Thinking Machines Lab の Inkling、エージェント型知識作業での性能を検証

記事の3ポイント

1. 1

   AA-Briefcase ベンチマークでの評価

   Thinking Machines Lab の Inkling は「AA-Briefcase」で Elo 836 を記録し、DeepSeek V4 Flash より上位だが、Nemotron 3 Ultra や GLM-5.2 などの主要オープンウェイトモデルには劣る結果となった。

2. 2

   非標準ファイル処理の弱点

   Inkling はマルチモーダル対応を有するものの、Excel、PowerPoint、PDF、Word 以外の非標準ファイルを含むタスクにおいて、正答率（Rubric）が最も低くなる傾向を示した。

3. 3

   プレゼンテーションと分析品質の乖離

   Inkling はプレゼンテーション品質（Elo 863）で分析品質（Elo 764）を上回っており、専門的な構成よりも視覚的・形式的な完成度において高い評価を得ている。