Inkling 2 Small vs DeepSeek-V4.1-Flash: który model do kodowania?

Krótka odpowiedź: w tabeli, którą Thinking Machines opublikowało dla Inkling 2 Small (strona wydania z 5 listopada 2026, sprawdzona 7 listopada), DeepSeek-V4.1-Flash-1017 prowadzi w pięciu z sześciu wierszy dotyczących kodowania, w których podano oba modele. Inkling prowadzi w jednym i ma mocną pozycję w rankingu projektowania stron. To jednak tabela samego dostawcy, więc traktuj ją jako powód, by przeprowadzić mały test na własnym kodzie, a nie jako wyrok.

Jeśli widziałeś nagłówek typu „Inkling jest blisko DeepSeek” i zastanawiałeś się, czy przełączyć swojego agenta kodującego, oto właściwa kolejność: przeczytaj wiersze pasujące do twojej pracy, zobacz, czego tabela nie pokazuje, uruchom pięć własnych promptów i policz koszt jednego ukończonego zadania.

Czym jest Inkling 2 Small#

Według strony wydania Inkling 2 Small to model drugiej generacji od Thinking Machines Lab. To model Mixture-of-Experts z 594B parametrów łącznie i 17B aktywnych na token. Przyjmuje obrazy (nie audio) i ma zmienne ustawienie wysiłku. Obecnie działa na Tinker, bezserwerowej usłudze inferencji laboratorium, która jest w wersji Beta.

Dwa szczegóły łatwo przeoczyć. Wagi są na razie zamknięte: laboratorium planuje udostępnić je na licencji Apache 2.0 „w przyszłym tygodniu” po zewnętrznych testach bezpieczeństwa i twierdzi, że inne platformy pojawią się „w nadchodzących tygodniach”. To plan, a nie fakt, dopóki pliki faktycznie się nie pojawią. A kontekst: lista modeli Tinker pokazuje 256K jako maksimum. Wartości 512K i 1M na stronie wydania to ustawienia treningu i ewaluacji, a nie to, co możesz wysłać dziś.

Daty mają tu większe znaczenie niż zwykle, bo połowa oferty to obietnica:

Czytanie tabeli wiersz po wierszu#

Dostawca porównuje Inkling 2 Small z DeepSeek-V4.1-Flash-1017. Dokumentacja DeepSeek mówi, że alias deepseek-flash jest teraz obsługiwany przez tę wersję (strona bez daty, sprawdzona 7 listopada 2026). Oto wiersze, w których oba modele mają liczbę. Ostatnia kolumna to po prostu odejmowanie.

Sprawdzenie: 77,0 - 72,1 = 4,9. Policz wiersze, a DeepSeek prowadzi w pięciu, Inkling w jednym.

Kilka rzeczy warto zauważyć, zanim zacytujesz tę tabelę swojemu zespołowi.

• Największa różnica jest w najmniej dojrzałym wierszu. Terminal Bench Science jest w wersji 0.1, a 12,9% wobec 5,7% to ponad dwukrotność. To wskazówka dotycząca pracy w stylu terminala, a nie rozstrzygnięcie.
• Jeden wiersz nie ma bezpośredniego porównania. SWEBench Pro v2 (Hard) pokazuje Inkling na 86,3%, a DeepSeek jako niepodany. Nie można porównać liczby z pustym miejscem.
• Małe różnice są małe. Różnica 1,4 lub 3,1 punktu w benchmarku, którego nigdy nie uruchamiałeś, może nie przetrwać zmiany repozytorium lub promptu.
• Strona raz sobie przeczy. Artificial Analysis Intelligence Index wynosi 31 w tekście i 30,6 (v5.0) w tabeli, bez wyjaśnienia. To drobiazg, ale przypomina, by czytać przypisy.

Nic tutaj nie zostało jeszcze niezależnie powtórzone; wszystkie liczby pochodzą od dostawcy Inkling.

Projektowanie stron to inny wiersz#

Jeśli twoim zadaniem jest generowanie stron internetowych, a nie naprawianie błędów, istotna jest liczba DesignArena Website. W migawce z 5 listopada na stronie wydania Inkling 2 Small uzyskał 1 340, trzecie miejsce za Muse Wonder (1 366) i Muse Spark 1.3 (1 351). Dostawca oczekuje, że po wydaniu wag będzie to najlepszy model z otwartymi wagami w tym rankingu. Różnica do pierwszego miejsca to 1 366 - 1 340 = 26 punktów.

To ranking ludzi porównujących wygenerowane strony, więc mówi coś realnego o wyglądzie. Ale strona nie podaje liczby DeepSeek dla tego wiersza, więc nie ma bezpośredniego porównania. Otwórz sam DesignArena, zanim oprzesz się na migawce.

Czego nie pokaże żadna tabela#

Złóżmy, że utrzymujesz dziesięcioletni monolit Django z wolnymi testami i wieloma własnymi zasadami. Benchmark złożony z nowych, uporządkowanych repozytoriów niewiele mówi o tym, jak model radzi sobie z twoim utils.py mającym 3 000 linii. W każdej tabeli dostawcy brakuje czterech rzeczy:

1. Twojego kodu i twoich nawyków. Nazewnictwa, stylu testów, plików, których agent nigdy nie powinien dotykać.
2. Zachowania pętli agenta. Ten sam model może radzić sobie dobrze w jednym narzędziu, a źle w innym, bo narzędzia różnią się sposobem podawania mu plików i błędów.
3. Liczby kroków potrzebnych na zadanie. Model, który jest o 3 punkty lepszy na próbę, ale potrzebuje więcej prób, niekoniecznie jest dla ciebie lepszy.
4. Ceny. Cena za token Inkling nie jest podana na stronie wydania ani na liście modeli Tinker (sprawdzone 7 listopada 2026). Zajrzyj na stronę cennika Tinker i zapisz datę obok tego, co znajdziesz.

Jeśli chcesz dłuższego omówienia czytania tabel benchmarków, jest osobny artykuł: jak czytać benchmark AI i przeprowadzić test 5 promptów.

Test 5 promptów na własnym kodzie#

Zajmuje popołudnie i bije każdy ranking w twojej decyzji. Wybierz pięć zadań, które faktycznie wykonałeś w ciągu ostatnich dwóch tygodni, każde ze sposobem sprawdzenia, czy odpowiedź jest poprawna. Wyślij ten sam tekst do każdego modelu i sam oceń wynik.

Dla modeli, które możesz wywołać przez API zgodne z OpenAI, pętla jest krótka. Umieść pięć promptów w tasks.txt, oddzielonych linią z =====. Pełna dokumentacja jest w dokumentacji CheapTokens; adres to https://api.cheaptokens.dev/v1.

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)

Zobaczysz pięć linii task number, input tokens, output tokens, finish_reason. stop oznacza, że model zakończył samodzielnie; length oznacza, że max_tokens przerwał odpowiedź. Identyfikator modelu jest tu pełny: deepseek-ai/DeepSeek-V4-Flash-0731. Krótki identyfikator z tabeli cen nie zadziała.

DeepSeek-V4-Flash na CheapTokens ma kontekst 380K, do 32 768 tokenów w jednej odpowiedzi, jedną cenę o każdej porze dnia oraz endpoint zgodny z Anthropic, więc te same pięć promptów uruchomisz także przez narzędzia zbudowane na tym formacie. Wyniki z twoich własnych pięciu promptów są tym, co liczy się dla twojego repozytorium. Dla Inkling 2 Small wyślij te same pięć tekstów przez Tinker.

Chcesz trzeciego i czwartego kandydata na tej samej zasadzie? GLM-5.3-Flash (zai-org/GLM-5.3-Flash, kontekst 390K) i MiniMax-M2.7 (MiniMaxAI/MiniMax-M2.7, kontekst 180K) przyjmują to samo wywołanie z inną wartością model. Jeśli chcesz zobaczyć, jak model DeepSeek wypada na tle MiniMax w zadaniach, jest MiniMax-M2.7 vs DeepSeek-V4-Flash.

Koszt na zadanie, nie na token#

Cena za milion tokenów to nie cena za ukończone zadanie. Płacisz za liczbę kroków pomnożoną przez tokeny w każdym kroku, licząc wejście i wyjście razem. Załóżmy, że twój agent rozwiązuje błąd w 20 krokach, a każdy krok wysyła około 30 000 tokenów plików i historii i dostaje z powrotem około 1 500 tokenów. Jeden krok na DeepSeek-V4-Flash kosztuje $0.0006. Całe zadanie, według aktualnych cen:

Ta tabela pokazuje też cenę referencyjną OpenRouter, a łącznie, licząc wejście i wyjście razem, DeepSeek-V4-Flash na CheapTokens wypada taniej. Stawki za token dla każdego modelu są na stronie cennika.

Teraz najważniejszy punkt dla porównania. Jeśli model A rozwiązuje zadanie w 20 krokach, a model B potrzebuje 30, to 30 / 20 = 1,5, więc B kosztuje półtora raza więcej na zadanie przy tej samej cenie za token. Kilka dodatkowych punktów w benchmarku łatwo pochłoną dodatkowe kroki i odwrotnie. Dlatego test 5 promptów zapisuje tokeny: zobaczysz kroki i tokeny na zadanie, a nie tylko wynik. Dłuższa wersja tego pomysłu jest w cena za 1M tokenów vs koszt na zadanie.

Wpisz własne liczby do kalkulatora. W poniższym przykładzie 200 uruchomień to 10 zadań dziennie po 20 kroków każde; zmień tokeny na krok na to, co pokazał twój test.

Co wybrać#

Agent kodujący na realnym repozytorium. W wierszach dotyczących kodowania samego dostawcy DeepSeek-V4.1-Flash-1017 prowadzi w większości. Zacznij test od DeepSeek-V4-Flash (identyfikator w kodzie powyżej) i dodaj Inkling do tych samych pięciu promptów. Przełączaj się tylko wtedy, gdy Inkling wygra na twoich zadaniach, a nie na zadaniach dostawcy. Jeśli chcesz tło samego wydania DeepSeek, zobacz co się zmieniło w deepseek-flash.

Strony internetowe i generowanie front-endu. Pozycja Inkling w DesignArena Website to najmocniejsze twierdzenie w wydaniu. Uruchom dwa lub trzy własne prompty stron na obu modelach i patrz na strony, a nie na liczby.

Samodzielny hosting później. Inkling to ten z planem otwartych wag, na licencji Apache 2.0. Dopóki pliki nie istnieją, to plan. Sprawdź stronę wydania ponownie, zanim cokolwiek na nim zbudujesz, a w międzyczasie możesz uruchomić te same prompty na modelu hostowanym z DeepSeek na CheapTokens.

Jeszcze jedna wskazówka, jeśli decydujesz według zadań: zachowaj pięć promptów i arkusz ocen. Następnym razem, gdy dostawca opublikuje tabelę, powtórzysz test w godzinę, zamiast ponownie czytać rankingi.