Thinking Machines: Inkling 2 Small (free) API
Inkling 2 Small 是 Thinking Machines 推出的稀疏混合專家模型,支援文字與圖像輸入,主打代理與工具使用場景。
Inkling 2 Small 是 Thinking Machines 推出的模型,採用 48 層純解碼器 Transformer 架構,前饋層為稀疏混合專家(MoE)骨幹。每個 token 會被路由到 384 個專家中的 8 個,總參數達 5940 億,其中僅 170 億為活躍參數,並支援 MXFP8 與 NVFP4 數值格式。模型可接受文字與圖像輸入並輸出文字,圖像經由視覺 Transformer 編碼後,與文字在共享隱藏空間中共同處理。
此模型鎖定代理與工具使用系統、程式設計助理、聊天機器人與檢索增強生成(RAG)等用途,也涵蓋一般對話、指令遵循、金融任務、3D 創作與透過程式碼生成影片。官方表示,在多項金融基準上,它是開放權重模型中表現最佳者;在 Artificial Analysis Intelligence Index v5.0.1 上,其表現與 Gemini 3.8 Flash high 設定相當,並超越 MiMo-V2.6-Pro。相較前代 Inkling Small,幻覺率由 61% 降至 27%,自動化任務通過率由 5% 提升至 46%,程式測試分數由 5% 提升至 25%。
模型目前以專有形式推出,可透過 Thinking Machines 的 Tinker 平台與 Tinker Playground 第一方使用;權重預計日後以 Apache 2.0 釋出,但日期尚未確認。官方提醒,模型知識僅限於訓練截止時可得的資訊,不應在未經額外微調、領域驗證與人工監督的情況下,用於醫療、法律或安全關鍵決策;高風險情境應由人工審核輸出,開發者部署前也應自行評估效能、安全性與公平性。
更新時間:
模型 ID
inkling-2-small:free- 上下文
- 1.049M
- 最大輸出
- 131.072K
- 建議 API
- messages
- 輸入
- text / image
- 輸出
- video
核心要點
- 文字與圖像輸入,文字輸出
- 稀疏 MoE:5940 億總參數、170 億活躍參數
- 每 token 路由至 384 個專家中的 8 個
- 支援 MXFP8 與 NVFP4 數值格式
- 鎖定代理、程式助理與 RAG
- 權重預計以 Apache 2.0 釋出
供應商
比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。
| 可用率 | |||
|---|---|---|---|
| $0 | $0 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
基準測試
- 71.8%
EnterpriseBench-CoreCraft
由 Surge AI 評測,衡量代理式 AI 能力
- 56%
CritPt v2
對比 Inkling Small 的 34% 與 Gemini 3.8 Flash high 的 65%
- 89.5
GPQA Diamond
- 80.2
SWE-bench Verified
- 74
MMMU Pro Standard 10 Options
- 64.7
Terminal Bench 2.1
- 95.5
MathArena AIME 2026
- 31.6
HLE
分數來自模型廠商公布的資料,未經獨立驗證。
推理能力
- 預設推理強度
- high
- 預設啟用
- 是
- 始終啟用
- 是
- 可選推理強度
- max / high / medium / low / minimal
填入 API key
從 Felo API Platform 帳戶建立 key,並設定為環境變數。
export FELO_API_KEY="YOUR_API_KEY"發出第一次請求
使用該模型 ID 呼叫 Felo API Platform endpoint。可選請求標頭如 X-Request-Id 能協助排查問題。
inkling-2-small:free該模型支援推理。如果所選協議與模型路由提供推理控制,請在繼續對話時保留回傳的推理中繼資料。
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "inkling-2-small:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());使用第三方 SDK
兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.
啟用串流輸出
加入 stream: true,即可以 server-sent events 接收回應。
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "inkling-2-small:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
modelstringinkling-2-small:freePublic model ID to call.max_tokensinteger—Maximum generated tokens.messagesarray—Conversation messages for Chat Completions.seed———stop———toolsarray—Tool calling definitions following compatible schema.top_p———reasoning———temperaturenumber—Controls response variety when supported.reasoning_effort———include_reasoning———常見問題
什麼是 Thinking Machines: Inkling 2 Small (free)?
Inkling 2 Small 是 Thinking Machines 推出的模型,採用 48 層純解碼器 Transformer 架構,前饋層為稀疏混合專家(MoE)骨幹。每個 token 會被路由到 384 個專家中的 8 個,總參數達 5940 億,其中僅 170 億為活躍參數,並支援 MXFP8 與 NVFP4 數值格式。模型可接受文字與圖像輸入並輸出文字,圖像經由視覺 Transformer 編碼後,與文字在共享隱藏空間中共同處理。 此模型鎖定代理與工具使用系統、程式設計助理、聊天機器人與檢索增強生成(RAG)等用途,也涵蓋一般對話、指令遵循、金融任務、3D 創作與透過程式碼生成影片。官方表示,在多項金融基準上,它是開放權重模型中表現最佳者;在 Artificial Analysis Intelligence Index v5.0.1 上,其表現與 Gemini 3.8 Flash high 設定相當,並超越 MiMo-V2.6-Pro。相較前代 Inkling Small,幻覺率由 61% 降至 27%,自動化任務通過率由 5% 提升至 46%,程式測試分數由 5% 提升至 25%。 模型目前以專有形式推出,可透過 Thinking Machines 的 Tinker 平台與 Tinker Playground 第一方使用;權重預計日後以 Apache 2.0 釋出,但日期尚未確認。官方提醒,模型知識僅限於訓練截止時可得的資訊,不應在未經額外微調、領域驗證與人工監督的情況下,用於醫療、法律或安全關鍵決策;高風險情境應由人工審核輸出,開發者部署前也應自行評估效能、安全性與公平性。
如何計算呼叫費用?
費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。
Inkling 2 Small 支援哪些輸入與輸出?
它接受文字與圖像輸入,並產生文字輸出。圖像會先經視覺 Transformer 編碼,再與文字於共享隱藏空間中共同處理。
這個模型適合哪些任務?
官方鎖定代理與工具使用系統、程式設計助理、聊天機器人與檢索增強生成,也涵蓋一般對話、指令遵循、金融任務、3D 創作與透過程式碼生成影片。
它的架構有什麼特點?
採用 48 層純解碼器 Transformer,前饋層為稀疏混合專家骨幹,每個 token 路由至 384 個專家中的 8 個;總參數 5940 億,活躍參數 170 億,並支援 MXFP8 與 NVFP4 數值格式。
與前代 Inkling Small 相比有何差異?
官方數據顯示幻覺率由 61% 降至 27%,自動化任務通過率由 5% 提升至 46%,程式測試分數由 5% 提升至 25%。不過幻覺率下降主因是回答題數減少,準確率僅小幅提升;平均每項 Intelligence Index 任務輸出約 150,000 個 token,約為前代 37,000 個 token 的 4 倍。
使用時有什麼限制?
知識僅限於訓練截止時可得的資訊。官方不建議在未經額外微調、領域驗證與人工監督的情況下,將它用於醫療、法律或安全關鍵決策。