Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизОткрытые веса · В работуX: @arena→ оригинал

Inkling 2 Small стоит $0,26 за задачу агента — в 4,7 раза дешевле лидера Kimi K3.1 Pro

Thinking Machines открыла веса модели Inkling 2 Small, и в Agent Arena — рейтинге, где агентов сравнивают по реальным рабочим сессиям пользователей, — она стала второй среди открытых моделей. Одна типовая задача агента обходится ей в $0,26 (медиана), а лидеру открытого списка Kimi K3.1 Pro — в $1,22, то есть в 4,7 раза дороже. Если агент закрывает тысячи задач в день, прогоните модель на своих кейсах и сравните цену и успешность.

AI-обработка оригинала X: @arena; редакция Hamidun News
Inkling 2 Small стоит $0,26 за задачу агента — в 4,7 раза дешевле лидера Kimi K3.1 Pro
Источник: X: @arena. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникX: @arena ↗
Главный редактор
Agent Arena+2,9% чистого улучшения на 11,5 тыс. реальных сессий
Ключевой факт #2Управляемость +10,9% — лучший результат среди всех открытых моделей
Code Arena WebDev1647 баллов, №1 среди открытых моделей США

Если вы запускаете ИИ-агента в продакшн, то каждая его задача — будь то разбор тикета, ответ клиенту или правка кода — стоит денег. Арена Agent Arena опубликовала цифры по открытой модели Inkling 2 Small от Thinking Machines: типовая (медианная) задача обходится в $0,26, тогда как у лидера среди открытых моделей, Kimi K3.1 Pro, — в $1,22. Это в 4,7 раза дороже. Сама Inkling 2 Small после публикации открытых весов заняла второе место среди всех открытых моделей Agent Arena и первое среди американских.

Как Agent Arena оценивает агентов

Agent Arena — это не классическое «слепое» голосование, где люди выбирают ответ посимпатичнее. Платформа берёт реальные следы использования: что агент делал в рабочей сессии, помогло ли это пользователю и во что обошлось. Сама Arena подчёркивает, что хочет уйти от оценок по человеческим предпочтениям и опираться на объективные сигналы из живого использования глобальным сообществом.

Цифры по Inkling 2 Small такие:

  • чистый показатель улучшения (net improvement score) составил +2,9% по 11,5 тысячи реальных агентных сессий, это 22-е место в общем рейтинге;
  • управляемость (steerability) — +10,9%, лучший результат среди всех открытых моделей;
  • Inkling 2 Small остаётся единственной американской моделью в десятке лучших открытых моделей Agent Arena.

Подробного определения управляемости в сводке нет, но по смыслу это способность модели подстраиваться под уточнения и поправки пользователя по ходу работы. Для агента качество важное: с первой попытки он справляется не всегда, и ценно, когда его можно вернуть на нужный путь короткой репликой.

Деньги: $0,26 против $1,22

Самая практичная цифра здесь — медианная стоимость одной задачи. Представьте сервис, где агент закрывает десятки тысяч обращений в день. На таком потоке разница между 26 центами и 1,22 доллара превращается в заметную строку бюджета. Если на вашем сценарии качество не хуже, чем у дорогой альтернативы, экономия почти ничего не стоит.

Оговорки. Это медиана по задачам из Agent Arena, а не гарантия для вашего продукта: цена зависит от длины контекста, числа шагов агента и от того, где вы хостите модель. К тому же Kimi K3.1 Pro остаётся первым среди открытых моделей, то есть Inkling 2 Small дешевле, но пока не лучше.

Код и веб-разработка

Параллельно Thinking Machines попала в Code Arena, в категорию WebDev, где оценивают создание веб-приложений. Модель набрала 1647 баллов. Это первое место среди американских открытых моделей, четвёртое среди всех открытых моделей мира и 23-е в общем зачёте. Для команд, которые отдают нейросети вёрстку и фронтенд, это ещё один повод посмотреть на открытую альтернативу закрытым API.

Что с этим делать

Во-первых, у тех, кто строит агентов на открытых весах, появился ещё один кандидат — особенно если важны цена и возможность разворачивать модель у себя. Во-вторых, американская модель в верхней части открытого рейтинга интересна компаниям, которые по требованиям комплаенса или закупочной политике предпочитают не зависеть от китайских поставщиков. Это наше наблюдение, а не вывод Arena.

Порядок действий простой: возьмите 50–100 реальных задач из своего продукта, прогоните их через Inkling 2 Small и через текущую модель, затем сравните долю успешных выполнений, число шагов агента и итоговую цену. Рейтинг Arena полезен как повод для теста, но решение должна принимать ваша собственная выборка.

Чего в сводке Arena пока нет: размер модели, лицензия и требования к железу не указаны. Эти детали стоит проверить в релизе Thinking Machines до того, как закладывать модель в архитектуру продукта.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: как Agent Arena оценивает агентов?

Agent Arena — это не классическое «слепое» голосование, где люди выбирают ответ посимпатичнее. Платформа берёт реальные следы использования: что агент делал в рабочей сессии, помогло ли это пользователю и во что обошлось. Сама Arena подчёркивает, что хочет уйти от оценок по человеческим предпочтениям и опираться на объективные сигналы из живого использования глобальным сообществом.

Что известно по теме: деньги: $0,26 против $1,22?

Самая практичная цифра здесь — медианная стоимость одной задачи. Представьте сервис, где агент закрывает десятки тысяч обращений в день. На таком потоке разница между 26 центами и 1,22 доллара превращается в заметную строку бюджета. Если на вашем сценарии качество не хуже, чем у дорогой альтернативы, экономия почти ничего не стоит. Оговорки. Это медиана по задачам из Agent Arena, а не гарантия для вашего продукта: цена зависит от длины контекста, числа шагов агента и от того, где вы хостите модель.

Что известно по теме: код и веб-разработка?

Параллельно Thinking Machines попала в Code Arena, в категорию WebDev, где оценивают создание веб-приложений. Модель набрала 1647 баллов. Это первое место среди американских открытых моделей, четвёртое среди всех открытых моделей мира и 23-е в общем зачёте. Для команд, которые отдают нейросети вёрстку и фронтенд, это ещё один повод посмотреть на открытую альтернативу закрытым API.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…