Thinky Machines 发布 Inkling 2 Small,ARC-AGI 基准成绩公开
Thinky Machines 的 Inkling 2 Small 跑分出炉了:ARC-AGI-1 拿 96.5%、ARC-AGI-2 拿 81.7%,都压过 DeepSeek V4.1 Flash 1017。但 ARC-AGI-3 只有 2.6%,被 DeepSeek 的 5.8% 反超。关注小模型推理能力上限的开发者可以看下这份对比数据。
Thinky Machines 的小型模型 Inkling 2 Small 在 ARC Prize 官方评测中公布成绩:ARC-AGI-3 上得分 2.6%,通过 provider adapter 模式总花费 704 美元,standard 模式得分 0.3%、花费 858 美元。
与前代模型的对比数据显示,Inkling 2 Small 在 ARC-AGI-1 上拿到 96.5%,超过 DeepSeek V4.1 Flash 1017 的 94.5%;在 ARC-AGI-2 上以 81.7% 领先对手的 78.1%。但在 ARC-AGI-3 上以 2.6% 落后于 DeepSeek V4.1 Flash 1017 的 5.8%。
ARC-AGI 系列基准专测抽象推理与泛化能力,ARC-AGI-3 难度最高,目前所有模型得分都很低。Inkling 2 Small 在低难度分项的接近满分表现说明小型模型也能在受限推理任务上逼近上限,但面对 ARC-AGI-3 这类需要长程探索的任务仍有明显差距。
Inkling 2 Small from @thinkymachines on ARC-AGI (Verified):
- ARC-AGI-3: 2.6%, $704 total (provider adapter); 0.3%, $858 total (standard)
It beat DeepSeek V4.1 Flash 1017 on ARC-AGI-1 (96.5% vs 94.5%) and ARC-AGI-2 (81.7% vs 78.1%), but trailed on ARC-AGI-3 (2.6% vs 5.8%). https://t.co/UJNieTlm9a
本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Inkling 2 Small、Thinky Machines、DeepSeek、ARC-AGI,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「ARC Prize」(@arcprize),经 AITOP 多维评分管线结构化提炼。