Thinking Machines发布Inkling开源大模型，挑战通用AI垄断

发布概览

7月15日，前OpenAI首席技术官Mira Murati创立的Thinking Machines Labs正式发布首个公开权重模型Inkling。该模型以“开放‑可定制”为核心卖点，面向企业用户提供从下载到深度微调的完整闭环，意在打破OpenAI、Anthropic、Google等巨头的“一站式”通用模型垄断。

技术细节

规模与架构：Inkling整体拥有9750亿参数，采用Mixture‑of‑Experts（MoE）设计，实际推理时仅激活约410亿参数，显著降低算力和成本。
多模态训练：模型在45万亿个文本、图像、音频、视频令牌上进行预训练，具备原生跨模态推理能力，但当前仅对外提供文本输出（包括代码、结构化数据）。
可调节思考力度：用户可通过API调节“thinking effort”，在速度与质量之间灵活权衡；模型还能在答案中标记不确定性，而非盲目猜测。
算力平台：全模型在NVIDIA GB300 NVL72系统上完成训练，合作伙伴NVIDIA提供了相当于1吉瓦级的Vera Rubin计算资源。

市场定位与竞争

Inkling并不声称在所有指标上领先，而是追求“均衡表现”。公司称其在同等编码基准上，仅使用Nvidia Nemotron 3 Ultra三分之一的token即可达到相似性能。相比之下，OpenAI、Anthropic、Google的主流模型仍以通用聊天为核心，缺少企业级的可自定义深度。

生态与商业模式

Thinking Machines推出了名为Tinker的模型定制平台，帮助企业在Inkling基础上进行安全微调。平台收费主要来源于微调服务、托管与后续生态费用，而模型本身保持开源，用户无需为模型使用付费。此举呼应了Satya Nadella近期对企业“双付费”风险的警示，也与Hugging Face CEO Clem Delangue对“前沿模型只用于实验”趋势的预测相呼应。

前景与挑战

性能验证：Inkling在与Bridgewater Associates合作的金融推理测试中取得84.7%得分，成本约为同类专有模型的1/14，但评估体系为内部自研，缺乏第三方独立验证。
数据来源争议：公司承认在早期阶段使用了包括Moonshot AI Kimi K2.5在内的开源模型生成部分后训练数据，后续版本计划完全自研。此举可能在业界引发关于模型蒸馏伦理的讨论。
融资与规模：尽管曾传闻完成500亿美元融资，但截至目前官方未披露最新融资进度，且成本结构仍高度依赖NVIDIA的大规模算力合作。

Inkling的发布标志着AI产业从“封闭即服务”向“开放即平台”转型的加速。若企业能够克服微调人才门槛并建立安全治理体系，开源大模型有望在企业生产环境中抢占更大份额，进而重塑AI商业格局。