智东西（公众号：zhidxcom）
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：
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。
▲Inkling在Artificial Analysis中的排名（图源：Artificial Analysis）
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
