Felo API PlatformFelo API Platform
返回模型列表

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

1 個供應商

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。

供應商 · 計費明細
可用率
$0$0

基準測試

  • EnterpriseBench-CoreCraft

    由 Surge AI 評測,衡量代理式 AI 能力

    71.8%
  • CritPt v2

    對比 Inkling Small 的 34% 與 Gemini 3.8 Flash high 的 65%

    56%
  • GPQA Diamond

    89.5
  • SWE-bench Verified

    80.2
  • MMMU Pro Standard 10 Options

    74
  • Terminal Bench 2.1

    64.7
  • MathArena AIME 2026

    95.5
  • HLE

    31.6

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

快速开始

直接复制代码,通过 Felo API Platform 兼容 API 调用该模型。写代码前可先在 Playground 测试提示词。

1

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"
2

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.

3

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。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

https://openapi.felo.ai/api/v1/messages

参数

名称类型默认值说明
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。

相關模型