Thinking Machines Inkling：Mira Murati 首个开放权重模型深度解析

Thinking Machines Lab 是由前 OpenAI 首席技术官 Mira Murati 创立的初创公司，近日发布了其首个自研模型：Inkling——一款开放权重、多模态混合专家（Mixture-of-Experts，MoE）系统。这次发布的亮点不在于模型规模，而在于其背后的战略逻辑。Inkling 并非为了赢得基准测试而生，而是为了让各类组织能够下载、微调并按需改造。本文将详细介绍 Inkling 的技术规格、基准测试表现、"可控推理强度"理念，以及开放权重基础模型对 AI 智能体开发的实际意义。

Inkling 是什么？

Inkling 是 Thinking Machines Lab 于 2026 年 7 月 15 日发布的首个公开模型，是该实验室历经约 18 个月私下基础设施建设后交出的第一份成绩单（TechCrunch）。

以下是来自实验室官方发布文章的核心参数：

• 总参数量 9750 亿，激活参数 410 亿 — 采用混合专家（MoE）Transformer 架构，每个 token 仅激活一小部分权重，使超大规模模型在推理时更快、成本更低。
• 上下文窗口长达 100 万 token。
• 在 45 万亿 token 上预训练，训练数据涵盖文本、图像、音频和视频，原生支持四种模态的跨模态推理。目前输出形式为文本，包括代码、结构化数据和格式化内容。
• 开放权重 — 完整权重已上传至 Hugging Face，提供原始检查点和适用于 NVIDIA Blackwell 高效推理的 NVFP4 检查点两个版本。
• Inkling-Small 预览版，参数量为 2760 亿（激活参数 120 亿）的 MoE 模型，针对低成本、低延迟场景优化。

最引人注目的一句话来自实验室自身："Inkling 并非当前最强的模型，无论是开放还是闭源。"这不是一句保守的免责声明，而是整个战略的核心所在。

核心赌注：自行微调

大多数前沿实验室——OpenAI、Anthropic、Google——都是先推出通用聊天机器人，再逐步叠加智能体功能。Inkling 则反其道而行之。Thinking Machines 将其定位为定制化基础，而非成品：一个广泛、均衡的基础模型，供各组织通过实验室的微调平台 Tinker 适配自身业务流程。

该公司在发布前的一篇文章中阐述了这一逻辑：集中训练后冻结的模型，其表现不如各组织围绕自身专业知识定制的模型。这一观点正获得越来越多的外部认可：微软 CEO 萨提亚·纳德拉近期警告称，依赖闭源模型的企业实际上"付了双倍代价"——既要支付订阅费，又将专有知识输送给了他人未来的模型版本（TechCrunch）。

Thinking Machines 给出的最有力案例来自与对冲基金 Bridgewater Associates 的合作：研究人员在 Bridgewater 的金融专业知识上对开放模型进行微调，据报道在金融推理测试中取得了 84.7% 的得分，运行成本约为顶级专有模型的十四分之一。需要指出的是，这些数据来自两家公司的自评，并非独立第三方评估。

这种模式也意味着风险自担。由于客户自行微调 Inkling，他们——而非 Thinking Machines——需要对定制化版本的安全性负责。此外，这一级别的微调需要具备真正的机器学习专业能力。

可控推理强度

对智能体开发者而言，最值得关注的特性是可控推理强度（controllable thinking effort）。Inkling 允许用户调节推理深度——在精度与速度、成本之间灵活权衡——且该设置可在代码或智能体框架内动态调整。在 Hugging Face transformers 中，该功能通过 reasoning_effort 参数暴露，提供多个命名级别。

这一特性的重要性在于：在生产环境的智能体中，成本和延迟通常是核心约束，而非峰值基准分数。Inkling 的发布展示了从 0.2 到 0.99 的推理强度扫描结果，表明模型能以比竞品默认设置更少的 token 达到相同得分。最典型的例子：在 Terminal Bench 2.1 上，Inkling 仅用 NVIDIA Nemotron 3 Ultra 约三分之一的 token 就达到了相同水平。

有趣的是，这种效率在一定程度上是在强化学习过程中自然涌现的。经过超过 3000 万次强化学习（RL）rollout，Inkling 的思维链在无需直接训练目标的情况下自发变得更加简洁——省略冠词和连接词，同时保持可读性并得出相同答案。效率本身驱动了这种压缩，而非显式的训练目标。

Inkling 基准测试表现

Inkling 定位为具有竞争力的开放权重模型，而非绝对领先者。以下是发布时的部分代表性结果（推理强度设为 0.99）：

• SWEBench Verified： 77.6% — 优于 Nemotron 3 Ultra（70.7%），与 Kimi K2.6（80.2%）和 GLM 5.2（80.0%）大致持平，落后于 Claude Fable 5（95.0%）等闭源模型。
• Terminal Bench 2.1（最佳 harness）： 63.8% — 在开放权重模型中处于中游；在此项测试中落后于 GLM 5.2（82.7%）。
• GPQA Diamond： 87.2%；AIME 2026： 97.1% — 推理能力强劲。
• FORTRESS（对抗性安全测试）： 78.0% — 在实验室对比的所有开放权重模型中内置安全防护最高，且不会对无害的相似查询过度拒绝。
• 多模态： MMMU Pro（视觉）73.5%，VoiceBench（音频）91.4% — 在开放权重全模态模型中属于较强水平。

这一格局是刻意为之：在文本、智能体、多模态和安全性方面追求广泛均衡，而非在某个单一排行榜上冲顶。独立验证在此尤为重要——部分得分依赖实验室自有或自报告的测试框架。

构建方式（及蒸馏问题）

以下是面向技术读者的架构说明。MoE 设计主要参照 DeepSeek-V3（256 个路由专家、2 个共享专家、每 token 激活 6 个）。注意力机制以 5:1 的比例交替使用滑动窗口层和全局层，值得注意的是，Thinking Machines 采用相对位置编码而非 RoPE，并报告了更好的长度外推能力。训练使用混合 Muon/Adam 优化器，在 NVIDIA GB300 NVL72 系统上完成。

公司坦诚披露了一个值得关注的细节：为启动后训练阶段，他们在其他开放模型生成的合成数据上进行了初始监督微调，包括 Moonshot AI 的 Kimi K2.5——这种做法被称为蒸馏（distillation）。实验室表示，这部分计算量占比很小，且下一个模型将采用完全自包含的后训练流程。

速度也是其宣传重点之一：OpenAI 用了约五年将技术推向市场，Anthropic 约三年，而 Thinking Machines 声称仅用了约九个月。

开放权重对 AI 智能体的意义

对于构建智能体的团队而言，真正有意义的转变不在于参数量，而在于部署模式。开放权重基础模型从根本上改变了经济逻辑：无需按 API 调用向闭源提供商付费，你可以在自有基础设施上运行模型，针对特定领域进行微调，并将定制化模型保持私有。这与推动本地开放智能体栈兴起的"掌控自己的 AI 劳动力"逻辑如出一辙。

Inkling 的可控推理强度和面向智能体 harness 的训练方式与这一场景高度契合。一个可以在复杂步骤时放慢推理、在简单步骤时加速运行的模型——在你自己的智能体循环内——正是长流程、多步骤工作流所需要的。如果你正在评估开放权重选项，我们对 DeepSeek V4 Pro、GLM-5.2 和 Kimi K2.7 Code 的深度解析涵盖了 Inkling 所对标的其他前沿开放权重模型。

用开源 AI 劳动力付诸实践

Inkling 的核心理念——可适配、自托管的 AI 优于一刀切的方案——与 Eigent 背后的赌注如出一辙。Eigent 是一款开源"协作"桌面应用，可在本地运行多智能体 AI 劳动力。Inkling 是你可以微调的基础模型，而 Eigent 则是其上的劳动力层：一支能够在你自己的机器上自动化真实多步骤工作流的智能体团队，使用你选择的模型。如果你想让开放权重模型真正投入使用，而不只是停留在阅读基准测试，立即下载 Eigent，开始构建你自己的智能体工作流。