Inkling 2 Small marca 31 pontos no índice da Artificial Analysis e custa $1,18 por tarefa

A Thinking Machines lançou o Inkling 2 Small, modelo que marcou 31 pontos no índice geral do laboratório independente Artificial Analysis. O índice reúne dezenas de testes: conhecimento, código, perguntas difíceis de nível especialista e trabalho de agentes. Os 31 pontos são 18 a mais que os do Inkling Small anterior e igualam o resultado do Gemini 3.

8 Flash (high), do Google DeepMind. O segundo número do título, $1,18, é o custo médio de uma tarefa do índice: quanto você paga ao entregar ao modelo uma tarefa típica e esperar o resultado pronto. Para comparação, no Gemini 3.

8 Flash (high) essa tarefa custa $7,77, e no Claude Sonnet 5.5 (medium), $10,02. Em resumo: se você escolhe um modelo para um agente que corrige código sozinho, monta relatórios ou preenche planilhas, token barato não significa trabalho barato.

E este é justamente um caso em que a conta por tarefa favorece o novo modelo.

Por enquanto, o Inkling 2 Small é fechado: está disponível apenas na plataforma Tinker, da Thinking Machines, e no Tinker Playground. A empresa planeja publicar os pesos sob a licença Apache 2.0 mais tarde, mas a data não foi confirmada. Se a promessa for cumprida, será o modelo aberto mais forte criado fora da China, segundo os rankings atuais. Ele também superou o MiMo-V2.6-Pro, da Xiaomi. Ainda é cedo para incluir a versão aberta nos planos.

Onde o modelo é forte e onde fica para trás

É um modelo de raciocínio com 594 bilhões de parâmetros, dos quais 17 bilhões atuam em cada token. Ele aceita texto e imagens e responde em texto. O maior avanço veio nas tarefas de agentes, em que o modelo precisa levar o trabalho até o fim por conta própria:

• AutomationBench-AA, automação de fluxos de trabalho: de 5% para 46%.
• FrontierCode 2.0, tarefas complexas de programação: de 5% para 25%; o Claude Sonnet 5.5 (medium) tem 11%.
• HLE-Diamond, perguntas de nível especialista: de 12% para 29%.
• AA-Briefcase, processos longos de escritório com planilhas, apresentações e memorandos: 1527 Elo, contra 912 da versão anterior, 1439 do Sonnet 5.5 e 1203 do Gemini 3.8 Flash. A parcela de verificações aprovadas subiu de 20% para 50%.

Na criação de cenas 3D interativas (AA-3D) e de vídeo por meio de código (Code2Video-AA), o modelo superou o Gemini 3.8 Flash, mas o Claude Sonnet 5.5 segue à frente nos dois testes. Há também pontos fracos: no Terminal-Bench 4.0, em que o agente trabalha na linha de comando, o Inkling 2 Small faz 13%, contra 30% do Sonnet 5.5. Em física de nível de pesquisa (CritPt v2), ele marca 56%, contra 65% do Gemini 3.8 Flash (high). Ou seja, o resultado é melhor em correções complexas em repositórios e bem pior no trabalho em terminal.

Menos invenções, porque se cala com mais frequência

No teste AA-Omniscience v1.1, a taxa de alucinações caiu de 61% para 27%. Mas a precisão subiu apenas de 32% para 34%. O principal motivo é outro: o modelo agora tenta responder a 53% das perguntas, em vez de 77%. Quando não tem certeza, ele recusa com mais frequência e, por isso, diz menos coisas falsas. A pontuação final subiu de −9 para 16, mas o Gemini 3.8 Flash (high), com 23, e o Sonnet 5.5 (medium), com 19, continuam acima. Se no seu produto uma resposta falsa custa mais que uma recusa, como em suporte ou consultas jurídicas, esse comportamento é útil. Já se o chatbot precisa responder sempre, as recusas terão de ser tratadas à parte.

Por que o raciocínio caro acaba saindo barato

Em média, o Inkling 2 Small gasta cerca de 150 mil tokens de saída por tarefa do índice. A versão anterior usava cerca de 37 mil, o Sonnet 5.5 (medium), cerca de 31 mil, e o Gemini 3.8 Flash (high), cerca de 99 mil. Por isso, o custo da tarefa subiu quase 6 vezes: de $0,20 para $1,18.

Ao mesmo tempo, as tarifas são baixas: $0,30 por milhão de tokens de entrada, $1,00 por milhão de tokens de saída e $0,03 por milhão de tokens de entrada em cache. É por isso que, mesmo com um consumo enorme de tokens, o modelo sai mais barato que os concorrentes de pontuação parecida.

O que fazer com isso

Equipes que constroem agentes para automação de escritório, relatórios e geração de interfaces devem rodar seus próprios cenários no Inkling 2 Small e comparar o preço da tarefa concluída, e não o preço do token. Raciocínios longos aumentam a latência, então o modelo pode ser lento para chats interativos. Os números vêm dos benchmarks da Artificial Analysis e refletem o conjunto de tarefas da empresa; com os seus dados, o resultado pode ser diferente. Os pesos abertos interessam a quem quer hospedar o modelo por conta própria, mas, por enquanto, isso é uma promessa sem data.