智东西

编译 | 茄子

编辑 | 程茜

智东西 7 月 16 日消息，今日，OpenAI 前 CTO 米拉 · 穆拉蒂（Mira Murati）创办的、美国 AI 独角兽 Thinking Machines Lab 发布其首个多模态 MoE 开放权重模型 Inkling。该模型的核心优势是可改造、可部署、可控成本，开发者能对模型微调、调节推理强度，以控制其效果、延迟和成本。

穆拉蒂在社交平台 X 上发帖称，这是我们首个模型，Inkling。从零开始训练，权重对外开放，即日起可在 Tinker 平台开展微调。

Mira Murati 发文宣布 Inkling（图源：X）

Thinking Machines Lab 联合创始人、前 OpenAI 研究安全副总裁翁荔发文称，Inkling 作为基础底座，在广泛任务维度拥有均衡扎实的能力，并提供实际落地与定制微调。

翁荔发文介绍 Inkling（图源：X）

目前，Inkling 已在 Thinking Machines Lab 旗下 Tinker 平台上线，支持 64K 和 256K 两种上下文长度，并限时提供 5 折优惠。Thinking Machines Lab 称，开发者可通过 Tinker 对 Inkling 进行调整，也可以先在 Tinker 控制台的测试页面 Inkling Playground 中体验聊天和 Agent 式网络搜索功能。

同时，Inkling 完整权重已在 Hugging Face 开放，开发者可下载原始 checkpoint 和 NVFP4 checkpoint，用于部署或调整该模型。

Inkling 开放权重（图源：Hugging Face）

据官方博客介绍，Inkling 基础模型借鉴了中国的 DeepSeek-V3 模型的 MoE 架构设计，并在后训练阶段使用了由月之暗面公司 Kimi K2.5 生成的数据进行了优化。

Inkling 借鉴中国 DeepSeek-V3、使用 Kimi K2.5 优化（图源：Thinking Machines Lab）

Inkling 采用 MoE Transformer 架构，总参数量 9750 亿，激活参数量 410 亿，最高支持 100 万 token 上下文窗口。在预训练阶段 Inkling 就融合了文本、图像、音频和视频数据，仅靠单一模型就能实现视觉理解、音频问答、代码开发和工具调用。

多名用户在社交平台分享了对 Inkling 模型的实测反馈。部分测试者认为 Inkling 在文学创作场景表现尚可、具备开发潜力。但是，也有开发者指出模型当前存在明显缺陷，认为其任务稳定性不足，并且综合性能尚未达到顶尖开放权重模型水平。

从基准测试看，Inkling 综合能力均衡。在大模型评测榜单 Artificial Analysis 中，Inkling 的综合测试得分为 41 分，高于 Nemotron 3 Ultra、Gemma 4 31B 等开放权重模型，在美国开放权重模型中排名第一。在通用智能和综合任务测试中，该模型获得 1238 Elo 分，超过 Kimi K2.6 和 DeepSeek v4 Flash（max）。

Inkling 在 Artificial Analysis 中的排名（图源：Artificial Analysis）

价格方面，在 64K 上下文窗口下，该模型输入价格为每百万 token 1.87 美元（约合人民币 12.65 元），缓存输入 0.374 美元（约合人民币 2.53 元），输出 4.68 美元（约合人民币 31.7 元）；在 256K 上下文窗口下，该模型输入价格为每百万 token 3.74 美元（约合人民币 25.3 元），缓存输入 0.748 美元（约合人民币 5.06 元），输出 9.36 美元（约合人民币 63.3 元）。

此外，Thinking Machines Lab 同步上线了轻量版本 Inkling-Small 预览版。该轻量化模型激活参数量为 120 亿，采用与 Inkling 相同的训练方案，在降低模型规模的同时，保留了部分核心能力。据官方博客透露，Inkling 只是开端，Thinking Machines Lab 会持续迭代拓展这条产品线。

Hugging Face 体验地址：

https://huggingface.co/thinkingmachines/Inkling

一、从写网页到制作游戏，Inkling 展示多任务 Agent 能力

Inkling 上线后，用户很快开始测试其文本、编码和工具调用能力。有的用户认为 Inkling 在文本创作表现良好，还有的开发者则对 Inkling 的网页生成能力进行了测试。

比如这位用户让 Inkling 创作 200 词的文本，Inkling 根据同一提示词生成了 3 篇风格统一的短篇科幻文本。该用户认为 Inkling 有较好的英文文本功底。

用户对 Inkling 的文本创作实测（图源：X）

这位用户则对 Inkling 开展多维度验证，他基于 Inkling 搭建只能书法教练应用，并测试了该模型的编码、工具调用与视觉能力。经过测试，他认为，这款从零开始训练的多模态模型具备不错的开发潜力。

用户对 Inkling 的生成应用的实测（图源：X）

但是，也有一些用户对 Inkling 的实际表现提出质疑。AI 研究者 Ethan Mollick 测试后称，Inkling 整体表现难以接近中国头部开放权重模型。他在测试中发现，Inkling 未能通过 Lem 诗歌测试，在 GLSL 编程调试中也存在输出不稳定的问题，即使开启最高推理强度，处理简单代码任务时仍会出现偏差。

用户对 Inkling 的实测表现不满意（图源：X）

Thinking Machines Lab 也通过案例展示了该模型在复杂任务执行、多轮迭代方面的能力。

在 Agent 任务方面，Inkling 可以结合工具调用完成端到端的软件开发。例如，在一次测试中，Inkling 仅根据一句需求描述，便生成了一个完整的求职网站，并进一步驱动浏览器 Agent 操作网页，根据已有资料自动填写求职表单。

Inkling 制作求职网站（图源：Thinking Machines Lab）

官方称，Inkling 在训练过程中适配了不同类型的 Agent 框架，并随机化训练阶段使用的工具集合和工具调用格式，使得该模型降低对特定工具环境的依赖，从而具备更强的任务迁移能力。

除了代码开发，Inkling 还展示了长流程任务处理能力。在一项测试中，Inkling 根据用户反馈持续优化一款多人在线贪吃蛇游戏，经过 40 轮迭代后，最终生成了包含实时服务器、AI Bot 和排行榜等功能的完整游戏。

Inkling 对贪吃蛇的长任务处理（图源：Thinking Machines Lab）

在图像和文本方面，Inkling 可以根据用户的要求生成一份设计风格统一的文档，并且具有详细的说明和准确的信息。

Inkling 制作的文档（图源：Thinking Machines Lab）

二、Inkling 在多项基准测试中表现均衡

第三方测试机构 Artificial Analysis 对 Inkling 进行了多项测试。在 Artificial Analysis Intelligence Index 测试中，Inkling 首次该进入榜单便获得 41 分，比此前领先的美国开放权重模型 Nemotron 3 Ultra 38 分高出 3 分，同时也优于 Gemma 4 31B 的 29 分和 gpt-oss-120b 的 24 分。

在衡量通用智能与综合任务表现的 GDPval-AA v2 测试中，Inkling 获得 1238 Elo 分，高于 Kimi K2.6 的 1190 分以及 DeepSeek v4 Flash（max）的 1189 分。

Inkling 在 GDPval-AA v2 测试中的分数（图源：Artificial Analysis）

此外，Inkling 还展现出较高的 token 效率。据 Artificial Analysis 测试，Inkling 平均生成约 2.5 万个 token，而 GLM-5.2（max）、Kimi K2.6 和 DeepSeek v4 Pro（max）分别需要约 4.3 万、3.8 万和 3.7 万个 token。这意味着，在达到相近任务效果时，Inkling 能够通过更少的推理 token 完成任务，从而降低实际部署成本和响应延迟。

Inkling 在 token 消耗上的排名（图源：Artificial Analysis）

Thinking Machines Lab 称，Inkling 并不是为了成为某一项测试中的最高分模型，而是希望打造一个覆盖推理、Agent、多模态、代码和事实准确性的综合型基础模型。他们认为，通用性对于定制化和实际应用至关重要：不同的用户需要能够适应截然不同的工作流程的模型。

Inkling 综合得分（图源：Thinking Machines Lab）

从下方表格也可以看到，Inkling 在多数测试表现中并未超过闭源模型，但在 SWE-bench Pro Public、GDPval-AA v2、MCP Atlas、VoiceBench 等测试中进入开放权重模型前列。

Inkling 在推理、Agent、代码、视觉、音频、安全等多项测试中的表现（图源：Thinking Machines Lab）

在评估模型处理银行业务代理任务能力的 Tau 3 Banking 测试中，Inkling 取得 23.7% 的成绩，高于 Kimi K2.6 的 20.6%，接近 DeepSeek v4 Pro 的 25.8%。

Inkling 在 Tau 3 Banking 测试中的分数（图源：Thinking Machines）

在代码能力测试中，Inkling 同样保持较强表现。在考察真实软件工程问题修复能力的 SWE-bench Pro Public 测试中，Inkling 取得 54.3% 的成绩；在评估模型终端操作与命令行任务完成能力的 Terminal Bench 2.1 测试中，使用最佳 Harness 时达到 63.8%。

Inkling 在代码能力测试上的分数（图源：Thinking Machines Lab）

在设计领域，Inkling 在 Design Arena 的智能 Web 开发排行榜上接受了评估，该排行榜由不知情的评估人员对生成的 Web 应用进行直接比较。在榜单上，该模型排在第 7 名。

Inkling 在设计领域分数（图源：Thinking Machines Lab）

在评估语音理解与语音交互能力的 VoiceBench 测试中，Inkling 取得 91.4% 的成绩；在衡量多模态音频理解能力的 MMAU 测试中达到 77.2%。

在考察多模态视觉理解与推理能力的 MMMU Pro 标准测试中，Inkling 取得 73.5%，能够完成图像描述、图表理解以及基于视觉信息的复杂推理任务。

Inkling 在音频和图像测试上的分数（图源：Thinking Machines Lab）

Thinking Machines Lab 称，Inkling 并非当前综合能力最强的模型，其优势在于多模态能力、可控推理效率以及开放权重后的可定制能力。

三、9750 亿参数 MoE 架构，多模态训练 + 可控推理降低使用成本

在 MoE 架构设计上，Inkling 参考了 DeepSeek-V3 的部分方案。Inkling 每个 MoE 层包含 256 个路由专家和 2 个共享专家，每个 token 仅激活 6 个路由专家参与计算。同时，Inkling 采用基于 Sigmoid 函数计算专家选择权重的路由机制，并通过无辅助损失负载均衡策略，让不同专家被调用的频率更加均衡。

在注意力机制方面，Inkling 采用滑动窗口注意力与全局注意力结合的方式。官方介绍，该模型按照 5:1 比例交替使用局部窗口层和全局层，同时采用 8 个 KV Head，以提升长上下文处理效率。

不同于目前大量模型采用的旋转位置编码（RoPE），Inkling 采用相对位置嵌入方式编码位置信息。Thinking Machines Lab 称，相比 RoPE，相对位置嵌入在长序列外推方面表现更好，更适合百万 token 级上下文窗口。

在训练数据方面，Inkling 预训练阶段使用了 4500 万亿 token 规模的数据，覆盖文本、图像、音频和视频。与传统先训练文本模型，再外挂视觉或音频模块不同，Inkling 从训练阶段便加入多模态数据，使模型能够直接处理不同类型的信息。

在音频输入方面，该模型将音频信号转换为 dMel 频谱，通过轻量级 Embedding 层后，与文本 token 共同输入模型。视觉输入方面，Inkling 采用 40 × 40 像素 Patch 方式编码图片，再通过四层 hMLP 进行处理。

这些视觉和音频信息最终都会映射到统一隐藏空间，由同一个 Transformer 进行推理。因此，Inkling 不仅可以进行图片理解，也能够完成语音转写、音频内容分析以及基于长音频信息的推理任务。

在后训练阶段，Thinking Machines Lab 采用大规模异步强化学习（RL checkpoint）优化模型能力。官方数据显示，Inkling 训练过程中累计完成超过 3000 万次迭代。随着强化学习规模扩大，该模型在推理测试中的表现持续提升。

Inkling 的异步学习优化（图源：Thinking Machines Lab）

此外，Inkling 还引入了 " 可控思考努力程度 "（Controllable Thinking Effort）。开发者可以根据实际需求调整模型推理强度：当任务需要更高准确率时，可以让模型投入更多计算资源；当任务更关注速度和成本时，则可以降低推理 token 消耗。

以下是 Inkling 在强化学习训练初期和后期对同一数学问题展开思考的示例，可以看到，在初期阶段，Inkling 的思考过程是比较冗长的，并且还会出现错误，而在后期阶段则压缩了冠词和连接词，较初期比较简洁。

Inkling 强化学习后思路更加简洁（图源：Thinking Machines Lab）

Inkling 目前已经接入 Tinker 平台，开发者可以基于该模型进行定制训练。官方展示了一个案例：让 Inkling 自己设计微调任务，包括生成训练任务、运行训练流程并评估训练效果。

Thinking Machines Lab 对 Inkling 的微调（图源：Thinking Machines Lab）

结语：开放模型加速落地，开发者生态成为关键变量？

Thinking Machines Lab 选择开放 Inkling 完整权重，通过多模态能力、可控推理以及微调能力，将其定位为企业和开发者构建 AI 应用的基础模型。

近年来越来越多模型也在朝这个方向走：DeepSeek-V3 采用 MoE 架构并开放权重；阿里云 Qwen 系列持续推出多模态和 Agent 相关模型；Meta 的 Llama 系列、Mistral 系列也通过开放权重策略推动开发者生态。它们除了提升推理能力，也在长上下文、多模态、Agent 任务适配和微调能力上持续提升。

对于企业和开发者而言，模型是否开放、是否具备进一步定制能力，将影响其在具体业务中的应用空间。随着越来越多厂商布局开放权重模型，未来竞争或将围绕模型能力、使用成本以及开发生态展开。

来源：Thinking Machines Lab、Artificial Analysis、X