1第 62 名
专业办公
—
知识问答
42.6第 63 名
- 评测覆盖
- 9 / 25 项 · 36%
- 缓存输入
- ¥0.40
- 输入
- ¥2.02
- 输出
- ¥8.07
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 |
|---|---|---|---|---|
| WebDev Arena | 1,407 | 45.1 | 默认 | 96 |
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） | 46.3% | 43.0 | xhigh | 66 |
| FrontierMath（4 级） | 17.1% | 41.3 | xhigh | 57 |
| CritPt | 8.3% | 46.4 | 默认 | 101 |
| ProofBench | 6.0% | 38.5 | 默认 | 77 |
| OTIS Mock AIME | 90.0% | 50.5 | xhigh | 87 |
| SciCode | 49.7% | 51.1 | 默认 | 97 |
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 | 19.1% | 34.2 | xhigh | 65 |
| GPQA Diamond | 88.5% | 51.1 | xhigh | 84 |
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 | 40.1% | 不计分 | xhigh | 52 |
| ARC-AGI | 84.0% | 不计分 | xhigh | 52 |
| 国际象棋谜题 | 18.0% | 不计分 | xhigh | 88 |
原始成绩取这个模型各个推理档位（xhigh、high、medium、low、minimal、none）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。