Thinking Machines Lab 发布 Inkling 开源权重模型

Thinking Machines 在发布时做出了一个不同寻常的选择：他们公开发布 Inkling，并明确声明其并非当前最强的模型，无论是闭源还是开源。这并非虚假谦虚——而是对产品实际销售内容的有意重新定位。Tinker 平台在 Inkling 发布前八个月推出，是收入引擎。Inkling 是燃料。每一家在 Tinker 上微调 Inkling 的企业都会生成训练数据、反馈循环和平台锁定效应，而这种效应是与 OpenAI 或 Anthropic 的托管 API 关系无法复制的。^[1]

桥水基金的案例研究以数字形式最清晰地表达了这一论点。桥水微调后的 Inkling 变体在金融推理任务上达到了 84.7% 的准确率——这是一个特定领域的基准，通用模型无法集中优化——成本仅为领先专有替代方案的约十四分之一。^[2]其含义是结构性的：随着领域特异性增强，微调后的开源模型与通用闭源模型之间的差距会扩大。Thinking Machines 押注的是，大多数高价值的企业 AI 工作都是领域特定的，而能够围绕强大开源基础提供最佳微调基础设施的公司，将比任何追逐通用智能排行榜榜首的公司捕获更多的企业价值。

发布声明立即引发了高参与度的回应。Thinking Machines 的官方帖子和 Mira Murati 的个人公告在最初几小时内共同获得了数万次点赞和数百条回复。在 YouTube 上，早期报道偏向于动手评测和架构解析，Hugging Face 官方频道和独立评测者均注意到该模型作为微调基础而非旗舰基准参赛者的不寻常定位。

Inkling 在效率上优于同类开源权重模型并非偶然——而是特定架构选择的结果。这款 66 层仅解码器的 Transformer 使用稀疏专家混合（MoE）架构，每层有 256 个路由专家和 2 个共享专家，但每个 token 仅激活 6 个路由专家。这意味着 9750 亿参数总数是一个理论容量；实际推理计算量对应的是 410 亿激活参数，这正是 Inkling 在 Terminal Bench 2.1 上实现同等性能时所用 token 数量仅为 Nvidia Nemotron 3 Ultra 约三分之一的原因。^[3]

可控推理努力系统是一个较少被讨论但意义重大的架构特性。开发者可以传入一个从 none 到 max 的 reasoning_effort 参数，有效选择推理时的每 token 计算预算。这在大多数竞争性开源权重模型中不可用，并对企业部署产生直接成本影响：文档分类任务可以以 minimal 模式运行，而复杂金融分析则以 high 或 xhigh 模式运行。通过超过 3000 万次 rollout 的异步强化学习（RL）训练，并采用混合 Muon/Adam 优化器，进一步强化了这一能力。^[4]从零开始对文本、图像、音频和视频进行原生多模态预训练——而非将视觉功能打补丁到纯文本基础模型上——意味着音频和图像表示共享相同的 token 空间和注意力层，这正是 Murati 所描述的精细交互建模能力的基础。

基准测试结果在实践中反映了这些架构选择。Inkling 在 AIME 2026 上得分为 97.1%，在 GPQA Diamond 上为 87.2%，在 SWE-bench Verified 上为 77.6%，在 VoiceBench 上为 91.4%，在 FORTRESS 对抗性安全评估上为 78.0%——在最后一项指标上，其得分在同类开源权重模型中最高。^[4]这些分数使 Inkling 在大多数维度上领先于 Nemotron 3 Ultra，同时每项任务所需的推理计算量显著更少。

Inkling 发布的竞争背景既是商业的，也是地缘政治的。中国实验室——尤其是 DeepSeek 和 Kimi——在 2025 年和 2026 年的大部分时间里主导了开源权重排行榜，发布了在 Apache 类许可证下具有强大基准性能的模型，西方企业可以自行托管。Inkling 作为首个在美国人工智能分析指数中达到第 41 名的美国开源权重模型进入市场，超越了 Nvidia 的 Nemotron 3 Ultra（第 38 名）和 Google 的 Gemma 4 31B（第 29 名）。^[3]该排名特别针对美国本土模型，将 Inkling 定位为有数据主权要求或美国采购偏好的企业的本土替代方案。

Apache 2.0 许可决定是这一竞争定位的核心。Apache 2.0 允许商业使用、修改和再分发而无需支付版税，这与使 DeepSeek 发布具有颠覆性的宽松基准相同。Inkling 的后训练还整合了来自 Kimi K2.5 的合成数据，这一细节说明了能力如何迅速在开源权重生态系统中传播，无论其国家来源如何。^[5]与 TogetherAI、Fireworks、Modal、Databricks 和 Baseten 在发布时的推理合作，表明其试图构建与中国开源权重模型快速企业采用相同的可访问生态系统——而无需组织自行管理 2TB+ VRAM（BF16）或 600GB VRAM（NVFP4）的基础设施以实现全规模托管。

Thinking Machines 的安全评估得出了一个准确但结构性令人不安的结论：Inkling '并未表现出超出当前开源权重生态系统已有水平的实质性风险提升'。这是一个有意义的安全声明，但它衡量的是相对于一个本身并非无风险的现有基准的风险。开源权重生态系统已经包含可以被微调用于有害目的的强能力模型；达到'不比现有模型更差'的标准，并未解决每个新的高能力开源权重发布为该基准累积增加的风险问题。^[5]

更深层的结构性问题是，Apache 2.0 许可与角色扮演和间接提示带来的残余风险相结合，创造了一种专有模型提供商可以避免的组合：一旦 Inkling 的权重公开，Thinking Machines 就没有集中式的补丁通道。GPT-4o 或 Claude 中发现的漏洞可以在几小时内通过服务器端缓解。而 Inkling 权重中的漏洞则需要发布新模型，或依赖下游部署者实施防护措施——两者均无法保证。联合创始人 Lilian Weng 的存在表明这一权衡是清醒做出的，模型卡中明确承认角色扮演和间接提示风险，反映了真正的透明度。^[5]通过开源许可最大化采用与对已部署实例维持有意义的安全治理之间的紧张关系尚未解决，并且随着微调后的 Inkling 变体在 Thinking Machines 无可见性的企业部署中扩散，这一问题将变得更加尖锐。