Inkling 2 Small बनाम DeepSeek-V4.1-Flash: कोडिंग के लिए कौन सा मॉडल?

संक्षिप्त उत्तर: Thinking Machines द्वारा Inkling 2 Small के लिए प्रकाशित तालिका में (5 नवंबर 2026 का रिलीज़ पेज, 7 नवंबर को जाँचा गया), DeepSeek-V4.1-Flash-1017 उन छह कोडिंग पंक्तियों में से पाँच पर आगे है जहाँ दोनों मॉडल दिखाए गए हैं। Inkling एक पर आगे है, और उसकी वेब-डिज़ाइन रैंक मज़बूत है। हालाँकि, यह विक्रेता की अपनी तालिका है, इसलिए इसे अपने कोड पर एक छोटी जाँच चलाने के कारण के रूप में लें, न कि अंतिम फैसले के रूप में।

अगर आपने "Inkling, DeepSeek के करीब है" जैसी कोई सुर्खी देखी और सोचा कि अपना कोडिंग एजेंट बदलें या नहीं, तो यह क्रम अपनाएँ: अपने काम से मेल खाने वाली पंक्तियाँ पढ़ें, देखें कि तालिका क्या नहीं दिखा सकती, अपने पाँच प्रॉम्प्ट चलाएँ, और एक पूरे किए गए काम पर लागत लगाएँ।

Inkling 2 Small क्या है#

रिलीज़ पेज के अनुसार, Inkling 2 Small, Thinking Machines Lab का दूसरी पीढ़ी का मॉडल है। यह एक Mixture-of-Experts मॉडल है जिसमें कुल 594B पैरामीटर हैं और प्रति टोकन 17B सक्रिय हैं। यह छवियाँ स्वीकार करता है (ऑडियो नहीं) और इसमें परिवर्तनीय प्रयास सेटिंग है। अभी यह Tinker पर चलता है, जो लैब की सर्वरलेस इन्फरेंस सेवा है और Beta में है।

दो बातें छूट सकती हैं। वेट्स अभी बंद हैं: लैब बाहरी सुरक्षा परीक्षण के बाद "अगले सप्ताह" Apache 2.0 के तहत उन्हें जारी करने की योजना बना रही है, और कहती है कि अन्य प्लेटफ़ॉर्म "आने वाले हफ्तों में" आएँगे। जब तक फ़ाइलें वास्तव में बाहर नहीं आतीं, यह एक योजना है, तथ्य नहीं। और कॉन्टेक्स्ट: Tinker मॉडल सूची अधिकतम 256K दिखाती है। रिलीज़ पेज पर 512K और 1M के आँकड़े प्रशिक्षण और मूल्यांकन सेटिंग्स हैं, न कि आज आप जो भेज सकते हैं।

यहाँ तारीखें सामान्य से अधिक मायने रखती हैं, क्योंकि आधा प्रस्ताव एक वादा है:

तालिका को पंक्ति दर पंक्ति पढ़ना#

विक्रेता Inkling 2 Small की तुलना DeepSeek-V4.1-Flash-1017 से करता है। DeepSeek के दस्तावेज़ कहते हैं कि deepseek-flash उपनाम अब उस संस्करण द्वारा परोसा जाता है (पेज पर तारीख नहीं है, 7 नवंबर 2026 को जाँचा गया)। यहाँ वे पंक्तियाँ हैं जहाँ दोनों मॉडलों का एक संख्या है। अंतिम कॉलम बस घटाव है।

जाँच एक: 77.0 - 72.1 = 4.9। पंक्तियाँ गिनें और DeepSeek पाँच पर आगे है, Inkling एक पर।

अपनी टीम को यह तालिका उद्धृत करने से पहले कुछ बातें ध्यान दें।

• सबसे बड़ा अंतर सबसे कम परिपक्व पंक्ति पर है। Terminal Bench Science संस्करण 0.1 पर है, और 12.9% बनाम 5.7% दोगुने से अधिक है। यह टर्मिनल-शैली के काम के बारे में एक संकेत है, फैसला नहीं।
• एक पंक्ति में आमना-सामना नहीं है। SWEBench Pro v2 (Hard) में Inkling 86.3% दिखाता है और DeepSeek को रिपोर्ट नहीं किया गया। आप एक संख्या की तुलना खाली जगह से नहीं कर सकते।
• छोटे अंतर छोटे होते हैं। किसी ऐसे बेंचमार्क पर 1.4 या 3.1 अंक का अंतर जिसे आपने कभी नहीं चलाया, रेपो या प्रॉम्प्ट बदलने पर टिक नहीं सकता।
• पेज एक बार खुद से विरोधाभास करता है। Artificial Analysis Intelligence Index टेक्स्ट में 31 है और तालिका में 30.6 (v5.0), बिना किसी स्पष्टीकरण के। यह छोटी बात है, लेकिन फ़ुटनोट पढ़ने की याद दिलाती है।

यहाँ कुछ भी स्वतंत्र रूप से दोहराया नहीं गया है; सभी संख्याएँ Inkling विक्रेता से आती हैं।

वेब डिज़ाइन एक अलग पंक्ति है#

अगर आपका काम बग ठीक करने के बजाय वेबसाइट बनाना है, तो प्रासंगिक संख्या DesignArena Website है। रिलीज़ पेज पर 5 नवंबर के स्नैपशॉट में, Inkling 2 Small ने 1,340 स्कोर किया, Muse Wonder (1,366) और Muse Spark 1.3 (1,351) के बाद तीसरा। विक्रेता उम्मीद करता है कि वेट्स आने के बाद यह वहाँ शीर्ष ओपन-वेट्स मॉडल होगा। पहले स्थान से अंतर 1,366 - 1,340 = 26 अंक है।

यह उन लोगों का लीडरबोर्ड है जो उत्पन्न पेजों की तुलना करते हैं, इसलिए यह दिखावट के बारे में कुछ वास्तविक कहता है। लेकिन पेज इस पंक्ति के लिए कोई DeepSeek संख्या नहीं देता, इसलिए पढ़ने के लिए कोई आमना-सामना नहीं है। स्नैपशॉट पर निर्भर करने से पहले DesignArena स्वयं खोलें।

जो कोई तालिका नहीं दिखा सकती#

मान लें कि आप धीमे टेस्ट और बहुत सारे घरेलू नियमों वाले दस साल पुराने Django मोनोलिथ का रखरखाव करते हैं। ताज़ा, साफ-सुथरे रेपो से बना बेंचमार्क आपको बहुत कम बताता है कि कोई मॉडल आपकी 3,000 पंक्तियों वाली utils.py को कैसे संभालता है। किसी भी विक्रेता तालिका से चार चीज़ें गायब हैं:

1. आपका कोड और आपकी आदतें। नामकरण, टेस्ट शैली, कौन सी फ़ाइलें एजेंट को कभी नहीं छूनी चाहिए।
2. एजेंट लूप कैसे व्यवहार करता है। एक ही मॉडल एक टूल में अच्छा और दूसरे में खराब हो सकता है, क्योंकि टूल इसे फ़ाइलें और त्रुटियाँ खिलाने के तरीके में भिन्न होते हैं।
3. एक काम में कितने चरण लगते हैं। जो मॉडल प्रति प्रयास 3 अंक बेहतर है लेकिन अधिक प्रयास माँगता है, वह आपके लिए ज़रूरी नहीं कि बेहतर हो।
4. कीमत। Inkling की प्रति-टोकन कीमत रिलीज़ पेज या Tinker मॉडल सूची में नहीं है (7 नवंबर 2026 को जाँचा गया)। Tinker के मूल्य निर्धारण पेज को देखें और जो कुछ भी मिले उसके आगे तारीख लिखें।

अगर आप बेंचमार्क तालिकाएँ पढ़ने के लिए लंबी जानकारी चाहते हैं, तो एक अलग लेख है: AI बेंचमार्क कैसे पढ़ें और 5-प्रॉम्प्ट परीक्षण कैसे चलाएँ।

अपने ही कोड पर 5-प्रॉम्प्ट जाँच#

इसमें एक दोपहर लगती है और आपके फैसले के लिए यह किसी भी लीडरबोर्ड से बेहतर है। पिछले दो हफ्तों में आपने वास्तव में जो पाँच काम किए, उन्हें चुनें, प्रत्येक के साथ यह बताने का तरीका हो कि उत्तर सही है या नहीं। हर मॉडल को वही टेक्स्ट भेजें और परिणाम स्वयं स्कोर करें।

जिन मॉडलों को आप OpenAI-संगत API के माध्यम से कॉल कर सकते हैं, उनके लिए लूप छोटा है। पाँच प्रॉम्प्ट tasks.txt में रखें, ===== वाली पंक्ति से अलग करके। पूरा दस्तावेज़ CheapTokens docs में पढ़ें; पता https://api.cheaptokens.dev/v1 है।

import os
from openai import OpenAI

client = OpenAI(
    base_url='https://api.cheaptokens.dev/v1',
    api_key=os.environ['CHEAPTOKENS_API_KEY'],
)

tasks = open('tasks.txt').read().split('=====')
for i, task in enumerate(tasks, 1):
    r = client.chat.completions.create(
        model='deepseek-ai/DeepSeek-V4-Flash-0731',
        messages=[{'role': 'user', 'content': task.strip()}],
        max_tokens=4000,
    )
    u = r.usage
    print(i, u.prompt_tokens, u.completion_tokens, r.choices[0].finish_reason)

आपको task number, input tokens, output tokens, finish_reason की पाँच पंक्तियाँ दिखेंगी। stop का मतलब है मॉडल अपने आप पूरा हुआ; length का मतलब है max_tokens ने उत्तर काट दिया। यहाँ मॉडल आईडी पूरी है: deepseek-ai/DeepSeek-V4-Flash-0731। किसी मूल्य तालिका से छोटी आईडी काम नहीं करेगी।

CheapTokens पर DeepSeek-V4-Flash में 380K कॉन्टेक्स्ट, एक उत्तर में अधिकतम 32,768 टोकन, दिन के किसी भी समय एक ही कीमत और एक Anthropic-संगत एंडपॉइंट भी है, इसलिए वही पाँच प्रॉम्प्ट उस प्रारूप पर बने टूल के माध्यम से भी चलते हैं। आपके अपने पाँच प्रॉम्प्ट के स्कोर ही आपके रेपो के लिए मायने रखते हैं। Inkling 2 Small के लिए, वही पाँच टेक्स्ट Tinker के माध्यम से भेजें।

उसी बैलेंस पर तीसरा और चौथा दावेदार चाहिए? GLM-5.3-Flash (zai-org/GLM-5.3-Flash, 390K कॉन्टेक्स्ट) और MiniMax-M2.7 (MiniMaxAI/MiniMax-M2.7, 180K कॉन्टेक्स्ट) दूसरे model मान के साथ वही कॉल लेते हैं। अगर आप देखना चाहते हैं कि DeepSeek मॉडल कामों पर MiniMax से कैसे तुलना करता है, तो MiniMax-M2.7 बनाम DeepSeek-V4-Flash है।

प्रति काम लागत, प्रति टोकन नहीं#

प्रति मिलियन टोकन कीमत पूरे किए गए काम की कीमत नहीं है। आप जो चुकाते हैं वह चरणों की संख्या गुणा प्रत्येक चरण में टोकन, इनपुट और आउटपुट मिलाकर। मान लें आपका एजेंट 20 चरणों में एक बग हल करता है, और प्रत्येक चरण लगभग 30,000 टोकन फ़ाइलें और इतिहास भेजता है और लगभग 1,500 टोकन वापस पाता है। DeepSeek-V4-Flash पर एक चरण की लागत $0.0006 है। पूरा काम, लाइव कीमतों पर:

वह तालिका OpenRouter की संदर्भ कीमत भी दिखाती है, और कुल मिलाकर, इनपुट और आउटपुट मिलाकर, CheapTokens पर DeepSeek-V4-Flash सस्ता पड़ता है। हर मॉडल के प्रति-टोकन दरें मूल्य निर्धारण पेज पर हैं।

अब तुलना के लिए मायने रखने वाली बात। अगर मॉडल A काम 20 चरणों में हल करता है और मॉडल B को 30 चाहिए, तो 30 / 20 = 1.5, इसलिए समान टोकन कीमत पर B प्रति काम डेढ़ गुना अधिक महंगा है। बेंचमार्क पर कुछ अतिरिक्त अंक अतिरिक्त चरणों से आसानी से खा लिए जा सकते हैं, और इसका उल्टा भी। इसीलिए 5-प्रॉम्प्ट जाँच टोकन रिकॉर्ड करती है: आप प्रति काम चरण और टोकन देखेंगे, केवल स्कोर नहीं। इस विचार का लंबा संस्करण प्रति 1M टोकन कीमत बनाम प्रति काम लागत में है।

अपने खुद के आँकड़े कैलकुलेटर में डालें। नीचे के उदाहरण में, 200 रन का मतलब है प्रतिदिन 10 काम, प्रत्येक 20 चरणों पर; प्रति चरण टोकन को उसी में बदलें जो आपकी जाँच ने दिखाया।

किसे चुनें#

वास्तविक रेपो पर कोडिंग एजेंट। विक्रेता की अपनी कोडिंग पंक्तियों पर DeepSeek-V4.1-Flash-1017 अधिकांश पर आगे है। जाँच DeepSeek-V4-Flash (आईडी ऊपर कोड में) से शुरू करें और उन्हीं पाँच प्रॉम्प्ट में Inkling जोड़ें। केवल तभी बदलें जब Inkling आपके कामों पर जीते, विक्रेता के कामों पर नहीं। अगर आप DeepSeek रिलीज़ की पृष्ठभूमि चाहते हैं, तो deepseek-flash में क्या बदला देखें।

वेबसाइट और फ्रंट-एंड जनरेशन। Inkling की DesignArena Website रैंक रिलीज़ में सबसे मज़बूत दावा है। दोनों मॉडलों पर अपने दो या तीन पेज प्रॉम्प्ट चलाएँ और पेज देखें, संख्याएँ नहीं।

बाद में स्व-होस्टिंग। Inkling ही वह है जिसकी Apache 2.0 के तहत ओपन-वेट्स योजना है। जब तक फ़ाइलें मौजूद नहीं हैं, यह एक योजना है। इसके आसपास कुछ भी बनाने से पहले रिलीज़ पेज फिर से जाँचें, और तब तक आप वही प्रॉम्प्ट CheapTokens पर DeepSeek के साथ होस्टेड मॉडल पर चला सकते हैं।

एक और सुझाव, अगर आप कामों से फैसला करते हैं: पाँच प्रॉम्प्ट और स्कोरिंग शीट रखें। अगली बार जब कोई विक्रेता तालिका प्रकाशित करे, तो आप रैंकिंग फिर से पढ़ने के बजाय एक घंटे में जाँच दोबारा चला लेंगे।