穆拉蒂终于交货：Inkling 是美国最大的开放权重模型，而它并不打算争第一

十七个月，一个模型，零张扬

Thinking Machines Lab 用了一年半时间，扮演着 AI 领域最受瞩目的"空房间"。这家公司由前 OpenAI CTO 米拉·穆拉蒂于 2025 年 2 月创立，在尚未交付任何产品之前就以 120 亿美元估值融资 20 亿美元，激进招兵买马，然后基本保持沉默。7 月 15 日，它终于发布了一个模型。

这个模型叫 Inkling。它是一个混合专家（MoE）transformer，总参数量 9750 亿，每 token 激活参数约 410 亿，上下文窗口最高可达 100 万 token，预训练覆盖 45 万亿 token 的文本、图像、音频和视频。完整权重以 Apache 2.0 协议发布在 Hugging Face 上——按参数量计算，这使它成为目前公开可得的、美国本土构建的最大开放权重模型。一个更轻量的同门兄弟 Inkling-Small 以预览版形式推出，总参数 2760 亿、激活参数 120 亿，完整权重承诺在测试结束后放出。

不同寻常的地方不在规格表，而在措辞。Thinking Machines 自己的公告直白地写道，Inkling"并非当今最强的综合模型，无论开源还是闭源"。一家承载着业内几乎最高期待的实验室，用一句"我们没赢"作为首发的开场白。

数字究竟说明了什么

公司公布了在最大推理算力投入下（其标注为 effort=0.99）的基准成绩：Humanity's Last Exam 纯文本 29.7%，AIME 2026 达 97.1%，GPQA Diamond 87.2%，SWEBench Verified 77.6%，Terminal Bench 2.1 为 63.8%，MMMU Pro 视觉 73.5%，VoiceBench 91.4%。FORTRESS 对抗安全评测得分 78.0%。

这些成绩应当被理解为"具备竞争力"，而非"定义前沿"。它们让 Inkling 跻身一流行列，却没有撼动任何头部位置——这与实验室的自我评价一致。更有意思的是效率方面的主张：Thinking Machines 称，Inkling 在达到同等编码表现的同时，token 消耗仅约为英伟达 Nemotron 3 Ultra 的三分之一。在推理成本已成为智能体部署核心约束的市场里，"解决问题所需的 token 数"可以说是比排行榜名次更诚实的指标。

架构上的几点值得所有打算在此之上做开发的人留意。训练采用了混合优化器——大矩阵权重用 Muon，其余用 Adam——注意力堆栈则以 5:1 的比例混合滑动窗口层与全局层。后训练规模超过 3000 万次 rollout，实验室报告称强化学习带来了对数线性的推理能力提升。最后这一条要么在开放权重社区里几周内被复现，要么就悄无声息地沉下去——如今权重已经公开，答案不难揭晓。

生意在 Tinker，不在模型

Inkling 不是产品。Thinking Machines 不靠它变现。营收来自 Tinker，即公司的微调平台——Inkling 在发布首日就上线了定制功能，并提供 50% 的入门折扣。权重是获客漏斗，定制层才是收费站。

这与标准的前沿实验室模式恰好相反：后者把模型锁在 API 后面，利润来自按 token 计费的推理。Thinking Machines 押注的是，企业想要的是一个强大且可塑的基座，而非那个唯一最好的通用模型。展示性证据是与桥水基金（Bridgewater Associates）的合作：一个基于这家对冲基金金融专长训练出的模型，在金融推理测试中得分 84.7%，运行成本约为原来的十四分之一。这个数字得打个星号——正如 TechCrunch 所指出的，它出自两家公司自己的评测，而非独立评测。

分发推进迅速而广泛：Together AI、Fireworks、Modal、Baseten 和 Databricks 全部宣布支持。Databricks 通过其 Unity AI Gateway 推广该模型，用的正是开放权重阵营讲了两年的那套说辞——在专有代码库上微调、接入 Cursor 和 OpenCode 这类编码智能体、"在没有按 token API 定价的情况下优化推理支出"、避免供应商锁定。

审查议题是一步定位棋

Thinking Machines 用 Cognition 的 Propaganda and Censorship Eval 测试了 Inkling，并报告了强烈的"不服从审查"模式。这并非闲笔。它直指全年不断累积的一种焦虑：中国的开放权重模型——DeepSeek、Qwen、GLM，以及如今月之暗面的 Kimi K3——正凭借成本优势拿下越来越大的开源模型部署份额。

《财富》把这个战略缺口讲得很清楚：Meta 转向付费专有产品、放弃了开放权重，OpenAI 的开源发布始终有限，而对成本敏感的企业逐渐转向中国方案——这在华盛顿越来越被视为国家层面的问题。Inkling 是美国第一个具备真正规模的可信回应。至于"抗审查"这一属性能否在微调衍生模型中存活，则是另一个问题——开放权重的全部意义，正在于任何人都能把这类行为重新训练掉。

哪些热度需要挤一挤水分

有三点值得注意。

第一，公司承认后训练阶段通过蒸馏使用了竞争对手的输出，并表示未来的模型将依赖自包含方法。这是一次诚实的披露，同时也提醒我们，"独立前沿实验室"和"部分基于其他实验室输出训练"并不互斥。

第二，财务状况不明朗。据报道的 500 亿美元融资轮在 1 月已经停滞，同月两位联合创始人转投 OpenAI。一家维持约 200 名员工、烧钱运转却把旗舰产品免费送出的实验室，需要 Tinker 尽快转化。

第三，对多数机构而言，9750 亿参数上的 Apache 2.0 象征意义大于实用意义。真正能自行部署这种体量模型的组织寥寥无几——这恰恰说明，部署合作伙伴名单比许可证更重要。实际操作中，大多数用户会从 Databricks 或 Fireworks 租用 Inkling，而不是自己跑。开放权重买到的是可移植性和审计权，不是免费推理。

总结

Inkling 是本周最有意思的模型发布，不是因为它在哪个榜单上登顶，而是因为它拒绝宣称什么。一家背负着 120 亿美元期待的实验室交付了一个模型，公开说它不是最好的，然后把客户引向微调层。这要么是令人钦佩的战略清醒，要么是起跳前优雅地把横杆放低——诚实的答案是，在看到企业是否真的愿意为规模化定制付费之前，我们无从判断。

不含糊的是：美国如今拥有了一个大体量、宽松许可、真正多模态的开放权重模型，且在发布首日就配齐了实打实的部署基础设施。过去十八个月，开放权重的话语权一直在向杭州和北京漂移。Inkling 没有扭转这一趋势，但它是近来第一个凭实力而非旗帜说话的美国发布。