Inkling 2 Small بمقابلہ DeepSeek-V4.1-Flash: کوڈنگ کے لیے کون سا ماڈل؟

مختصر جواب: Inkling 2 Small کے لیے Thinking Machines کی شائع کردہ جدول میں (5 نومبر 2026 کا ریلیز صفحہ، 7 نومبر کو چیک کیا گیا)، DeepSeek-V4.1-Flash-1017 ان چھ کوڈنگ قطاروں میں سے پانچ پر آگے ہے جو دونوں ماڈلز دکھاتی ہیں۔ Inkling ایک پر آگے ہے، اور اس کا ویب ڈیزائن رینک مضبوط ہے۔ تاہم یہ وینڈر کا اپنا جدول ہے، اس لیے اسے اپنے کوڈ پر ایک چھوٹا سا ٹیسٹ چلانے کی وجہ سمجھیں، حتمی فیصلہ نہیں۔

اگر آپ نے "Inkling DeepSeek کے قریب ہے" جیسی سرخی دیکھی اور سوچا کہ اپنا کوڈنگ ایجنٹ بدلیں یا نہیں، تو ترتیب یہ ہے: اپنے کام سے ملنے والی قطاریں پڑھیں، دیکھیں کہ جدول کیا نہیں دکھا سکتا، اپنے پانچ پرامپٹ چلائیں، اور ایک مکمل شدہ کام پر لاگت لگائیں۔

Inkling 2 Small کیا ہے#

ریلیز صفحے کے مطابق، Inkling 2 Small Thinking Machines Lab کا دوسری نسل کا ماڈل ہے۔ یہ Mixture-of-Experts ماڈل ہے جس میں کل 594B پیرامیٹرز اور فی ٹوکن 17B فعال ہیں۔ یہ تصاویر قبول کرتا ہے (آڈیو نہیں) اور اس میں متغیر کوشش کی سیٹنگ ہے۔ اس وقت یہ Tinker پر چلتا ہے، جو لیب کی سرور لیس انفرنس سروس ہے اور Beta میں ہے۔

دو تفصیلیں آسانی سے نظر انداز ہو جاتی ہیں۔ ویٹس فی الحال بند ہیں: لیب کا ارادہ ہے کہ بیرونی حفاظتی جانچ کے بعد "اگلے ہفتے" Apache 2.0 کے تحت جاری کرے، اور کہتی ہے کہ دیگر پلیٹ فارمز "آنے والے ہفتوں میں" شامل ہوں گے۔ یہ ایک منصوبہ ہے، حقیقت نہیں، جب تک فائلیں واقعی سامنے نہ آئیں۔ اور کانٹیکسٹ: Tinker ماڈل لسٹ زیادہ سے زیادہ 256K دکھاتی ہے۔ ریلیز صفحے پر 512K اور 1M کے اعداد و شمار تربیت اور جانچ کی سیٹنگز ہیں، نہ کہ جو آپ آج بھیج سکتے ہیں۔

یہاں تاریخوں کی اہمیت معمول سے زیادہ ہے، کیونکہ پیشکش کا آدھا حصہ وعدہ ہے:

جدول کو قطار بہ قطار پڑھنا#

وینڈر Inkling 2 Small کا موازنہ DeepSeek-V4.1-Flash-1017 سے کرتا ہے۔ DeepSeek کی دستاویزات کہتی ہیں کہ deepseek-flash عرف اب اس ورژن سے سرور ہوتا ہے (صفحے پر تاریخ نہیں، 7 نومبر 2026 کو چیک کیا گیا)۔ یہ وہ قطاریں ہیں جہاں دونوں ماڈلز کا عدد موجود ہے۔ آخری کالم صرف تفریق ہے۔

ایک جانچ: 77.0 - 72.1 = 4.9۔ قطاریں گنیں تو DeepSeek پانچ پر آگے ہے، Inkling ایک پر۔

اس جدول کو اپنی ٹیم کو بتانے سے پہلے چند باتیں نوٹ کریں۔

• سب سے بڑا فرق سب سے کم پختہ قطار پر ہے۔ Terminal Bench Science ورژن 0.1 پر ہے، اور 12.9% بمقابلہ 5.7% دوگنا سے زیادہ ہے۔ یہ ٹرمینل طرز کے کام کا اشارہ ہے، حکم نہیں۔
• ایک قطار میں آمنے سامنے موازنہ نہیں۔ SWEBench Pro v2 (Hard) میں Inkling 86.3% دکھاتا ہے اور DeepSeek کو رپورٹ نہیں کیا گیا۔ آپ عدد کا خالی جگہ سے موازنہ نہیں کر سکتے۔
• چھوٹے فرق چھوٹے ہی ہوتے ہیں۔ کسی ایسے بینچ مارک پر 1.4 یا 3.1 پوائنٹس کا فرق جسے آپ نے کبھی نہیں چلایا، ریپو یا پرامپٹ بدلنے پر برقرار نہ رہے۔
• صفحہ ایک بار خود سے متصادم ہے۔ Artificial Analysis Intelligence Index متن میں 31 ہے اور جدول میں 30.6 (v5.0)، بغیر کسی وضاحت کے۔ یہ معمولی بات ہے، لیکن یاد دہانی ہے کہ فوٹ نوٹ پڑھیں۔

یہاں کچھ بھی آزادانہ طور پر دہرایا نہیں گیا؛ تمام اعداد Inkling وینڈر سے ہیں۔

ویب ڈیزائن ایک مختلف قطار ہے#

اگر آپ کا کام بگز ٹھیک کرنے کے بجائے ویب سائٹس بنانا ہے، تو متعلقہ عدد DesignArena Website ہے۔ ریلیز صفحے پر 5 نومبر کے اسنیپ شاٹ میں، Inkling 2 Small نے 1,340 اسکور کیا، Muse Wonder (1,366) اور Muse Spark 1.3 (1,351) کے بعد تیسرے نمبر پر۔ وینڈر توقع کرتا ہے کہ ویٹس سامنے آنے کے بعد یہ وہاں سب سے اوپر کھلا ویٹس ماڈل ہوگا۔ پہلی پوزیشن سے فرق 1,366 - 1,340 = 26 پوائنٹس ہے۔

یہ ایسے لوگوں کی لیڈر بورڈ ہے جو بنائے گئے صفحات کا موازنہ کرتے ہیں، اس لیے یہ ظاہری شکل کے بارے میں کچھ حقیقی بتاتا ہے۔ لیکن صفحہ اس قطار کے لیے کوئی DeepSeek عدد نہیں دیتا، اس لیے پڑھنے کے لیے آمنے سامنے موازنہ نہیں۔ اسنیپ شاٹ پر بھروسہ کرنے سے پہلے DesignArena خود کھولیں۔

جو کوئی جدول نہیں دکھا سکتا#

فرض کریں آپ دس سال پرانا Django مونولتھ برقرار رکھتے ہیں جس کے ٹیسٹ سست ہیں اور بہت سے گھریلو اصول ہیں۔ تازہ، صاف ریپوز پر بنا بینچ مارک آپ کو بہت کم بتاتا ہے کہ ماڈل آپ کی 3,000 لائنوں والی utils.py کیسے سنبھالتا ہے۔ کسی بھی وینڈر جدول سے چار چیزیں غائب ہیں:

1. آپ کا کوڈ اور آپ کی عادات۔ نام رکھنا، ٹیسٹ کا انداز، کون سی فائلیں ایجنٹ کو کبھی نہیں چھونی چاہئیں۔
2. ایجنٹ لوپ کیسے برتاؤ کرتا ہے۔ ایک ہی ماڈل ایک ٹول میں اچھا اور دوسرے میں برا ہو سکتا ہے، کیونکہ ٹولز اسے فائلیں اور غلطیاں کھلانے کے طریقے میں مختلف ہوتے ہیں۔
3. کام میں کتنے قدم لگتے ہیں۔ جو ماڈل فی کوشش 3 پوائنٹس بہتر ہے لیکن زیادہ کوششیں مانگتا ہے، وہ آپ کے لیے ضروری نہیں کہ بہتر ہو۔
4. قیمت۔ Inkling کی فی ٹوکن قیمت ریلیز صفحے یا Tinker ماڈل لسٹ میں نہیں (7 نومبر 2026 کو چیک کیا گیا)۔ Tinker کے پرائسنگ صفحے کو دیکھیں اور جو ملے اس کے ساتھ تاریخ لکھیں۔

اگر آپ بینچ مارک جدولیں پڑھنے کی طویل رہنمائی چاہتے ہیں، تو ایک الگ مضمون ہے: AI بینچ مارک کیسے پڑھیں اور 5-پرامپٹ ٹیسٹ چلائیں۔

اپنے کوڈ پر 5-پرامپٹ جانچ#

یہ ایک دوپہر لیتی ہے اور آپ کے فیصلے کے لیے کسی بھی لیڈر بورڈ سے بہتر ہے۔ پانچ کام چنیں جو آپ نے پچھلے دو ہفتوں میں واقعی کیے، ہر ایک کے ساتھ یہ جاننے کا طریقہ کہ جواب درست ہے یا نہیں۔ ہر ماڈل کو وہی متن بھیجیں اور نتیجہ خود اسکور کریں۔

ان ماڈلز کے لیے جنہیں آپ OpenAI-مطابق API پر کال کر سکتے ہیں، لوپ مختصر ہے۔ پانچ پرامپٹ tasks.txt میں رکھیں، ===== والی لائن سے الگ کر کے۔ مکمل دستاویزات CheapTokens docs میں پڑھیں؛ پتہ https://api.cheaptokens.dev/v1 ہے۔

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)

آپ کو task number, input tokens, output tokens, finish_reason کی پانچ لائنیں نظر آئیں گی۔ stop کا مطلب ہے ماڈل خود ختم ہوا؛ length کا مطلب ہے max_tokens نے جواب کاٹ دیا۔ یہاں ماڈل آئی ڈی مکمل ہے: deepseek-ai/DeepSeek-V4-Flash-0731۔ پرائس ٹیبل سے مختصر آئی ڈی کام نہیں کرے گی۔

CheapTokens پر DeepSeek-V4-Flash کا کانٹیکسٹ 380K، ایک جواب میں زیادہ سے زیادہ 32,768 ٹوکن، دن کے کسی بھی وقت ایک قیمت اور Anthropic-مطابق اینڈ پوائنٹ بھی ہے، اس لیے وہی پانچ پرامپٹ اس فارمیٹ پر بنے ٹولز سے بھی چل سکتے ہیں۔ آپ کے اپنے پانچ پرامپٹ کے اسکور ہی آپ کے ریپو کے لیے اہم ہیں۔ Inkling 2 Small کے لیے، وہی پانچ متن Tinker کے ذریعے بھیجیں۔

اسی بیلنس پر تیسرا اور چوتھا حریف چاہیے؟ GLM-5.3-Flash (zai-org/GLM-5.3-Flash، 390K کانٹیکسٹ) اور MiniMax-M2.7 (MiniMaxAI/MiniMax-M2.7، 180K کانٹیکسٹ) اسی کال کو دوسری model ویلیو کے ساتھ لیتے ہیں۔ اگر آپ دیکھنا چاہتے ہیں کہ DeepSeek ماڈل کاموں پر MiniMax سے کیسے موازنہ کرتا ہے، تو MiniMax-M2.7 بمقابلہ DeepSeek-V4-Flash ہے۔

فی کام لاگت، فی ٹوکن نہیں#

فی ملین ٹوکن قیمت فی مکمل کام قیمت نہیں۔ آپ جو ادا کرتے ہیں وہ قدموں کی تعداد ضرب ہر قدم کے ٹوکن، ان پٹ اور آؤٹ پٹ ملا کر۔ فرض کریں آپ کا ایجنٹ ایک بگ 20 قدموں میں حل کرتا ہے، اور ہر قدم تقریباً 30,000 ٹوکن فائلیں اور ہسٹری بھیجتا ہے اور تقریباً 1,500 ٹوکن واپس لیتا ہے۔ DeepSeek-V4-Flash پر ایک قدم $0.0006 لاگت کرتا ہے۔ پورا کام، لائیو قیمتوں پر:

وہ جدول OpenRouter کی حوالہ قیمت بھی دکھاتا ہے، اور مجموعی طور پر، ان پٹ اور آؤٹ پٹ ملا کر، CheapTokens پر DeepSeek-V4-Flash سستا نکلتا ہے۔ ہر ماڈل کی فی ٹوکن شرح pricing page پر ہے۔

اب موازنے کے لیے اہم نکتہ۔ اگر ماڈل A کام 20 قدموں میں حل کرتا ہے اور ماڈل B کو 30 چاہیے، تو 30 / 20 = 1.5، اس لیے B فی کام ڈیڑھ گنا زیادہ لاگت کرتا ہے اسی ٹوکن قیمت پر۔ بینچ مارک پر چند اضافی پوائنٹس اضافی قدموں سے آسانی سے کھا لیے جاتے ہیں، اور اس کے برعکس بھی۔ اسی لیے 5-پرامپٹ جانچ ٹوکن ریکارڈ کرتی ہے: آپ کو فی کام قدم اور ٹوکن نظر آئیں گے، صرف اسکور نہیں۔ اس خیال کی طویل شکل قیمت فی 1M ٹوکن بمقابلہ لاگت فی کام میں ہے۔

اپنے اعداد کیلکولیٹر میں ڈالیں۔ نیچے کی مثال میں، 200 رنز یعنی دن میں 10 کام، ہر ایک 20 قدموں پر؛ فی قدم ٹوکن کو اپنی جانچ کے مطابق بدلیں۔

کون سا چنیں#

حقیقی ریپو پر کوڈنگ ایجنٹ۔ وینڈر کی اپنی کوڈنگ قطاروں پر DeepSeek-V4.1-Flash-1017 زیادہ تر پر آگے ہے۔ جانچ DeepSeek-V4-Flash سے شروع کریں (آئی ڈی اوپر کوڈ میں) اور Inkling کو انہی پانچ پرامپٹ میں شامل کریں۔ صرف اس صورت میں بدلیں جب Inkling آپ کے کاموں پر جیتے، وینڈر کے نہیں۔ اگر آپ DeepSeek ریلیز کی پس منظر چاہتے ہیں، تو deepseek-flash میں کیا بدلا دیکھیں۔

ویب سائٹس اور فرنٹ اینڈ جنریشن۔ Inkling کا DesignArena Website رینک ریلیز میں سب سے مضبوط دعویٰ ہے۔ اپنے دو یا تین صفحہ پرامپٹ دونوں ماڈلز پر چلائیں اور صفحات دیکھیں، اعداد نہیں۔

بعد میں سیلف ہوسٹنگ۔ Inkling ہی وہ ہے جس کا کھلے ویٹس کا منصوبہ ہے، Apache 2.0 کے تحت۔ جب تک فائلیں موجود نہ ہوں، یہ منصوبہ ہے۔ اس کے گرد کچھ بنانے سے پہلے ریلیز صفحہ دوبارہ چیک کریں، اور اس دوران آپ وہی پرامپٹ ہوسٹڈ ماڈل پر CheapTokens پر DeepSeek کے ساتھ چلا سکتے ہیں۔

ایک اور مشورہ، اگر آپ کاموں سے فیصلہ کرتے ہیں: پانچ پرامپٹ اور اسکورنگ شیٹ رکھیں۔ اگلی بار جب کوئی وینڈر جدول شائع کرے، آپ ایک گھنٹے میں جانچ دوبارہ چلا لیں گے بجائے رینکنگ دوبارہ پڑھنے کے۔