Thinking Machines Lab 推出 Inkling：以可定制开源模型重塑企业AI格局

由前OpenAI首席技术官Mira Murati创办的人工智能新锐企业Thinking Machines Lab，于本周三正式发布其首款专有模型Inkling。该系统基于开源权重设计，标志着公司与主流厂商“统一交付”模式的彻底分道扬镳。其采用混合专家架构，总参数量达9750亿，但实际运行中仅激活约410亿参数，兼顾性能与效率。开发者可自由下载并修改模型，定位为替代当前封闭式旗舰产品的灵活方案。

差异化设计：从通用对话到企业专属推理引擎

Inkling接受了涵盖文本、图像、音频及视频在内的45万亿级数据训练，具备原生多模态处理能力。与多数实验室主推通用聊天机器人不同，该模型专为希望深度定制自身工作流的企业而设。其内置功能包括不确定时主动标记而非臆测的校准机制，以及用户可调节的“思考强度”控制旋钮，用以平衡响应深度与计算速度。内部测试显示，在达成同等编码表现时，Inkling所消耗的token数量仅为Nvidia Nemotron 3 Ultra的三分之一。尽管如此，公司明确指出，Inkling并非当前最强模型。

开源权重背后的深层战略：让组织掌握自身知识资产

Thinking Machines Lab将Inkling视为企业自主化AI的起点，而非最终产品。其配套平台Tinker支持企业基于自有数据和业务流程对模型进行微调。这一理念建立在一项核心判断之上：集中训练的通用模型会稀释特定机构的专业知识。公司博客强调，当AI被固化为统一输出后，嵌入提示与修正中的行业洞察将不可避免地流失。此观点正获广泛呼应——微软CEO Satya Nadella近期警告，使用专有模型等于支付双重成本：订阅费与隐性知识转移。Hugging Face CEO Clem Delangue亦预测，未来前沿模型将更多用于实验，而生产级应用将转向私有或开源路径。

金融领域实证：定制化模型超越顶级闭源系统

最具说服力的案例来自全球最大对冲基金Bridgewater Associates的合作项目。研究人员利用现有开源模型，结合该机构独有的金融逻辑与历史数据进行再训练。结果表明，该定制版本在金融推理测试中取得84.7%的准确率，超越多个顶尖闭源模型，且运行成本仅为后者约十四分之一。尽管非独立审计，但这一成果凸显了基于专业数据微调开源权重模型的巨大潜力。

快速迭代背后的技术基建与资本布局

公司表示，从成立至模型发布仅历时九个月，远快于OpenAI的五年与Anthropic的三年周期。Inkling完全依托Nvidia GB300 NVL72系统完成训练，系双方3月宣布合作的一部分，后者还包括部署1吉瓦的Vera Rubin算力。尽管未披露具体训练支出，也未公开营收状况，但据多方报道，融资并非当前重点。此前传闻其曾计划募集500亿美元，但1月消息称该计划已搁浅；此后公司拒评融资进展，仅知Nvidia已对其作出“重大投资”。其盈利模式不依赖模型访问费，而是通过Tinker平台提供训练、微调与托管服务获取收益。

关于数据来源与模型蒸馏的透明度声明

面对业界对“模型蒸馏”（即使用其他模型输出训练）的关切，公司承认在强化学习阶段初期，曾借助Moonshot AI的Kimi K2.5等开源权重生成部分后训练数据。但强调该过程仅限于早期阶段，且所有基础预训练均从零开始。公司承诺，下一版本将完全采用自包含的后训练流程，避免对外部模型输出的依赖。

组织架构与人才策略：稳定优先于明星效应

据知情人士透露，目前公司员工规模约为200人，较年初经历一轮人员调整后趋于回升。该变动被视为行业整体趋势的缩影。值得注意的是，尽管创始人Mira Murati极具声望，公司却明确表示无意卷入“头部人才争夺战”，更看重团队持续性而非依赖单一人物。这一立场与其强调去中心化、企业主导的愿景高度一致。

未来展望：一场关于控制权的行业博弈

Inkling是Thinking Machines Lab历经一年半低调研发后的首次亮相。它不追求基准分数第一，而是致力于提供全面性能与高度可塑性的替代选择。公司的成败取决于两大关键：一是企业是否愿意投入资源进行模型微调，二是其Tinker平台能否产生足够收入以支撑长期算力投入。围绕集中式与定制化AI的争论尚未终结，但Inkling已为这场辩论提供了可验证的现实样本。

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Thinking Machines Lab推出的开源权重型AI模型，采用混合专家架构，总参数量达9750亿，每项任务激活约410亿参数，旨在通过Tinker平台为企业提供深度定制能力。

问：Inkling与OpenAI、Anthropic和Google的模型有何区别？答：公司明确表示，Inkling并非当前最强模型。其设计目标在于提供高适应性与可扩展性，而非极致性能。与闭源模型不同，Inkling允许直接下载并修改权重，赋予企业更强的控制权。

问：企业如何使用Inkling？答：企业可免费获取Inkling模型，并通过Tinker平台进行个性化微调，适配自身数据与业务流程。公司收入来源于Tinker平台的服务收费，包括训练、微调及托管服务，而非对模型本身的访问计费。