Plotly 数据分析基准：比前代高 9 分，成本相近、速度快一倍

Plotly 在 11 月 12 日权重发布当天，用自家的数据分析基准（DataAnalyticsBench）测了 Inkling 2 Small：43 道真实数据分析题，在 Plotly Studio Embedded 里多轮工具调用完成，数据是虚构的风电场数据（防止答案进训练集）。这是当天少有的第三方实测——测的是真实工作流，不是标准基准。先说结论：39/43（91%），美国开源权重模型第一，全部开源模型第三；比前代高 9 分，成本相近、速度快一倍。

得分：39/43，美国开源第一

Plotly 的原话：「如果你想要一个美国实验室的开源权重模型做数据分析，Inkling 2 Small 是我们现在会选的那个。」但要注意样本量：每模型只跑一次，Plotly 自己说重复运行时分数波动可达 3 分，1–2 分的差距基本等于平局——39 对 38 的「美国第一」就是这个量级的差距。

强在哪：判断题，不是 SQL 题

分项看，Inkling 2 Small 在 6 个类别里 4 项满分：模糊问题 5/5、不可能请求 5/5、数据质量问题 3/3、统计陷阱 5/5；分析题 19/20；隐藏规律题 2/5。Plotly 指出，相比前代的进步主要来自「需要判断而不是 SQL」的问题：统计陷阱是那种「 obvious 算法会给出误导答案」的题，全榜 49 个模型中只有 15 个全对，美国开源模型里除了它只有 Ripple-65B Preview 做到了；数据质量问题（植入的数据缺陷）它 3 个全抓，前代只抓 1 个、第一代 1 个都没抓。在已开源权重的模型里，它是唯一同时在这两类上拿满分的。

错在哪：4 道题全是真错

Plotly 逐题人工核对过，4 道错题全是真实失误。一道分析题：答案算出来了，但最后把表格调用写成了文字而不是执行，表格没出现。另外三道是隐藏规律题——考试里最难的部分：每题暗示数据里有个异常但不明说，模型得自己去找。它找到了 2/5，与 Muse Spark Open 并列美国开源模型最多；Kimi K3.1 Pro 与 MiniMax M3.1 Flash 找全了 5/5。它不是没努力：这类题平均跑约 46 次查询，远高于全榜约 26 次的中位数——找了，但没找全。

成本与速度：便宜又快，但不是最便宜

整场 $1.81，按 Plotly 的推广口径（1,000 人、每人每天 10 题、250 个工作日）约合每人每年 $105。便宜的原因有两个：每题只写约 5,700 输出 tokens（Muse Spark Open 约 7,800、MiniMax 约 32,000），且约 96% 的输入 tokens 来自提供商缓存。速度上，每题中位 13 秒、整场约 16 分钟；全榜 49 个模型里只有 3 个更快（Mercury 3、gpt-oss-120b、Nemotron 3.5 Super VL），但它们只得 35、27、30 分——没有得分 39+ 的模型比它更快。不过闭源模型里 Particle-1 得 40 分只花 $0.35、GPT-6.1 Terra 得 40 分花 $1.31——不要求开源的话，它既不是最准也不是最便宜。

一个值得注意的数字：本地运行只要 356GB？

Plotly 称 4-bit 下约需 356GB 内存，「能装进一台 512GB 的 Mac Studio」。这与官方模型卡「至少 500GB 聚合显存」的要求不一致——两者口径不同：Plotly 说的是权重本身的内存占用，官方要求应是包含运行时开销（KV 缓存、激活值）的口径。本站专题页按官方 500GB 口径写；Plotly 的 356GB 说明权重文件本身比官方门槛小，实际部署时要留足余量。