# Inkling 2 Small API

- Разработчик: [Thinking Machines](https://router.nodul.ru/models/thinkingmachines.md)
- Тип: Текст
- Контекст: до 1 048 576 токенов
- Дата выхода: 09.11.2026
- ID для API: `global-1/thinkingmachines/inkling-2-small`
- Самая низкая цена: ввод от 33,00 ₽, вывод от 110 ₽

## Цены и маршруты

У модели может быть несколько маршрутов: у каждого свой ID для API, регион и цена. Маршрут с префиксом `ru-` работает в России. ZDR — провайдер не хранит запросы и ответы. Доверенный провайдер — компания с известным брендом и крупной выручкой или инвестициями: [Модели и маршрутизация, раздел «Доверенные провайдеры»](https://router.nodul.ru/docs/ru/models-and-routing.md).

Цены — в рублях без НДС за 1 млн токенов; у моделей изображений и распознавания речи — за изображение, мегапиксель или минуту аудио. Оплата идет в PnP, 1 PnP = 100 ₽. Цена окончательная: `usage.cost` в ответе API — ровно та сумма, которую вы платите. Цены без НДС (5 %); по договору счета выставляются в рублях с НДС. Для компаний цена ниже розничной и зависит от объема: https://router.nodul.ru/business

| ID для API | Маршрут | Регион | Ввод, ₽ | Вывод, ₽ | Чтение из кэша, ₽ | Цена за единицу | Контекст, токенов | Макс. ответ, токенов | ZDR | Доверенный провайдер |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| `global-1/thinkingmachines/inkling-2-small` | global-1 | За рубежом | 33 | 110 | 3.3 | — | 1 048 576 | 943 718 | да | да |

## Описание

Обновлено: 16.11.2026

Inkling 2 Small от Thinking Machines Lab, первая модель второго поколения семейства Inkling: MoE на 594 млрд параметров, 17 млрд активных. Принимает текст и изображения, рассуждает с настраиваемым усилием, сильна в агентном коде и офисных задачах. Веса открыты под Apache 2.0.

#### Для чего подходит Inkling 2 Small

Разработчик делал модель для длинных автономных задач: агентный код, исследовательские задачи с запуском экспериментов, работа с таблицами, презентациями и записками, а также код с обратной связью по картинке. Модель сама смотрит на результат, например на отрисованную страницу или 3D-сцену, и дорабатывает его. В карточке модели перечислены сценарии: агенты с инструментами, помощники для программирования, чат-боты и системы с поиском по документам (RAG).

Через Роутер принимаются текст и изображения, ответ приходит текстом. Доступны вызов инструментов, структурированный вывод и управление усилием рассуждений.

Не стоит брать ее как основу для красивого диалогового ассистента: разработчик сам пишет, что модель хуже оптимизирована под чат. Аудио она не понимает (в отличие от первых Inkling), а в терминальных задачах по методике Terminal-Bench 4.0 заметно отстает от сильных конкурентов.

#### Сильные стороны

- **Агентная работа.** По замерам Artificial Analysis, на AutomationBench-AA результат вырос с 5% у Inkling Small до 46%, на FrontierCode 2.0 с 5% до 25%. Там же она обходит Claude Sonnet 5.5 (medium) на FrontierCode 2.0: 25% против 11%.
- **Офисные задачи.** На AA-Briefcase, тесте длинных рабочих процессов с таблицами, презентациями и записками, у нее 1527 Elo против 912 у Inkling Small и 1203 у Gemini 3.8 Flash (high).
- **Зрение и визуальное творчество.** По данным разработчика, модель сильна в распознавании текста, привязке к области на картинке и чтении инфографики; в таблице карточки модели она впереди сравниваемых моделей по четырем замерам DesignArena. В общем рейтинге DesignArena Website на 5 ноября (диаграмма в релизе, по данным разработчика) она на третьем месте после двух моделей Meta и выше открытых Kimi K3 и DeepSeek V4.1 Flash 1017. На AA-3D по замерам Artificial Analysis у нее 1021 Elo против 966 у Gemini 3.8 Flash.
- **Меньше выдуманных ответов.** В AA-Omniscience доля галлюцинаций упала с 61% у Inkling Small до 27%, итоговая оценка выросла с -9 до 16. Главная причина в том, что модель чаще воздерживается от ответа.
- **Открытые веса.** Лицензия Apache 2.0; веса опубликованы на Hugging Face 12 ноября 2026 года (по обновлению в релизе разработчика), спустя неделю после запуска в закрытом доступе 5 ноября.

#### Ограничения и спорные моменты

- **Расход токенов.** В индексе Artificial Analysis она тратит около 150 тысяч выходных токенов на задачу: примерно в четыре раза больше Inkling Small (около 37 тысяч) и заметно больше Gemini 3.8 Flash (high, около 99 тысяч). Для запросов с высоким усилием закладывайте больше времени и токенов.
- **Терминал.** На Terminal-Bench 4.0 результат 13% (оба источника), у Claude Sonnet 5.5 (medium) 30% по Artificial Analysis. При этом на Terminal-Bench 2.1 разработчик приводит 81,3%: версии теста разные, прямо их сравнивать нельзя.
- **Чат и аудио.** Разработчик называет модель не самым лаконичным собеседником, отмечает хуже структурированные ответы, лишние слеши и чрезмерную реакцию на вопросы о психическом здоровье. Аудио не поддерживается.
- **Выбор инструментов.** По словам разработчика, модель не всегда выбирает лучший инструмент, особенно в кодовых базах с большим числом навыков (skills).
- **Знания.** Точность в AA-Omniscience лишь 34% (у Inkling Small 32%), на практике она просто реже рискует отвечать. Для справочных ответов без поиска нужна проверка.
- **Цифры разработчика.** Большинство результатов в таблице получены самой Thinking Machines при усилии xhigh и температуре 1,0; ряд тестов взят из внешних отчетов. Для критичных областей (медицина, право) карточка модели рекомендует дообучение, проверку и участие человека.

#### Бенчмарки

| Тест                                                                                        | Результат     | Источник                                                                                                                                                                              | Дата       |
| ------------------------------------------------------------------------------------------- | ------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------- |
| Artificial Analysis Intelligence Index v5.0.1 (в карточке разработчика 30,6 на версии v5.0) | 31            | [Artificial Analysis](https://artificialanalysis.ai/articles/thinking-machines-releases-inkling-2-small-highest-scoring-open-weights-model-outside-of-chinia-upon-weights-release-it) | нояб. 2026 |
| FrontierCode v2.0, по данным разработчика                                                   | 25,4%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| DeepSWE v1.1, по данным разработчика                                                        | 72,1%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| SWE-bench Pro v2 (Hard / Full), по данным разработчика                                      | 86,3% / 97,7% | [Релиз](https://thinkingmachines.ai/news/inkling-2-small/)                                                                                                                            | нояб. 2026 |
| Terminal-Bench 2.1, по данным разработчика                                                  | 81,3%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| Terminal-Bench 4.0, по данным разработчика                                                  | 13,1%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| BrowseComp (с компакцией контекста), по данным разработчика                                 | 90,2%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| AA-Briefcase                                                                                | 1527 Elo      | [Artificial Analysis](https://artificialanalysis.ai/articles/thinking-machines-releases-inkling-2-small-highest-scoring-open-weights-model-outside-of-chinia-upon-weights-release-it) | нояб. 2026 |
| GPQA Diamond, по данным разработчика                                                        | 93,0%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| Humanity's Last Exam, только текст, по данным разработчика                                  | 44,1%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| ARC-AGI-2, по данным разработчика                                                           | 81,7%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| MMMU Pro (Standard 10), по данным разработчика                                              | 81,6%         | [Карточка модели](https://thinkingmachines.ai/model-card/inkling-2-small/)                                                                                                            | нояб. 2026 |
| AA-Omniscience v1.1, итоговая оценка                                                        | 16            | [Artificial Analysis](https://artificialanalysis.ai/articles/thinking-machines-releases-inkling-2-small-highest-scoring-open-weights-model-outside-of-chinia-upon-weights-release-it) | нояб. 2026 |

#### Чем Inkling 2 Small отличается от Inkling и Inkling Small

Семейство Inkling открыла Thinking Machines Lab: [Inkling](https://router.nodul.ru/models/thinkingmachines/inkling.md) (975 млрд параметров, 41 млрд активных) и [Inkling Small](https://router.nodul.ru/models/thinkingmachines/inkling-small.md) (276 млрд, 12 млрд активных) принадлежат первому поколению. Inkling 2 Small открывает второе: общий размер у нее больше, чем у Inkling Small, активных параметров 17 млрд.

- **Агентные задачи.** Здесь разрыв самый большой: по Artificial Analysis, индекс вырос на 18 пунктов относительно Inkling Small, а автоматизация рабочих процессов и код дали прирост в разы (см. выше).
- **Зрение.** Улучшилось, и модель умеет проверять собственный визуальный результат; по 3D и видео, написанному кодом, она далеко впереди Inkling.
- **Аудио.** Исчезло: первые две модели принимали звук, эта нет. Если нужен голос или записи, берите Inkling Small или Inkling.
- **Расход.** Модель думает заметно дольше и тратит больше токенов, чем Inkling Small. Для простых запросов и быстрых ответов Inkling Small остается экономичнее.
- **Когда выбирать.** Inkling 2 Small берите для агентов, кода и офисных задач; Inkling Small для запросов с аудио и коротких ответов.

#### Альтернативы в каталоге

- [DeepSeek V4.1 Flash 1017](https://router.nodul.ru/models/deepseek/deepseek-v4.1-flash-1017.md): по таблице разработчика чуть выше по общему индексу и коду, принимает текст и изображения; берите для кода и когда важна точность в DeepSWE. Та же модель есть в регионе Россия: [DeepSeek V4.1 Flash 1017 (Россия)](https://router.nodul.ru/models/deepseek/deepseek-v4.1-flash-1017.md), с изображениями на входе, инструментами и рассуждениями, если нужен российский регион.
- [GLM 5.3 Flash](https://router.nodul.ru/models/z-ai/glm-5.3-flash.md): быстрая модель с изображениями и видео на входе, в таблице разработчика лучше в Terminal-Bench 4.0.
- [Kimi K3](https://router.nodul.ru/models/moonshotai/kimi-k3.md): заметно крупнее (104 млрд активных параметров), принимает видео; в таблице разработчика выше на SWE-bench Multilingual и Terminal-Bench 2.1. Берите, если нужна более тяжелая модель.
- [MiniMax M3.1 Flash](https://router.nodul.ru/models/minimax/minimax-m3.1-flash.md): сопоставимая по классу модель с видео на входе и лучшим результатом в AutomationBench-AA в таблице разработчика.

#### Частые вопросы

**Принимает ли Inkling 2 Small изображения и аудио?**

Изображения да, аудио нет. Через Роутер принимаются текст и изображения, ответ приходит текстом. Для звука смотрите Inkling или Inkling Small.

**Поддерживает ли она рассуждения, инструменты и структурированный вывод?**

Да, все три возможности есть в каталоге. Усилие рассуждений настраивается: разработчик обучал модель искать баланс между скоростью и тщательностью, а при высоком усилии она тратит заметно больше токенов.

**Подходит ли она для чат-бота?**

С оговорками. Разработчик прямо пишет, что модель хуже оптимизирована под чат: ответы бывают плохо структурированы, а на вопросы о самочувствии она реагирует лишними оговорками. Для агентов, кода и документов она подходит лучше.

**Можно ли развернуть ее у себя?**

Да, веса под Apache 2.0 лежат на Hugging Face. По карточке модели основной чекпойнт NVFP4 требует не менее 500 ГБ видеопамяти, например 4 карты NVIDIA H200 или 2 B300, вариант MXFP8 около 800 ГБ. Запуск возможен через SGLang, vLLM, TokenSpeed и Unsloth.

**Чем она лучше Inkling Small?**

Агентным кодом, офисными задачами, зрением и меньшей долей выдуманных ответов. Но она тратит гораздо больше токенов и не понимает аудио.

#### Источники

- [Introducing Inkling 2 Small, Thinking Machines Lab](https://thinkingmachines.ai/news/inkling-2-small/)
- [Inkling 2 Small Model Card, Thinking Machines Lab](https://thinkingmachines.ai/model-card/inkling-2-small/)
- [Thinking Machines Inkling 2 Small, Artificial Analysis](https://artificialanalysis.ai/articles/thinking-machines-releases-inkling-2-small-highest-scoring-open-weights-model-outside-of-chinia-upon-weights-release-it)
- [Inkling 2 Small, Hugging Face](https://huggingface.co/thinkingmachines/Inkling-2-Small)

## Бенчмарки

Независимый замер по методике теста и цифра, которую опубликовал разработчик модели; в скобках — месяц результата.

| Тест | Независимый замер | Цифра разработчика |
| --- | --- | --- |
| [Terminal-Bench 4.0](https://router.nodul.ru/models/benchmarks/terminal-bench.md) | 12,63 % (ноябрь 2026) | 13,1 % (ноябрь 2026) |
| [SWE-bench Pro V2](https://router.nodul.ru/models/benchmarks/swe-bench-pro.md) | 86,27 % (ноябрь 2026) | — |
| [SWE Atlas QnA v1.1](https://router.nodul.ru/models/benchmarks/swe-atlas-qna.md) | 74,2 % (ноябрь 2026) | — |
| [SWE Atlas Test Writing v1.1](https://router.nodul.ru/models/benchmarks/swe-atlas-tests.md) | 58,1 % (ноябрь 2026) | — |
| [SWE Atlas Refactoring v1.1](https://router.nodul.ru/models/benchmarks/swe-atlas-refactoring.md) | 53,3 % (ноябрь 2026) | — |
| [Code Arena WebDev 2026](https://router.nodul.ru/models/benchmarks/webdev-arena.md) | 1 645 (ноябрь 2026) | — |

## Как вызвать

```bash
curl https://router.nodul.ru/api/v1/chat/completions \
  -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "global-1/thinkingmachines/inkling-2-small", "messages": [{"role": "user", "content": "Привет!"}]}'
```

Документация API: https://router.nodul.ru/docs/llms.txt

---
HTML-версия: https://router.nodul.ru/models/thinkingmachines/inkling-2-small
Оглавление сайта для ИИ-агентов: https://router.nodul.ru/llms.txt · все для решения о покупке: https://router.nodul.ru/llms-full.txt · прайс-лист: https://router.nodul.ru/models/prices.md
