Inkling 2 Small so với DeepSeek-V4.1-Flash: mô hình nào cho lập trình?

Câu trả lời ngắn: trong bảng Thinking Machines công bố cho Inkling 2 Small (trang phát hành ngày 5 tháng 11 năm 2026, kiểm tra ngày 7 tháng 11), DeepSeek-V4.1-Flash-1017 dẫn trước ở năm trong sáu dòng lập trình có hiển thị cả hai mô hình. Inkling dẫn ở một dòng, và nó có thứ hạng thiết kế web mạnh. Tuy nhiên, đó là bảng của chính nhà cung cấp, nên hãy coi đó là lý do để chạy một bài kiểm tra nhỏ trên mã của bạn, không phải là phán quyết cuối cùng.

Nếu bạn thấy một tiêu đề như "Inkling gần bằng DeepSeek" và tự hỏi có nên chuyển đổi agent lập trình của mình không, đây là thứ tự nên làm: đọc các dòng phù hợp với công việc của bạn, xem những gì bảng không thể hiện, chạy năm prompt của riêng bạn, và tính chi phí cho một tác vụ đã hoàn thành.

Inkling 2 Small là gì#

Theo trang phát hành, Inkling 2 Small là mô hình thế hệ thứ hai từ Thinking Machines Lab. Đây là mô hình Mixture-of-Experts với tổng cộng 594B tham số và 17B tham số hoạt động mỗi token. Nó chấp nhận hình ảnh (không phải âm thanh) và có cài đặt nỗ lực thay đổi được. Hiện tại nó chạy trên Tinker, dịch vụ suy luận không máy chủ của phòng thí nghiệm, đang ở giai đoạn Beta.

Hai chi tiết dễ bị bỏ qua. Trọng số hiện đang đóng: phòng thí nghiệm dự định phát hành chúng theo Apache 2.0 "tuần tới" sau khi kiểm tra an toàn bên ngoài, và nói rằng các nền tảng khác sẽ theo sau "trong những tuần tới". Đó là kế hoạch, không phải sự thật, cho đến khi các tệp thực sự được phát hành. Và ngữ cảnh: danh sách mô hình Tinker hiển thị 256K là tối đa. Các con số 512K và 1M trên trang phát hành là cài đặt huấn luyện và đánh giá, không phải những gì bạn có thể gửi hôm nay.

Ngày tháng ở đây quan trọng hơn bình thường, vì một nửa lời chào hàng là lời hứa:

Đọc bảng từng dòng#

Nhà cung cấp so sánh Inkling 2 Small với DeepSeek-V4.1-Flash-1017. Tài liệu của DeepSeek nói rằng alias deepseek-flash hiện được phục vụ bởi phiên bản đó (trang không có ngày, kiểm tra ngày 7 tháng 11 năm 2026). Đây là các dòng mà cả hai mô hình đều có số. Cột cuối chỉ là phép trừ.

Kiểm tra một: 77.0 - 72.1 = 4.9. Đếm các dòng và DeepSeek dẫn trước ở năm dòng, Inkling ở một dòng.

Một vài điều cần lưu ý trước khi bạn trích dẫn bảng này cho nhóm của mình.

• Khoảng cách lớn nhất nằm ở dòng kém trưởng thành nhất. Terminal Bench Science đang ở phiên bản 0.1, và 12.9% so với 5.7% là hơn gấp đôi. Đó là gợi ý về công việc kiểu terminal, không phải phán quyết.
• Một dòng không có đối đầu trực tiếp. SWEBench Pro v2 (Hard) hiển thị Inkling ở 86.3% và DeepSeek là không báo cáo. Bạn không thể so sánh một con số với ô trống.
• Khoảng cách nhỏ là nhỏ. Chênh lệch 1.4 hoặc 3.1 điểm trên một benchmark bạn chưa từng chạy có thể không giữ nguyên khi đổi repo hoặc prompt.
• Trang tự mâu thuẫn một lần. Chỉ số Thông minh Artificial Analysis là 31 trong văn bản và 30.6 (v5.0) trong bảng, không có giải thích. Đó là điều nhỏ, nhưng là lời nhắc đọc chú thích.

Chưa có gì ở đây được nhân rộng độc lập; tất cả các con số đều đến từ nhà cung cấp Inkling.

Thiết kế web là một dòng khác#

Nếu tác vụ của bạn là tạo trang web thay vì sửa lỗi, con số liên quan là DesignArena Website. Trong ảnh chụp ngày 5 tháng 11 trên trang phát hành, Inkling 2 Small đạt 1,340, đứng thứ ba sau Muse Wonder (1,366) và Muse Spark 1.3 (1,351). Nhà cung cấp kỳ vọng nó sẽ là mô hình trọng số mở hàng đầu ở đó khi trọng số được phát hành. Khoảng cách đến vị trí đầu tiên là 1,366 - 1,340 = 26 điểm.

Đó là bảng xếp hạng của những người so sánh các trang được tạo, nên nó nói lên điều gì đó thực về ngoại hình. Nhưng trang không đưa ra số DeepSeek cho dòng này, nên không có đối đầu trực tiếp để đọc. Hãy mở DesignArena trực tiếp trước khi dựa vào ảnh chụp.

Những gì không bảng nào có thể hiển thị#

Giả sử bạn duy trì một monolith Django mười năm tuổi với kiểm thử chậm và nhiều quy tắc nội bộ. Một benchmark gồm các repo mới, gọn gàng nói rất ít về cách một mô hình xử lý utils.py 3.000 dòng của bạn. Bốn điều thiếu trong bất kỳ bảng của nhà cung cấp nào:

1. Mã của bạn và thói quen của bạn. Cách đặt tên, phong cách kiểm thử, những tệp agent không bao giờ được chạm vào.
2. Cách vòng lặp agent hoạt động. Cùng một mô hình có thể làm tốt trong một công cụ và kém trong công cụ khác, vì các công cụ khác nhau ở cách chúng cung cấp tệp và lỗi cho mô hình.
3. Một tác vụ mất bao nhiêu bước. Một mô hình tốt hơn 3 điểm mỗi lần thử nhưng cần nhiều lần thử hơn không nhất thiết tốt hơn cho bạn.
4. Giá. Giá mỗi token của Inkling không có trên trang phát hành hoặc trong danh sách mô hình Tinker (kiểm tra ngày 7 tháng 11 năm 2026). Hãy xem trang giá của Tinker và ghi ngày bên cạnh bất cứ thứ gì bạn tìm thấy.

Nếu bạn muốn hướng dẫn dài hơn về đọc bảng benchmark, có một bài riêng: cách đọc một benchmark AI và chạy bài kiểm tra 5 prompt.

Bài kiểm tra 5 prompt trên mã của chính bạn#

Việc này mất một buổi chiều và đánh bại mọi bảng xếp hạng cho quyết định của bạn. Chọn năm tác vụ bạn thực sự đã làm trong hai tuần qua, mỗi tác vụ có cách để biết câu trả lời đúng hay sai. Gửi cùng một văn bản cho mỗi mô hình và tự chấm điểm kết quả.

Đối với các mô hình bạn có thể gọi qua API tương thích OpenAI, vòng lặp rất ngắn. Đặt năm prompt vào tasks.txt, phân tách bằng một dòng có =====. Đọc tài liệu đầy đủ trong tài liệu CheapTokens; địa chỉ là 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)

Những gì bạn sẽ thấy là năm dòng task number, input tokens, output tokens, finish_reason. stop có nghĩa là mô hình tự hoàn thành; length có nghĩa là max_tokens cắt câu trả lời. Id mô hình ở đây là id đầy đủ: deepseek-ai/DeepSeek-V4-Flash-0731. Một id ngắn từ bảng giá sẽ không hoạt động.

DeepSeek-V4-Flash trên CheapTokens có ngữ cảnh 380K, tối đa 32.768 token trong một câu trả lời, một mức giá bất kể thời gian trong ngày và cả endpoint tương thích Anthropic, nên cùng năm prompt cũng chạy qua các công cụ được xây dựng trên định dạng đó. Điểm số từ năm prompt của chính bạn là những gì quan trọng cho repo của bạn. Đối với Inkling 2 Small, gửi cùng năm văn bản qua Tinker.

Muốn có ứng viên thứ ba và thứ tư trên cùng bàn cân? GLM-5.3-Flash (zai-org/GLM-5.3-Flash, ngữ cảnh 390K) và MiniMax-M2.7 (MiniMaxAI/MiniMax-M2.7, ngữ cảnh 180K) nhận cùng lệnh gọi với một giá trị model khác. Nếu bạn muốn xem mô hình DeepSeek so với MiniMax trên các tác vụ, có MiniMax-M2.7 so với DeepSeek-V4-Flash.

Chi phí mỗi tác vụ, không phải mỗi token#

Giá mỗi triệu token không phải là giá mỗi tác vụ hoàn thành. Những gì bạn trả là số bước nhân với số token trong mỗi bước, tính cả đầu vào và đầu ra. Giả sử agent của bạn giải một lỗi trong 20 bước, và mỗi bước gửi khoảng 30.000 token tệp và lịch sử và nhận lại khoảng 1.500 token. Một bước trên DeepSeek-V4-Flash tốn $0.0006. Toàn bộ tác vụ, theo giá trực tiếp:

Bảng đó cũng hiển thị giá tham chiếu của OpenRouter, và tổng cộng, tính cả đầu vào và đầu ra, DeepSeek-V4-Flash trên CheapTokens rẻ hơn. Giá mỗi token cho mọi mô hình có trên trang giá.

Bây giờ là điểm quan trọng cho so sánh. Nếu mô hình A giải tác vụ trong 20 bước và mô hình B cần 30, thì 30 / 20 = 1.5, nên B tốn gấp rưỡi mỗi tác vụ ở cùng giá token. Một vài điểm thêm trên benchmark có thể dễ dàng bị ăn mất bởi số bước thêm, và ngược lại. Đó là lý do bài kiểm tra 5 prompt ghi lại token: bạn sẽ thấy số bước và token mỗi tác vụ, không chỉ điểm số. Phiên bản dài hơn của ý tưởng này có trong giá mỗi 1M token so với chi phí mỗi tác vụ.

Đặt con số của riêng bạn vào máy tính. Trong ví dụ dưới đây, 200 lần chạy là 10 tác vụ mỗi ngày với 20 bước mỗi tác vụ; thay đổi token mỗi bước theo những gì bài kiểm tra của bạn cho thấy.

Chọn cái nào#

Agent lập trình trên một repo thực. Trên các dòng lập trình của chính nhà cung cấp, DeepSeek-V4.1-Flash-1017 dẫn trước ở hầu hết. Bắt đầu bài kiểm tra với DeepSeek-V4-Flash (id trong mã ở trên) và thêm Inkling vào cùng năm prompt. Chỉ chuyển đổi nếu Inkling thắng trên tác vụ của bạn, không phải trên của nhà cung cấp. Nếu bạn muốn thông tin nền về bản phát hành DeepSeek, xem những gì đã thay đổi trong deepseek-flash.

Trang web và tạo giao diện người dùng. Thứ hạng DesignArena Website của Inkling là tuyên bố mạnh nhất trong bản phát hành. Chạy hai hoặc ba prompt trang của riêng bạn trên cả hai mô hình và xem các trang, không phải con số.

Tự lưu trữ sau này. Inkling là mô hình có kế hoạch trọng số mở, theo Apache 2.0. Cho đến khi các tệp tồn tại, đó là kế hoạch. Kiểm tra lại trang phát hành trước khi xây dựng bất cứ thứ gì dựa trên nó, và trong lúc đó bạn có thể chạy cùng các prompt với một mô hình được lưu trữ qua DeepSeek trên CheapTokens.

Một mẹo nữa, nếu bạn quyết định theo tác vụ: giữ năm prompt và bảng chấm điểm. Lần tới khi một nhà cung cấp công bố bảng, bạn chạy lại bài kiểm tra trong một giờ thay vì đọc lại bảng xếp hạng.