Terug naar overzicht
🇺🇸 Thinking Machines · Verenigde Staten ZDR mogelijk #30 populair
Inkling
Niveau: Professioneel
Sterke allrounders met de beste balans tussen kwaliteit en prijs. Voor de meeste organisaties de slimste keuze.
Inkling is an open-weight multimodal mixture-of-experts model from Thinking Machines Lab, with 41B active parameters out of 975B total. It is designed for general-purpose reasoning, coding, agentic and tool-use systems,...
KostenLaag
SnelheidZeer snelgemeten · 208.7 tokens/sec
Werkgeheugen524K tokenshoeveel tekst het tegelijk aankan
SlimheidPrima42/100
Goede prijs-kwaliteit
33
waarde / 100
Loont de prijs?
Sterke balans tussen prijs en kwaliteit.
Bespaar slim: Claude Haiku 5.5
is minstens net zo slim voor 89% minder geld. Bovendien is het minstens even goed in programmeren. Voor de meeste taken merk je het verschil nauwelijks.
Goed voor
- E-mails, teksten en samenvattingen schrijven
- Programmeren en technische taken
- Snelle, goedkope chat en klantenservice
- Het verwerken van hele lange documenten
- Het lezen van afbeeldingen en scans
Minder geschikt voor
- Er zijn geen duidelijke beperkingen voor standaardgebruik
Aanbieder buiten de EU (Verenigde Staten & Canada). Let bij gevoelige gegevens op je verwerkersafspraken.
Zero Data Retention mogelijk. Dit model kan via OpenRouter worden ingezet bij een aanbieder die je invoer niet bewaart en niet gebruikt voor training — belangrijk voor vertrouwelijke bedrijfsgegevens. Stel ZDR in je OpenRouter-account in om dit af te dwingen.
Slimheid
42/100 · prima
Schrijven
68/100 · sterk
Programmeren
62/100 · sterk
Agent-taken
38/100 · basaal
Geavanceerd — voor professionals
Onderstaande gegevens zijn bedoeld voor wie de techniek wil doorgronden: ruwe benchmarkscores, gemeten snelheid/latency, prijsopbouw en databronnen. Niet nodig om een goede keuze te maken.
Benchmarks
Klik op een benchmark voor uitleg en alle uitslagen per model; het ?-knopje geeft een korte uitleg.
| Intelligence Index | 25 |
| Samengestelde slimheidsscore van Artificial Analysis: het gemiddelde over vele tests voor redeneren, kennis, wiskunde en code. Hoger = slimmer. Alle uitslagen & uitleg → | |
| Coding Index | 52.1 |
| Gemiddelde van programmeertests: hoe goed het model code schrijft, begrijpt en verbetert. Alle uitslagen & uitleg → | |
| Math Index | geen data |
| Gemiddelde van wiskundetests: rekenen, algebra en wiskundig redeneren. Alle uitslagen & uitleg → | |
| Agentic Index | 22.5 |
| Hoe goed het model zelfstandig meerstaps-taken uitvoert met tools (bestanden openen, zoeken, acties uitvoeren). Alle uitslagen & uitleg → | |
| MMLU-Pro | geen data |
| Grote kennistest met ruim 12.000 pittige meerkeuzevragen over 14 vakgebieden (recht, economie, natuurkunde…). Meet brede kennis en redeneren. Alle uitslagen & uitleg → | |
| GPQA Diamond | 87.2% |
| Zeer moeilijke wetenschapsvragen op PhD-niveau (biologie, natuur- en scheikunde). Zelfs menselijke experts halen hier maar ~65%. Alle uitslagen & uitleg → | |
| Humanity's Last Exam | 31.9% |
| De zwaarste kennistest die er is: duizenden extreem moeilijke vragen over honderden onderwerpen. Lage percentages zijn hier normaal. Alle uitslagen & uitleg → | |
| LiveCodeBench | geen data |
| Verse programmeeropgaven die pas ná de training van het model zijn verschenen — meet écht kunnen programmeren in plaats van onthouden. Alle uitslagen & uitleg → | |
| SciCode | 47% |
| Programmeeropgaven uit echte wetenschappelijke onderzoekspapers — combineert code en vakkennis. Alle uitslagen & uitleg → | |
| AIME (wiskunde) | geen data |
| Vragen van de Amerikaanse wiskunde-olympiade voor scholieren. Meet geavanceerd wiskundig redeneren. Alle uitslagen & uitleg → | |
| IFBench (instructievolgen) | geen data |
| Meet hoe precies het model instructies opvolgt, zoals eisen aan lengte, opmaak of vorm van het antwoord. Alle uitslagen & uitleg → | |
| τ²-bench (agent-taken) | geen data |
| Realistische klantenservice-scenario's (vluchten omboeken, abonnementen wijzigen) waarin het model zelfstandig regels moet volgen en tools gebruiken. Alle uitslagen & uitleg → | |
| Terminal-Bench (agent-taken) | 55.1% |
| Opdrachten die het model zelfstandig in een computerterminal moet uitvoeren — een zware test voor agent-vaardigheden. Alle uitslagen & uitleg → | |
Prestaties (gemeten)
| Output-snelheid | 208.7 tokens/sec |
| Time-to-first-token (latency) | 2.27 sec |
| Snelheidsbron | gemeten (Artificial Analysis) |
Design Arena (ELO)
Head-to-head ranglijst waarin modellen het tegen elkaar opnemen op praktijktaken (websites, code, UI, datavisualisatie). Hogere ELO = vaker gewonnen.
| Gemiddelde ELO | 1164 |
| webapps | ELO 1196 · rang 25 |
| svg | ELO 1110 · rang 57 |
| website | ELO 1224 · rang 57 |
| codecategories | ELO 1206 · rang 58 |
LM Arena (LMSYS Chatbot Arena)
De toonaangevende blind-test ranglijst waarin echte gebruikers antwoorden van twee anonieme modellen vergelijken. Hogere ELO = vaker verkozen door mensen.
| Arena ELO-score | 1439 |
| Ranglijstpositie | #83 wereldwijd |
| Menselijke beoordelingen | 22.229 stemmen |
Technische specificaties
| Model-ID | thinkingmachines/inkling |
| Contextvenster | 524.288 tokens |
| Kennis bijgewerkt tot | onbekend |
| Uitgebracht | 17 jul 2026 |
| Invoer | tekst, beeld, audio |
| Redeneren (reasoning) | ja |
| Populariteitsscore | 75/100 |
| Databronnen | openrouter, artificial_analysis, design_arena, lmarena |