Plotly 數據分析基準：比前代高 9 分，成本相近、速度快一倍

Plotly 在 11 月 12 日權重發布當天，用自家的數據分析基準（DataAnalyticsBench）測了 Inkling 2 Small：43 道真實數據分析題，在 Plotly Studio Embedded 裏多輪工具調用完成，數據是虛構的風電場數據（防止答案進訓練集）。這是當天少有的第三方實測——測的是真實工作流，不是標準基準。先說結論：39/43（91%），美國開源權重模型第一，全部開源模型第三；比前代高 9 分，成本相近、速度快一倍。

得分：39/43，美國開源第一

Plotly 的原話：「如果你想要一個美國實驗室的開源權重模型做數據分析，Inkling 2 Small 是我們現在會選的那個。」但要注意樣本量：每模型只跑一次，Plotly 自己說重複運行時分數波動可達 3 分，1–2 分的差距基本等於平局——39 對 38 的「美國第一」就是這個量級的差距。

強在哪：判斷題，不是 SQL 題

分項看，Inkling 2 Small 在 6 個類別裏 4 項滿分：模糊問題 5/5、不可能請求 5/5、數據質量問題 3/3、統計陷阱 5/5；分析題 19/20；隱藏規律題 2/5。Plotly 指出，相比前代的進步主要來自「需要判斷而不是 SQL」的問題：統計陷阱是那種「 obvious 算法會給出誤導答案」的題，全榜 49 個模型中只有 15 個全對，美國開源模型裏除了它只有 Ripple-65B Preview 做到了；數據質量問題（植入的數據缺陷）它 3 個全抓，前代只抓 1 個、第一代 1 個都沒抓。在已開源權重的模型裏，它是唯一同時在這兩類上拿滿分的。

錯在哪：4 道題全是真錯

Plotly 逐題人工覈對過，4 道錯題全是真實失誤。一道分析題：答案算出來了，但最後把表格調用寫成了文字而不是執行，表格沒出現。另外三道是隱藏規律題——考試裏最難的部分：每題暗示數據裏有個異常但不明說，模型得自己去找。它找到了 2/5，與 Muse Spark Open 並列美國開源模型最多；Kimi K3.1 Pro 與 MiniMax M3.1 Flash 找全了 5/5。它不是沒努力：這類題平均跑約 46 次查詢，遠高於全榜約 26 次的中位數——找了，但沒找全。

成本與速度：便宜又快，但不是最便宜

整場 $1.81，按 Plotly 的推廣口徑（1,000 人、每人每天 10 題、250 個工作日）約合每人每年 $105。便宜的原因有兩個：每題只寫約 5,700 輸出 tokens（Muse Spark Open 約 7,800、MiniMax 約 32,000），且約 96% 的輸入 tokens 來自提供商緩存。速度上，每題中位 13 秒、整場約 16 分鐘；全榜 49 個模型裏只有 3 個更快（Mercury 3、gpt-oss-120b、Nemotron 3.5 Super VL），但它們只得 35、27、30 分——沒有得分 39+ 的模型比它更快。不過閉源模型裏 Particle-1 得 40 分只花 $0.35、GPT-6.1 Terra 得 40 分花 $1.31——不要求開源的話，它既不是最準也不是最便宜。

一個值得注意的數字：本地運行只要 356GB？

Plotly 稱 4-bit 下約需 356GB 內存，「能裝進一臺 512GB 的 Mac Studio」。這與官方模型卡「至少 500GB 聚合顯存」的要求不一致——兩者口徑不同：Plotly 說的是權重本身的內存佔用，官方要求應是包含運行時開銷（KV 緩存、激活值）的口徑。本站專題頁按官方 500GB 口徑寫；Plotly 的 356GB 說明權重文件本身比官方門檻小，實際部署時要留足餘量。