eesel.ai 實測深讀：更聰明瞭，但話癆、慢，聊天不是強項

eesel.ai 在發佈後三天內做了首批系統評測，標題點出了兩個關鍵判斷：「更聰明瞭」和「暫時封閉」。評測寫於權重發布之前——它的「封閉」判斷如今已過期，但對模型能力的判斷仍然成立。先說結論：從 13 到 31 的進步是真實的，尤其在編碼 Agent、視覺與文檔工作上；但代價同樣真實：每任務的成本與耗時都翻了幾倍，而且聊天不是它的強項。

進步在哪裏：編碼、視覺與文檔

評測梳理了官方基準表，結論是進步集中在三個方向：編碼 Agent 任務、視覺理解與文檔/知識工作。SWE-Bench Pro v2 (Hard) 86.3%、PerceptionBench 64.7%、EnterpriseBench-CoreCraft 71.8% 是表裏的亮點；AA-Briefcase 從 912 Elo 漲到 1527 Elo，說明文檔類 Agent 任務進步最大。AA-Omniscience 的非幻覺率 73.3% 是表中最高——評測認爲這說明「事實性短板收窄了」，模型更少編造答案。

與對手比：視覺與金融領先，編碼緊跟 DeepSeek

評測的判斷是「主要是視覺與金融領先，編碼緊跟 DeepSeek 之後」。但在獨立的 AA 指數上，Inkling 2 Small 的 30.6 低於 DeepSeek V4.1 Flash 的 32.6、Claude Haiku 5.5 的 36.5，甚至略低於 Gemini 3.8 Flash 的 30.8——廠商自測表與獨立榜單給出的排名並不一致，讀的時候要分清誰在測。

代價：更貴、更慢、更囉嗦

Artificial Analysis 的獨立測量是評測中最值得注意的部分：每指數任務 $1.18、對 15.7 分鐘，前代 Inkling Small 是 $0.20、7.0 分鐘。成本近 6 倍、耗時翻倍，根源是輸出量：每任務約 150K 輸出 tokens，是前代約 37K 的 4 倍。AA 的原話是「notably slow per task and very verbose」。評測還提醒：單價 $0.30 輸入 / $1.00 輸出看着便宜，但 AA 認爲這個輸入價對同檔來說「somewhat expensive」——同檔中位價是 $0.24。

兩個保留意見：聊天與當時的封閉

評測引述實驗室自己的說法：聊天不是它的強項。模型卡還警告了幻覺、指令遵循不完美、長多輪對話變弱、各語言質量不均——這些都是官方自述的短板，不是評測的苛責。另一個保留意見是評測寫於 11 月 8 日左右，當時權重還沒放出，「封閉」是成立的批評；11 月 12 日權重上架後，這一條已經過期。讀這篇評測時要注意時間：能力判斷仍然有效，獲取方式的判斷已經變了。