ModelBrief · Inkling 2 Small · 專題
最後更新 2026-11-13
EN 简体 繁體

Inkling 2 Small vs 開源對手:Ripple-65B、Kimi K3.1 Pro、Hy4 與 DeepSeek 怎麼選

發佈於 2026-11-13 · 最後更新 2026-11-13

「中國以外最強開源模型」是個帶定語的頭銜——去掉定語,Inkling 2 Small 在開源權重陣營裏的位置要複雜得多。本文把五位同期對手放在同一張表上:DeepSeek V4.1 Flash、Kimi K3.1 Pro、騰訊 Hy4、GLM-5.3-Flash 與 Ripple-65B Preview,從 AA 指數、Terminal-Bench、價格、許可與硬件門檻五個維度對照。先說結論:沒有全能贏家;Inkling 2 Small 的相對優勢在視覺、金融與 ARC 推理,以及 Apache 2.0 + 可下載 + 免費入口的組合——但終端 Agent 任務上它落後於幾乎所有對手。

總表:五維對照

模型AA 指數Terminal-Bench 4.0API 價格 $/百萬(入/出)參數許可 / 權重
Inkling 2 Small3113.1%0.30 / 1.00594B / 17BApache 2.0,已發佈
DeepSeek V4.1 Flash32.633.8%——開源權重
Kimi K3.1 Pro4665.7%—2.8T / 104B開源權重
騰訊 Hy43544.4%0.83 / 2.50770B / 49BApache 2.0,權重待發布
GLM-5.3-Flash27.832.8%——開源權重
Ripple-65B Preview——(TB 2.1:80.52)0.20 / 0.6065B 稠密Apache 2.0,已發佈

「—」表示本輪覈查未確認該項數據,不代表不存在。Ripple-65B 的 80.52 是 Terminal-Bench 2.1,與 4.0 不是同一套測試,不能直接比。

vs DeepSeek V4.1 Flash:最接近的對手,處處壓一頭

AA 指數 32.6 對 31、Terminal-Bench 4.0 33.8% 對 13.1%、FrontierCode 28.5% 對 25.4%、DeepSWE 77.0% 對 72.1%——DeepSeek 在編碼類測試上全面小勝;只有 Vals Finance(60.9% 對 61.5%)與 PerceptionBench 視覺類上 Inkling 佔優。兩者定位幾乎重疊(輕量高效開源 MoE),選誰主要看任務:終端 Agent 與純編碼選 DeepSeek,視覺與金融選 Inkling。

vs Kimi K3.1 Pro:終端任務上的鴻溝

Kimi K3.1 Pro 的 Terminal-Bench 4.0 是 65.7%,是 Inkling 2 Small(13.1%)的 5 倍;GPQA-Diamond 94.2% 也是頂級水平。Plotly 數據分析基準上 Kimi 得 42/43(Inkling 39/43),但整場花費 $13.47(Inkling $1.81)、每題約 2.5 分鐘(Inkling 13 秒)。Kimi 是 2.8T 總參數 / 104B 激活的大傢伙,能力更強、賬單與耗時也更大。終端 Agent 重活選 Kimi;要速度與成本選 Inkling。

vs 騰訊 Hy4:權重還沒到的對手

Hy4 的 Terminal-Bench 4.0 官方成績爲 44.4%(Artificial Analysis 獨立複測爲 37%,測試條件不同),770B/49B MoE,API $0.83/$2.50,另有視覺與計算機操作能力。但權重只承諾「即將發佈」,目前只能走騰訊雲託管。Inkling 的優勢是權重已經到手、Apache 2.0 可商用;Hy4 的優勢是終端任務分數——但 Hy4 並不便宜:輸出價 $2.50 高於 Inkling 的 $1.00,輸入價 $0.83 也高於 Inkling 的 $0.30。

vs GLM-5.3-Flash:AA 指數贏,終端任務輸

AA 指數 31 對 27.8,Inkling 領先;但 Terminal-Bench 4.0 是 13.1% 對 32.8%,Inkling 大幅落後。EnterpriseBench-CoreCraft 上 Inkling 71.8% 對 GLM 的 46.7%,企業文檔任務優勢明顯。兩者都是輕量開源路線,選型看任務類型:企業文檔與視覺選 Inkling,終端 Agent 選 GLM。

vs Ripple-65B Preview:65B 稠密模型的挑戰

Ripple-65B 是 11 月 4 日發佈的 65B 稠密開源模型(Apache 2.0),Terminal-Bench 2.1 得 80.52,號稱超過 500B–975B 的 MoE;Together 託管 $0.20/$0.60,比 Inkling 更便宜。但注意三點:第一,80.52 是 Terminal-Bench 2.1,與 Inkling 的 4.0 分數不能直接比;第二,Ripple 自認在 SWE-bench Verified、DeepSWE 等測試上落後;第三,Plotly 數據分析基準上,Ripple 是美國開源模型裏除 Inkling 外唯一統計陷阱全對的——兩者在數據分析上是同一檔。65B 稠密的部署門檻也遠低於 594B MoE,這是 Ripple 的實際優勢。

渠道維度:免費入口與 opencode

分數之外,獲取渠道也是選型因素。Inkling 2 Small 在 OpenCode 上有免費變體 inkling-2-small-free(限時),在 OpenRouter 上也有免費變體;Google Trends 顯示 opencode 是 Inkling 2 Small 的熱門相關查詢之一(7 天相關查詢第 3 位),說明不少用戶正是通過 OpenCode 第一次接觸這個模型。權重已開源 + 多家託管同價 + 免費入口,這個組合在同期開源模型裏算齊全的——Hy4 的權重還沒到,Kimi 與 DeepSeek 的免費入口各不相同,選型時值得把「能不能免費試」算進去。

本站結論:去掉「中國以外」的定語,Inkling 2 Small 在開源陣營裏是中上游而非第一:AA 指數 31 低於 DeepSeek(32.6),Terminal-Bench 4.0 大幅落後於 Kimi、Hy4、GLM 與 DeepSeek。它的不可替代性不在單項分數,而在組合:視覺與金融強項 + ARC 推理第一 + Apache 2.0 可商用 + 權重已到手 + 免費入口齊全。終端 Agent 重活選 Kimi 或 DeepSeek;視覺、金融、數據分析與「要開源權重 + 要免費試」選 Inkling。

參考來源:本文爲本站原創綜合整理,對照數據覈對自 Artificial Analysis Inkling 2 Small 發佈分析(2026-11-05);各對手分數來自其官方發佈數據,見專題頁來源區

← 返回 Inkling 2 Small 專題