Inkling 2 Small vs DeepSeek-V4.1-Flash: kodlama için hangi model?

Kısa cevap: Thinking Machines'ın Inkling 2 Small için yayımladığı tabloda (5 Kasım 2026 sürüm sayfası, 7 Kasım'da kontrol edildi), DeepSeek-V4.1-Flash-1017 her iki modelin de gösterildiği altı kodlama satırının beşinde önde. Inkling birinde önde ve güçlü bir web tasarım sıralamasına sahip. Ancak bu, satıcının kendi tablosu, dolayısıyla bunu bir hüküm değil, kendi kodunuzda küçük bir kontrol yapmanız için bir neden olarak görün.

"Inkling, DeepSeek'e yakın" gibi bir başlık gördüyseniz ve kodlama ajanınızı değiştirmeyi düşündüyseniz, izlemeniz gereken sıra şu: işinize uyan satırları okuyun, tablonun gösteremediklerini görün, kendi beş isteminizi çalıştırın ve tamamlanmış bir göreve maliyet biçin.

Inkling 2 Small nedir#

Sürüm sayfasına göre Inkling 2 Small, Thinking Machines Lab'ın ikinci nesil modeli. Toplam 594B parametreli ve token başına 17B aktif parametreli bir Mixture-of-Experts modeli. Görüntüleri kabul ediyor (ses değil) ve değişken çaba ayarına sahip. Şu anda laboratuvarın sunucusuz çıkarım hizmeti Tinker üzerinde çalışıyor ve bu hizmet Beta aşamasında.

İki ayrıntı kolayca gözden kaçar. Ağırlıklar şimdilik kapalı: laboratuvar, harici güvenlik testlerinin ardından bunları "gelecek hafta" Apache 2.0 altında yayımlamayı planlıyor ve diğer platformların "önümüzdeki haftalarda" takip edeceğini söylüyor. Bu bir plan, dosyalar gerçekten çıkana kadar bir olgu değil. Bağlam konusunda ise: Tinker model listesi maksimum olarak 256K gösteriyor. Sürüm sayfasındaki 512K ve 1M rakamları eğitim ve değerlendirme ayarları, bugün gönderebileceğiniz değerler değil.

Tarihler burada normalden daha önemli, çünkü teklifin yarısı bir vaat:

Tabloyu satır satır okumak#

Satıcı, Inkling 2 Small'ı DeepSeek-V4.1-Flash-1017 ile karşılaştırıyor. DeepSeek'in belgeleri, deepseek-flash takma adının artık bu sürüm tarafından sunulduğunu söylüyor (sayfada tarih yok, 7 Kasım 2026'da kontrol edildi). Her iki modelin de bir rakamı olduğu satırlar şöyle. Son sütun sadece çıkarma işlemi.

Bir kontrol: 77,0 - 72,1 = 4,9. Satırları sayın: DeepSeek beşte, Inkling birde önde.

Bu tabloyu ekibinize aktarmadan önce fark edilmesi gereken birkaç şey var.

• En büyük fark en olgunlaşmamış satırda. Terminal Bench Science 0.1 sürümünde ve %12,9'a karşı %5,7 iki kattan fazla. Bu, terminal tarzı işler hakkında bir ipucu, bir hüküm değil.
• Bir satırda karşılıklı karşılaştırma yok. SWEBench Pro v2 (Hard), Inkling'i %86,3'te gösteriyor ve DeepSeek raporlanmamış. Bir rakamı boşlukla karşılaştıramazsınız.
• Küçük farklar küçüktür. Hiç çalıştırmadığınız bir kıyaslamada 1,4 veya 3,1 puanlık bir fark, depo ya da istem değişikliğinde ayakta kalmayabilir.
• Sayfa bir kez kendisiyle çelişiyor. Artificial Analysis Intelligence Index metinde 31, tabloda 30,6 (v5.0) ve açıklama yok. Küçük bir şey, ama dipnotları okumak gerektiğinin hatırlatıcısı.

Buradaki hiçbir şey henüz bağımsız olarak yinelenmedi; tüm rakamlar Inkling satıcısından geliyor.

Web tasarımı ayrı bir satır#

İşiniz hata düzeltmek değil de web sitesi üretmekse, ilgili rakam DesignArena Website. Sürüm sayfasındaki 5 Kasım anlık görüntüsünde Inkling 2 Small 1.340 puanla, Muse Wonder (1.366) ve Muse Spark 1.3'ün (1.351) ardından üçüncü oldu. Satıcı, ağırlıklar çıktığında burada en iyi açık ağırlıklı model olmasını bekliyor. Birinciyle fark 1.366 - 1.340 = 26 puan.

Bu, üretilen sayfaları karşılaştıran insanların oluşturduğu bir liderlik tablosu, dolayısıyla görünüm hakkında gerçek bir şey söylüyor. Ancak sayfa bu satır için DeepSeek rakamı vermiyor, yani okunacak bir karşılıklı karşılaştırma yok. Anlık görüntüye güvenmeden önce DesignArena'yı kendiniz açın.

Hiçbir tablonun gösteremeyeceği şeyler#

Diyelim ki yavaş testleri ve bir sürü ev kuralı olan on yıllık bir Django monolitini sürdürüyorsunuz. Yeni ve düzenli depolardan oluşan bir kıyaslama, bir modelin 3.000 satırlık utils.py dosyanızı nasıl ele aldığı hakkında size az şey söyler. Herhangi bir satıcı tablosunda dört şey eksiktir:

1. Kodunuz ve alışkanlıklarınız. Adlandırma, test tarzı, ajanın asla dokunmaması gereken dosyalar.
2. Ajan döngüsünün nasıl davrandığı. Aynı model bir araçta iyi, diğerinde kötü performans gösterebilir, çünkü araçlar ona dosyaları ve hataları farklı biçimde besler.
3. Bir görevin kaç adım sürdüğü. Deneme başına 3 puan daha iyi olan ama daha fazla deneme gerektiren bir model sizin için mutlaka daha iyi değildir.
4. Fiyat. Inkling'in token başına fiyatı ne sürüm sayfasında ne de Tinker model listesinde var (7 Kasım 2026'da kontrol edildi). Tinker'ın fiyatlandırma sayfasına bakın ve bulduğunuz her şeyin yanına tarihi yazın.

Kıyaslama tablolarını okuma üzerine daha uzun bir anlatım isterseniz ayrı bir yazı var: bir AI kıyaslaması nasıl okunur ve 5 istemli test nasıl çalıştırılır.

Kendi kodunuzda 5 istemli kontrol#

Bu bir öğleden sonra sürer ve kararınız için herhangi bir liderlik tablosunu yener. Son iki haftada gerçekten yaptığınız, her birinde cevabın doğru olup olmadığını anlamanın bir yolu olan beş görev seçin. Aynı metni her modele gönderin ve sonucu kendiniz puanlayın.

OpenAI uyumlu bir API üzerinden çağırabileceğiniz modeller için döngü kısa. Beş istemi tasks.txt içine, aralarında ===== olan bir satırla ayırarak koyun. Tam belgeleri CheapTokens belgeleri içinde okuyun; adres 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)

Göreceğiniz şey beş satır task number, input tokens, output tokens, finish_reason olacak. stop modelin kendi kendine bitirdiği anlamına gelir; length ise max_tokens cevabı kesti demektir. Buradaki model kimliği tam olandır: deepseek-ai/DeepSeek-V4-Flash-0731. Bir fiyat tablosundaki kısa kimlik çalışmaz.

CheapTokens üzerindeki DeepSeek-V4-Flash 380K bağlama, tek cevapta 32.768 token'a kadar, günün her saatinde tek fiyata ve ayrıca Anthropic uyumlu bir uç noktaya sahip, böylece aynı beş istem o biçim üzerine kurulu araçlarla da çalışır. Kendi beş isteminizden aldığınız puanlar, deponuz için önemli olanlardır. Inkling 2 Small için aynı beş metni Tinker üzerinden gönderin.

Aynı bakiyede üçüncü ve dördüncü bir yarışmacı ister misiniz? GLM-5.3-Flash (zai-org/GLM-5.3-Flash, 390K bağlam) ve MiniMax-M2.7 (MiniMaxAI/MiniMax-M2.7, 180K bağlam) başka bir model değeriyle aynı çağrıyı kabul eder. DeepSeek modelinin görevlerde MiniMax ile nasıl karşılaştırıldığını görmek isterseniz MiniMax-M2.7 vs DeepSeek-V4-Flash var.

Token başına değil, görev başına maliyet#

Milyon token başına fiyat, tamamlanmış görev başına fiyat değildir. Ödediğiniz şey, adım sayısı çarpı her adımdaki token sayısıdır; girdi ve çıktı birlikte sayılır. Diyelim ki ajanınız bir hatayı 20 adımda çözüyor ve her adım yaklaşık 30.000 token dosya ve geçmiş gönderip yaklaşık 1.500 token geri alıyor. DeepSeek-V4-Flash üzerinde bir adım $0.0006 tutuyor. Canlı fiyatlarla görevin tamamı:

Bu tablo ayrıca OpenRouter'ın referans fiyatını gösteriyor ve toplamda, girdi ve çıktı birlikte sayıldığında, CheapTokens üzerindeki DeepSeek-V4-Flash daha ucuza geliyor. Her model için token başına ücretler fiyatlandırma sayfasında.

Şimdi karşılaştırma için önemli olan nokta. A modeli görevi 20 adımda çözüyor ve B modeli 30 adım gerektiriyorsa, 30 / 20 = 1,5, yani B aynı token fiyatında görev başına bir buçuk kat daha pahalıdır. Bir kıyaslamadaki birkaç ekstra puan, ekstra adımlarla kolayca yenebilir ve tersi de geçerlidir. 5 istemli kontrolün token'ları kaydetmesinin nedeni bu: yalnızca bir puan değil, görev başına adımları ve token'ları da göreceksiniz. Bu fikrin daha uzun hali 1M token başına fiyat vs görev başına maliyet yazısında.

Kendi rakamlarınızı hesaplayıcıya koyun. Aşağıdaki örnekte 200 çalıştırma, her biri 20 adımlı günde 10 görev demek; adım başına token'ı kontrolünüzün gösterdiği değere değiştirin.

Hangisini seçmeli#

Gerçek bir depoda kodlama ajanı. Satıcının kendi kodlama satırlarında DeepSeek-V4.1-Flash-1017 çoğunda önde. Kontrole DeepSeek-V4-Flash ile başlayın (kimlik yukarıdaki kodda) ve Inkling'i aynı beş isteme ekleyin. Yalnızca Inkling sizin görevlerinizde kazanırsa geçin, satıcının görevlerinde kazanırsa değil. DeepSeek sürümünün kendisi hakkında arka plan isterseniz deepseek-flash'te neler değişti yazısına bakın.

Web siteleri ve ön uç üretimi. Inkling'in DesignArena Website sıralaması, sürümdeki en güçlü iddia. Kendi sayfa istemlerinizden iki üçünü her iki modelde çalıştırın ve rakamlara değil sayfalara bakın.

Daha sonra kendi barındırma. Açık ağırlık planı olan, Apache 2.0 altında olan model Inkling. Dosyalar var olana kadar bu bir plan. Etrafında bir şey inşa etmeden önce sürüm sayfasını tekrar kontrol edin ve bu arada aynı istemleri barındırılan bir modelde CheapTokens üzerinde DeepSeek ile çalıştırabilirsiniz.

Görevlere göre karar veriyorsanız bir ipucu daha: beş istemi ve puanlama sayfasını saklayın. Bir dahaki sefere bir satıcı tablo yayımladığında, sıralamaları yeniden okumak yerine kontrolü bir saatte yeniden çalıştırırsınız.