Inkling 2 Small проти DeepSeek-V4.1-Flash: яку модель вибрати для програмування?

Коротка відповідь: у таблиці, яку Thinking Machines опублікувала для Inkling 2 Small (сторінка релізу від 5 листопада 2026 року, перевірено 7 листопада), DeepSeek-V4.1-Flash-1017 випереджає у п'яти з шести рядків програмування, де показано обидві моделі. Inkling лідирує в одному, і має сильний рейтинг у веб-дизайні. Але це таблиця самого постачальника, тож ставтеся до неї як до приводу провести невелику перевірку на своєму коді, а не як до вироку.

Якщо ви бачили заголовок на кшталт «Inkling близький до DeepSeek» і думали, чи перемикати свого агента для програмування, ось у якому порядку діяти: прочитайте рядки, що відповідають вашій роботі, подивіться, чого таблиця не може показати, запустіть п'ять власних запитів і порахуйте вартість одного завершеного завдання.

Що таке Inkling 2 Small#

Згідно зі сторінкою релізу, Inkling 2 Small — це модель другого покоління від Thinking Machines Lab. Це модель із сумішшю експертів (Mixture-of-Experts) із загальною кількістю 594 млрд параметрів і 17 млрд активних на токен. Вона приймає зображення (не аудіо) і має змінне налаштування зусиль. Наразі вона працює на Tinker, безсерверному сервісі інференсу лабораторії, який перебуває в бета-версії.

Дві деталі легко пропустити. Ваги наразі закриті: лабораторія планує опублікувати їх під Apache 2.0 «наступного тижня» після зовнішнього тестування безпеки й каже, що інші платформи з'являться «найближчими тижнями». Це план, а не факт, доки файли справді не вийдуть. І контекст: список моделей Tinker показує 256K як максимум. Цифри 512K і 1M на сторінці релізу — це налаштування тренування й оцінювання, а не те, що можна надіслати сьогодні.

Дати тут важливіші, ніж зазвичай, бо половина пропозиції — це обіцянка:

Читання таблиці рядок за рядком#

Постачальник порівнює Inkling 2 Small з DeepSeek-V4.1-Flash-1017. Документація DeepSeek каже, що псевдонім deepseek-flash тепер обслуговується цією версією (сторінка без дати, перевірено 7 листопада 2026 року). Ось рядки, де обидві моделі мають число. Останній стовпець — просто різниця.

Перевірка: 77.0 - 72.1 = 4.9. Порахуйте рядки, і DeepSeek попереду в п'яти, Inkling — в одному.

Кілька речей, які варто помітити, перш ніж цитувати цю таблицю своїй команді.

• Найбільший розрив припадає на найменш зрілий рядок. Terminal Bench Science має версію 0.1, і 12.9% проти 5.7% — це більш ніж удвічі. Це підказка про роботу в терміналі, а не вирок.
• Один рядок не має прямого порівняння. SWEBench Pro v2 (Hard) показує Inkling на 86.3%, а DeepSeek — як не вказано. Не можна порівняти число з порожнім місцем.
• Малі розриви — малі. Розрив у 1.4 або 3.1 пункту на бенчмарку, який ви ніколи не запускали, може не пережити зміни репозиторію чи запиту.
• Сторінка одного разу суперечить собі. Artificial Analysis Intelligence Index становить 31 у тексті та 30.6 (v5.0) у таблиці, без пояснень. Це дрібниця, але нагадування читати виноски.

Ніщо тут ще не відтворено незалежно; усі числа походять від постачальника Inkling.

Веб-дизайн — це інший рядок#

Якщо ваше завдання — генерувати вебсайти, а не виправляти помилки, відповідне число — DesignArena Website. У знімку від 5 листопада на сторінці релізу Inkling 2 Small набрав 1,340, третє місце після Muse Wonder (1,366) і Muse Spark 1.3 (1,351). Постачальник очікує, що це буде найкраща модель із відкритими вагами там, коли ваги вийдуть. Розрив до першого місця — 1,366 - 1,340 = 26 пунктів.

Це таблиця лідерів, де люди порівнюють згенеровані сторінки, тож вона говорить щось реальне про вигляд. Але сторінка не дає числа DeepSeek для цього рядка, тож прямого порівняння немає. Відкрийте саму DesignArena, перш ніж покладатися на знімок.

Чого не може показати жодна таблиця#

Скажімо, ви підтримуєте десятирічний моноліт на Django з повільними тестами й купою власних правил. Бенчмарк, зроблений із свіжих, охайних репозиторіїв, мало що скаже про те, як модель поводиться з вашим utils.py на 3 000 рядків. У будь-якій таблиці постачальника бракує чотирьох речей:

1. Вашого коду й ваших звичок. Іменування, стиль тестів, файли, яких агент ніколи не повинен торкатися.
2. Як поводиться цикл агента. Та сама модель може добре працювати в одному інструменті й погано в іншому, бо інструменти по-різному подають їй файли та помилки.
3. Скільки кроків займає завдання. Модель, яка на 3 пункти краща за спробу, але потребує більше спроб, не обов'язково краща для вас.
4. Ціна. Ціна за токен для Inkling відсутня на сторінці релізу та в списку моделей Tinker (перевірено 7 листопада 2026 року). Подивіться на сторінку цін Tinker і поставте дату поруч із тим, що знайдете.

Якщо хочете довший огляд читання таблиць бенчмарків, є окрема стаття: як читати AI-бенчмарк і запустити тест із 5 запитів.

Перевірка на 5 запитів на вашому коді#

Це займає півдня й перевершує будь-яку таблицю лідерів для вашого рішення. Виберіть п'ять завдань, які ви справді виконували за останні два тижні, кожне зі способом визначити, чи правильна відповідь. Надішліть той самий текст кожній моделі й оцініть результат самостійно.

Для моделей, які можна викликати через OpenAI-сумісний API, цикл короткий. Помістіть п'ять запитів у tasks.txt, розділених рядком із =====. Повну документацію читайте в документації CheapTokens; адреса — 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)

Ви побачите п'ять рядків task number, input tokens, output tokens, finish_reason. stop означає, що модель завершила сама; length означає, що max_tokens обрізав відповідь. Ідентифікатор моделі тут повний: deepseek-ai/DeepSeek-V4-Flash-0731. Короткий ідентифікатор із таблиці цін не працюватиме.

DeepSeek-V4-Flash на CheapTokens має контекст 380K, до 32 768 токенів в одній відповіді, одну ціну в будь-який час доби, а також Anthropic-сумісну кінцеву точку, тож ті самі п'ять запитів також працюють через інструменти, побудовані на цьому форматі. Оцінки з ваших власних п'яти запитів — це те, що має значення для вашого репозиторію. Для Inkling 2 Small надішліть ті самі п'ять текстів через Tinker.

Хочете третього й четвертого претендента на тому самому балансі? GLM-5.3-Flash (zai-org/GLM-5.3-Flash, контекст 390K) і MiniMax-M2.7 (MiniMaxAI/MiniMax-M2.7, контекст 180K) приймають той самий виклик з іншим значенням model. Якщо хочете побачити, як модель DeepSeek порівнюється з MiniMax на завданнях, є MiniMax-M2.7 проти DeepSeek-V4-Flash.

Вартість за завдання, а не за токен#

Ціна за мільйон токенів — це не ціна за завершене завдання. Ви платите за кількість кроків, помножену на токени в кожному кроці, з урахуванням входу й виходу разом. Скажімо, ваш агент вирішує помилку за 20 кроків, і кожен крок надсилає близько 30 000 токенів файлів та історії й отримує близько 1 500 токенів назад. Один крок на DeepSeek-V4-Flash коштує $0.0006. Усе завдання, за поточними цінами:

Ця таблиця також показує довідкову ціну OpenRouter, і загалом, з урахуванням входу й виходу разом, DeepSeek-V4-Flash на CheapTokens виходить дешевшим. Ставки за токен для кожної моделі — на сторінці цін.

Тепер момент, що важливий для порівняння. Якщо модель A вирішує завдання за 20 кроків, а модель B потребує 30, то 30 / 20 = 1.5, тож B коштує в півтора раза більше за завдання при тій самій ціні за токен. Кілька додаткових пунктів на бенчмарку легко з'їдаються додатковими кроками, і навпаки. Ось чому перевірка на 5 запитів записує токени: ви побачите кроки й токени за завдання, а не лише оцінку. Довша версія цієї ідеї — у ціна за 1M токенів проти вартості за завдання.

Підставте свої числа в калькулятор. У прикладі нижче 200 запусків — це 10 завдань на день по 20 кроків кожне; змініть токени за крок на те, що показала ваша перевірка.

Що вибрати#

Агент для програмування на реальному репозиторії. У власних рядках програмування постачальника DeepSeek-V4.1-Flash-1017 попереду в більшості. Почніть перевірку з DeepSeek-V4-Flash (ідентифікатор у коді вище) і додайте Inkling до тих самих п'яти запитів. Перемикайтеся, лише якщо Inkling перемагає на ваших завданнях, а не на завданнях постачальника. Якщо хочете передумови самого релізу DeepSeek, дивіться що змінилося в deepseek-flash.

Вебсайти й генерація фронтенду. Рейтинг Inkling у DesignArena Website — найсильніше твердження в релізі. Запустіть два-три власні запити для сторінок на обох моделях і дивіться на сторінки, а не на числа.

Самостійний хостинг пізніше. Inkling — це та, що має план відкритих ваг під Apache 2.0. Доки файлів немає, це план. Перевірте сторінку релізу ще раз, перш ніж будувати щось навколо неї, а тим часом можете запустити ті самі запити проти розміщеної моделі з DeepSeek на CheapTokens.

Ще одна порада, якщо ви вирішуєте за завданнями: збережіть п'ять запитів і таблицю оцінювання. Наступного разу, коли постачальник опублікує таблицю, ви повторите перевірку за годину замість того, щоб знову читати рейтинги.