思维机器实验室发布Inkling，一款专为企业定制而生的开放权重AI模型_新闻

免责声明：内容不构成买卖依据，投资有风险，入市需谨慎！

思维机器实验室发布Inkling，一款专为企业定制而生的开放权重AI模型

2026-07-16 05:12:19

Thinking Machines Lab 发布 Inkling：专为企业定制打造的开源权重 AI 模型

由前 OpenAI 首席技术官 Mira Murati 创立的人工智能初创公司 Thinking Machines Lab，于本周三发布了其首个专有 AI 模型——Inkling。这是一个开源权重系统，标志着该公司与大型竞争对手“一刀切”模式的显著区别。该模型采用混合专家架构，总参数量达 9750 亿，但每项任务仅激活约 410 亿参数。它允许外部开发者和企业直接下载并修改，从而定位为 OpenAI、Anthropic 和 Google 所售封闭模型的灵活替代方案。

Inkling 与其他 AI 模型有何不同

根据公司发布的材料，Inkling 接受了涵盖文本、图像、音频和视频在内的 45 万亿个数据 token 的训练，并能够原生处理这三种模态。与大型实验室主要作为通用聊天机器人销售的旗舰模型不同，Inkling 专为希望根据自身特定需求调整 AI 的组织而设计。该模型包含多项功能，例如校准响应（在不确定时标记而非猜测）以及用户可调节的“思考强度”旋钮，用于在深度和速度之间进行权衡。在一项内部基准测试中，该公司声称 Inkling 在达到同等编码性能时，使用的 token 数量仅为 Nvidia Nemotron 3 Ultra 的三分之一。不过，该公司明确表示，Inkling “并非当前可用（无论是封闭还是开源）的最强模型”。

开源权重 AI 背后的战略赌注

Thinking Machines Lab 将 Inkling 定位为企业定制化的起点，而非最终成品。该公司的 Tinker 平台允许组织根据自身数据和工作流程对模型进行微调。这一策略基于一个更广泛的论点：向所有人销售相同产品的集中式 AI 实验室，其表现往往不如那些允许组织自行塑造的模型。Thinking Machines 上周发布的一篇博客文章认为，当 AI 以集中方式训练并固化后，特定于各个组织的专业知识就会丢失。这一论点正获得越来越多的认同：微软 CEO Satya Nadella 在上周日的博文中警告称，使用专有 AI 模型的企业实际上是在支付双重费用——一次是订阅成本，另一次是交出嵌入在提示和修正中的业务知识，这些知识可能会被吸收到未来的模型版本中。Hugging Face 的 CEO Clem Delangue 上周也做出了类似预测，他认为前沿模型将越来越多地被保留用于实验，而大多数生产性 AI 工作将转向私有或开源替代方案。

来自 Bridgewater Associates 项目的证据

或许支持这一论点最清晰的证据，来自最近涉及全球最大对冲基金 Bridgewater Associates 的一个项目。来自两家公司的研究人员将一个现有的开源模型在 Bridgewater 自身的金融专业知识基础上进行了进一步训练。结果，该模型在金融推理测试中获得了 84.7% 的分数，击败了顶级专有 AI 模型，同时运行成本仅为其约十四分之一。这些结果由两家公司于 6 月下旬联合发布，虽非独立评估，但展示了定制化开源权重模型的潜力。

Thinking Machines 如何构建 Inkling 及其成本

Thinking Machines Lab 强调了其将 Inkling 推向市场的速度：从公司成立到模型发布大约九个月，而 OpenAI 和 Anthropic 则分别用了大约五年和三年。该模型完全在 Nvidia 的 GB300 NVL72 系统上训练，作为双方于 3 月宣布的战略合作伙伴关系的一部分，该合作还包括部署 1 吉瓦的 Vera Rubin 计算能力。该公司尚未披露训练 Inkling 的总成本，也未详细说明其收入情况，据多数报道，到目前为止收入并非主要关注点。据报道，去年 11 月该公司曾计划进行一轮 500 亿美元的融资，但多家媒体在 1 月报道称该计划已搁浅；此后公司一直拒绝就其融资状况置评，不过 Nvidia 在宣布合作时表示对 Thinking Machines 进行了“重大投资”。该公司的赌注或许不在于其最终能否像大型竞争对手那样投入巨资，而在于它或许根本不需要这么做——因为一旦权重公开，任何人都没有义务向 Thinking Machines 支付运行费用。该公司表示，其收入将来自模型定制平台 Tinker，通过训练、微调以及从围绕该平台构建的托管生态系统中分账来实现。

蒸馏与数据来源问题

当被问及 Inkling 是否使用了竞争对手模型的输出进行训练时——这种做法被称为“蒸馏”，已在业界引起广泛关注——该公司承认部分使用了这种方法。Thinking Machines 从头开始对 Inkling 进行了预训练，但在大规模强化学习接管之前，使用了包括 Moonshot AI 的 Kimi K2.5 在内的其他开源权重模型来帮助生成早期的一些后训练数据。该公司坚称，下一个模型将完全使用自包含的后训练方法。

公司文化与员工人数

据一位接近公司的消息人士透露，Thinking Machines Lab 目前约有 200 名员工，较今年早些时候一波离职潮后报道的人数有所增加。该消息人士称，此次人员流动符合更广泛的行业趋势。该消息人士补充说，该公司对与大型竞争对手玩同样的人才游戏不感兴趣，更倾向于保持连续性，而非依赖任何单一个人。考虑到该公司的故事中，无论有意与否，仍有很大一部分围绕着其如今声名显赫的联合创始人 Mira Murati，这一立场值得注意。

结论

Inkling 代表着 Thinking Machines Lab 在经过一年半基本上处于幕后开发阶段后，首次公开亮相。该模型并非定位为同类最佳，而是作为大型竞争对手所售封闭模型的一个全面、可定制的替代方案。该公司押注开源权重、企业驱动的 AI 能否成功，取决于组织是否愿意投资于微调自己的模型，而非依赖集中式实验室——以及 Thinking Machines 能否从其 Tinker 平台产生足够的收入，以维持其基础设施雄心。关于集中式与定制化 AI 的更广泛行业争论远未尘埃落定，但 Inkling 为这一论点提供了一个具体、可检验的形态。

常见问题解答

问：什么是 Inkling？
答：Inkling 是由前 OpenAI 首席技术官 Mira Murati 创立的初创公司 Thinking Machines Lab 发布的一款开源权重 AI 模型。它采用混合专家架构，总参数量为 9750 亿，每项任务激活约 410 亿参数，旨在通过公司的 Tinker 平台为企业提供定制化服务。

问：Inkling 与 OpenAI、Anthropic 和 Google 的模型相比如何？
答：Thinking Machines Lab 明确表示，Inkling 并非当前可用的最强模型。它设计目标是提供全面的性能和企业的可适应性，而非追求顶尖的基准分数。与大型实验室的旗舰模型不同，Inkling 是开源权重的，这意味着开发者可以直接下载并修改。

问：企业如何使用 Inkling？
答：企业可以下载 Inkling，并通过 Thinking Machines Lab 的 Tinker 平台进行微调，该平台允许针对特定数据和工作流程进行定制。公司的收入模式基于 Tinker 服务——训练、微调和托管，而非基于对模型本身的计量访问。

免责声明：

本网站、超链接、相关应用程序、论坛、博客等媒体账户以及其他平台和用户发布的所有内容均来源于第三方平台及平台用户。百亿财经对于网站及其内容不作任何类型的保证，网站所有区块链相关数据以及其他内容资料仅供用户学习及研究之用，不构成任何投资、法律等其他领域的建议和依据。百亿财经用户以及其他第三方平台在本网站发布的任何内容均由其个人负责，与百亿财经无关。百亿财经不对任何因使用本网站信息而导致的任何损失负责。您需谨慎使用相关数据及内容，并自行承担所带来的一切风险。强烈建议您独自对内容进行研究、审查、分析和验证。

展开阅读全文