- Inkling 是由前 OpenAI CTO 創辦的 AI 初創公司推出的開放式模型。
- Inkling 採用混合專家系統，能在保持大規模的同時運行更快、成本更低。
- 該模型的完整權重已上傳至 Hugging Face，並採用開源許可證。
- Inkling 在編碼性能上消耗的 Token 數量顯著低於競爭對手。
近日，由前 OpenAI 首席技術官米拉·穆拉蒂（Mira Murati）創辦的 AI 初創公司 Thinking Machines Lab 正式推出其首個基礎模型 Inkling。與 OpenAI、Anthropic 或 Google 的旗艦模型不同，Inkling 採用開放權重模式，外部開發者和企業可直接下載並修改該模型。這一舉動被外界解讀為穆拉蒂完成了一件其前僱主 OpenAI CEO 山姆·奧爾特曼不願意實現的事情——發布一個真正開放的前沿 AI 模型。
Inkling 模型的設計與架構
開發 AI 模型 Inkling 是一個混合專家（MoE）系統，總參數達 9750 億，但每次激活僅調用約 410 億參數。這種設計使模型在保持大規模的同時運行更快、成本更低。該模型在 45 萬億 Token 的文本、圖像、音頻和視頻數據上完成了訓練，能夠原生推理這四種模態，但目前輸出仍限於文本，包括代碼、樣式化工件和結構化數據，最大上下文長度達 100 萬 Token。
從架構上而言，Inkling 的 MoE 架構主要參考了 DeepSeek-V3，訓練後期還使用了 Kimi K2.5 等開放模型生成的數據進行優化。
開放式模型的優勢與特點
完整的模型權重已上傳至 Hugging Face，並採用 Apache 2.0 開源許可證。Thinking Machines 在簡報材料中明確承認，Inkling “並非當前最強模型，無論閉源還是開源”。該公司的主打是均衡性能與可定製性。在第三方基準測試中，Inkling 在軟件工程領域取得 77.6%（SWE-bench Verified），超過美國開源對手英偉達 Nemotron 3 的 71.9%。
更為關鍵的是，Inkling 在實現相同編碼性能時，消耗的 Token 數量僅為英偉達 Nemotron 3 Ultra 的三分之一。該模型還支持 “思考力度”調節，使用者可在速度與準確性之間進行權衡。此外，Inkling 被設計為 “直接回答可能受到審查的話題”，為擔心事實輸出的企業提供了更可信的選項。
Inkling 模型對開放式 AI 的影響
Inkling 的推出標誌著開放式 AI 模型的一個重要進展，特別是在市場上對透明性和可定製性的需求日益增加的背景下。前 OpenAI CTO 的這一舉動不僅挑戰了傳統的閉源模型，也為開發者提供了更多的選擇和靈活性。這樣的開放權重模式使得企業能夠根據自身需求進行調整，並可能促進創新，尤其是在 AI 應用的多樣化方面。