7月16日消息，前 OpenAI CTO Mira Murati 创办的 Thinking Machines Lab 发布首个自研模型 Inkling，并以 Apache 2.0 许可开放全部权重。这是公司成立以来交出的第一个从零训练的模型。与 OpenAI、Anthropic、Google 的闭源旗舰不同，Inkling 从一开始就允许外部开发者下载、修改和微调。模型采用 MoE 架构，总参数 9750 亿、每 Token 激活 410 亿，支持 100 万 token 上下文。值得注意的是，官方明确表示 Inkling 并非当前最强的模型，无论开源还是闭源，而是要做一个「适合拿去定制的开源基座」。此外，模型虽原生接受文本、图像、音频输入，但输出仅限文本；公布的 benchmark 多为公司自述，部分直接采用 Artificial Analysis 的外部评测分数。
9750 亿参数的开源 MoE，架构大体沿用 DeepSeek-V3
按官方技术材料，Inkling 是一个 66 层的解码器结构，前馈层采用稀疏 MoE：每个 Token 从 256 个路由专家中选取 6 个，外加 2 个对所有 Token 都激活的共享专家。官方称其 MoE 设计大体沿用 DeepSeek-V3，并使用基于 sigmoid 的路由和无辅助损失的负载均衡偏置。注意力部分按 5:1 交替使用滑动窗口层与全局层，并采用相对位置编码而非更常见的 RoPE，官方称后者在长序列上的外推表现更好。音频和视觉走的是无编码器路线，音频以 dMel 频谱输入，图像切成 40×40 像素的 patch，与文本 token 联合处理。
训练方面，Inkling 在 45 万亿 token 的文本、图像、音频、视频数据上预训练，跑在英伟达 GB300 NVL72 系统上，混合使用 Muon 优化大矩阵权重、Adam 优化其余参数。后训练先用包括 Kimi K2.5 在内的开源模型生成的合成数据做了一轮启动式 SFT，随后把大部分算力投入大规模强化学习，RL 累计超过 3000 万条 rollout，推理能力在整个过程中呈对数线性提升。模型还支持可调节的「思考强度」，官方称在 Terminal Bench 2.1 上达到与 Nemotron 3 Ultra 相同分数时，Inkling 只花约三分之一的 token。 权重已上线 Hugging Face，同时提供原始 checkpoint 和面向英伟达 Blackwell 系统的 NVFP4 版本，并已通过 TogetherAI、Fireworks、Modal、Databricks、Baseten 等多家平台的 API 提供部署。
配套 Tinker 与 Inkling-Small，把价值锚定在微调
Inkling 的发布逻辑与主流闭源旗舰不同。Thinking Machines 把它定位为一个可微调的开源基座，配合自家的 Tinker 训练平台，让开发者用自有的专业知识把模型改造成专用工具，而不是直接调用一个统一的通用聊天模型。为了让开发者先「上手感受」，公司在 Tinker 控制台加入了 Inkling Playground 聊天界面。官方还演示了让 Inkling 通过 Tinker 给自己写微调任务、运行并评估结果的过程，用来说明定制在实践中意味着什么。
同批发布的还有更小的 Inkling-Small，总参数 2760 亿、激活 120 亿。官方称它在推理和 agentic 任务上表现接近体量更大的 Inkling，在部分 benchmark 上甚至反超，得益于为小模型单独改进的预训练数据与配方；但也承认其在 SimpleQA 等事实性任务上明显更弱。需要说明的是，Inkling-Small 目前仍是预览版，官方称测试完成后才会放出完整权重。
定位是「交互模型」的后台推理引擎
官方披露了 Inkling 的一个具体用途：作为其此前预览的「交互模型」系统的后台推理模型。交互模型主打用户以语音和视觉实时协作，这要求一个原生具备广泛多模态能力的基座。这也解释了 Inkling 为何在只能输出文本的情况下，仍投入大量资源训练音频和图像的原生输入能力——它被设计成协作系统背后「思考」的那一层，而不是直接面向终端用户的对话产品。
从公开的对比数据看，Inkling 的定位与官方的自我描述一致。在 AIME 2026 上得 97.1%、GPQA Diamond 得 87.2%、SWEBench Verified 得 77.6%，在开源权重模型中属于第一梯队；但在最难的 Humanity's Last Exam（纯文本 29.7%）和 SimpleQA 等事实性测试上，明显落后于 GPT-5.6 Sol、Claude Fable 5、Gemini 3.1 Pro 等闭源旗舰。在 Design Arena 的 Agentic Web Dev 盲评榜上，Inkling 位居开源模型前列，但整体排名处于中游。 真正的差异化在分发方式，不在参数规模
这次发布容易被读成「又一个开源大模型追赶闭源」。但 Thinking Machines 自己就否定了这个框架——官方直言 Inkling 不是最强模型，价值在于「多模态输入、高效思考、以及可在 Tinker 上微调」这组组合。真正的增量是分发和商业模式：公司押的是「开源权重 + Tinker 微调平台」，把价值锚定在帮客户把模型改造成专用工具，而不是卖一个统一的通用模型订阅。这条路线针对的是 OpenAI 一体通吃打法覆盖不到的定制化需求，也和 Murati 此前反复强调的「让人人都能定制模型」的方向一致。
两个技术信号值得单独留意。其一，一家由前 OpenAI CTO 创办、位于美国的前沿实验室，公开表示 MoE 设计大体沿用 DeepSeek-V3，还用包括 Kimi K2.5 在内的开源模型合成数据来启动后训练，说明中国开源模型的架构与产出正在成为跨阵营的公共基础设施。其二，官方把 benchmark 的一部分直接交给 Artificial Analysis 外部评测，而非全部自评，这在自述成绩普遍偏乐观的当下，是一个相对克制的做法。需要保留的边界是，其余成绩仍为公司自评、缺少全面的第三方复现，且「原生多模态」只到输入层，输出仍限文本。
接下来要看第三方评测与 Tinker 上的真实采用
后续最值得观察的有三点。一是第三方独立评测，官方对比中 Inkling 与 GPT-5.6 Sol、Claude Fable 5、Gemini 3.1 Pro 以及 GLM 5.2、DeepSeek V4-Pro 等模型的相对位置，需要社区在统一口径下复测来验证。二是 Tinker 平台上的真实采用，Inkling 的价值高度依赖「有多少开发者真的拿它去微调」，这决定了开源加微调的商业模式能否成立，也是判断这家公司能否把融资与声量转化为收入的关键。三是 Inkling-Small 的最终定位，如果一个 2760 亿参数、仅激活 120 亿的小模型确实能在多数任务上接近近万亿的大模型，那么大模型本身的使用场景会被压缩，完整权重何时放出、五折优惠期结束后的定价，都会影响开发者的选型。
AI 速览
