Inkling 2 Small vs DeepSeek-V4.1-Flash：哪个模型更适合编码？

简短回答：在 Thinking Machines 为 Inkling 2 Small 发布的表格中（发布日期为 2026 年 11 月 5 日，核查于 11 月 7 日），在同时列出两个模型成绩的六行编码任务中，DeepSeek-V4.1-Flash-1017 在五行上领先。Inkling 只在一行上领先，并且它在网页设计排名上表现很强。不过，这是厂商自己的表格，所以应把它当作在你的代码上做一次小规模验证的理由，而不是最终结论。

如果你看到过类似“Inkling 已接近 DeepSeek”的标题，并想知道是否该更换你的编码智能体，那么应该按这个顺序来：先读与你工作相符的行，看看表格无法展示的内容，用你自己的五个提示词跑一遍，再计算完成一个任务的实际成本。

Inkling 2 Small 是什么#

根据发布页面，Inkling 2 Small 是 Thinking Machines Lab 的第二代模型。它是一个混合专家（Mixture-of-Experts）模型，总参数为 594B，每个 token 激活 17B。它接受图像输入（不接受音频），并具有可变的努力程度设置。目前它运行在 Tinker 上，这是该实验室的无服务器推理服务，尚处于 Beta 阶段。

有两个细节容易被忽略。权重目前是闭源的：实验室计划在外部安全测试后“下周”以 Apache 2.0 许可证发布，并表示其他平台将在“未来几周”跟进。在文件真正发布之前，这只是一个计划，不是事实。还有上下文长度：Tinker 的模型列表显示最大为 256K。发布页面上的 512K 和 1M 数字是训练和评估设置，不是你今天可以发送的长度。

这里的日期比平时更重要，因为一半的承诺还只是计划：

逐行解读表格#

厂商将 Inkling 2 Small 与 DeepSeek-V4.1-Flash-1017 进行对比。DeepSeek 的文档称 deepseek-flash 别名现在由该版本提供服务（页面无日期，核查于 2026 年 11 月 7 日）。以下是两个模型都有数字的行。最后一列只是差值。

核对一下：77.0 - 72.1 = 4.9。数一下行数，DeepSeek 在五行上领先，Inkling 在一行上领先。

在向你的团队引用这张表之前，有几点需要注意。

• 最大的差距出现在最不成熟的行上。 Terminal Bench Science 的版本是 0.1，12.9% 对 5.7% 是两倍多。这是关于终端类工作的提示，不是定论。
• 有一行没有正面交锋。 SWEBench Pro v2 (Hard) 显示 Inkling 为 86.3%，DeepSeek 未报告。你无法将数字与空白进行比较。
• 小差距就是小。 在你从未运行过的基准上，1.4 或 3.1 个百分点的差距可能经不起更换仓库或提示词的考验。
• 页面有一处自相矛盾。 Artificial Analysis Intelligence Index 在正文中是 31，在表格中是 30.6（v5.0），没有解释。这是小事，但提醒你要读脚注。

这里的内容尚未经过独立复现；所有数字都来自 Inkling 厂商。

网页设计是另一行#

如果你的任务是生成网站而不是修复 bug，那么相关的数字是 DesignArena Website。在发布页面的 11 月 5 日快照中，Inkling 2 Small 得分为 1,340，排在 Muse Wonder（1,366）和 Muse Spark 1.3（1,351）之后，位列第三。厂商预计一旦权重发布，它将成为该榜单上排名最高的开放权重模型。与第一名的差距是 1,366 - 1,340 = 26 分。

这是一个由人们比较生成页面的排行榜，所以它确实反映了外观方面的一些真实情况。但页面没有给出 DeepSeek 在这一行上的数字，因此没有正面交锋可读。在依赖快照之前，请自行打开 DesignArena。

表格无法展示的内容#

假设你维护一个有着十年历史的 Django 单体应用，测试缓慢且有很多内部规则。由全新、整洁的仓库组成的基准几乎无法告诉你模型如何处理你那 3,000 行的 utils.py。任何厂商表格都缺少四样东西：

1. 你的代码和你的习惯。 命名、测试风格、智能体绝不应触碰的文件。
2. 智能体循环的行为方式。 同一个模型在一个工具中表现良好，在另一个工具中可能表现糟糕，因为工具向模型提供文件和错误的方式不同。
3. 一个任务需要多少步。 一个每次尝试好 3 分但需要更多尝试的模型，对你来说不一定更好。
4. 价格。 Inkling 的每 token 价格不在发布页面或 Tinker 模型列表中（核查于 2026 年 11 月 7 日）。查看 Tinker 的定价页面，并在你找到的任何信息旁标注日期。

如果你想更详细地了解如何阅读基准表格，有一篇单独的文章：如何阅读 AI 基准并运行 5 提示词测试。

在你自己的代码上做 5 提示词检查#

这需要一下午的时间，但对你的决策来说胜过任何排行榜。选择你过去两周实际做过的五个任务，每个任务都有判断答案是否正确的方法。将相同的文本发送给每个模型，并自己给结果打分。

对于可以通过 OpenAI 兼容 API 调用的模型，循环很短。将五个提示词放入 tasks.txt，用一行 ===== 分隔。阅读完整文档：CheapTokens 文档；地址是 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)

你会看到五行 task number, input tokens, output tokens, finish_reason。stop 表示模型自行完成；length 表示 max_tokens 截断了答案。这里的模型 id 是完整 id：deepseek-ai/DeepSeek-V4-Flash-0731。价格表中的短 id 无法使用。

CheapTokens 上的 DeepSeek-V4-Flash 具有 380K 上下文、单次回答最多 32,768 个 token、全天统一价格，并且还提供 Anthropic 兼容端点，因此同样的五个提示词也可以通过基于该格式构建的工具运行。来自你自己五个提示词的分数才是对你的仓库重要的分数。对于 Inkling 2 Small，通过 Tinker 发送同样的五个文本。

想在同一个天平上加入第三和第四个竞争者？GLM-5.3-Flash（zai-org/GLM-5.3-Flash，390K 上下文）和 MiniMax-M2.7（MiniMaxAI/MiniMax-M2.7，180K 上下文）使用另一个 model 值进行同样的调用。如果你想了解 DeepSeek 模型在任务上与 MiniMax 的对比，有 MiniMax-M2.7 vs DeepSeek-V4-Flash。

每任务成本，而非每 token 成本#

每百万 token 的价格不是每个完成任务的成本。你支付的是步数乘以每步的 token 数，输入和输出一起计算。假设你的智能体在 20 步内解决一个 bug，每步发送约 30,000 个 token 的文件和历史，并得到约 1,500 个 token 的返回。DeepSeek-V4-Flash 上一步的成本是 $0.0006。整个任务，按实时价格计算：

该表还显示了 OpenRouter 的参考价格，总计（输入和输出一起计算），CheapTokens 上的 DeepSeek-V4-Flash 更便宜。每个模型的每 token 费率在定价页面上。

现在是对比中真正重要的点。如果模型 A 在 20 步内解决任务，而模型 B 需要 30 步，那么 30 / 20 = 1.5，所以在相同 token 价格下，B 的每任务成本是 A 的一倍半。基准上多出的几分很容易被额外的步数抵消，反之亦然。这就是为什么 5 提示词检查要记录 token：你会看到每任务的步数和 token，而不仅仅是一个分数。这个想法的详细版本在每 1M token 价格 vs 每任务成本。

将你自己的数字放入计算器。在下面的示例中，200 次运行是每天 10 个任务，每个任务 20 步；将每步 token 数改为你的检查显示的数字。

该选哪个#

在真实仓库上使用编码智能体。 在厂商自己的编码行上，DeepSeek-V4.1-Flash-1017 在大多数行上领先。从 DeepSeek-V4-Flash（id 见上方代码）开始检查，并将 Inkling 加入同样的五个提示词。只有当 Inkling 在你的任务上获胜时才切换，而不是在厂商的任务上。如果你想了解 DeepSeek 发布本身的背景，请参阅 deepseek-flash 有哪些变化。

网站和前端生成。 Inkling 的 DesignArena Website 排名是发布中最强的声明。在两个模型上运行两三个你自己的页面提示词，看页面本身，而不是数字。

以后自托管。 Inkling 是有开放权重计划的模型，采用 Apache 2.0。在文件存在之前，它只是一个计划。在围绕它构建任何东西之前，再次查看发布页面，同时你可以用 CheapTokens 上的 DeepSeek 对托管模型运行相同的提示词。

再给一个提示，如果你按任务做决定：保留五个提示词和评分表。下次厂商发布表格时，你可以在一个小时内重新运行检查，而不是再次阅读排名。