Mira Murati的Thinking Machines发布首款开放权重模型Inkling：MoE 9750亿参数、可自部署微调

7月16日，OpenAI前CTO Mira Murati创立的Thinking Machines Lab发布首款通用基础模型Inkling，并开放完整模型权重。开发者可以下载、部署、修改，也能在自家Tinker平台做微调。这意味着模型不再被锁在厂商的API后面，企业可以把AI真正据为己有，而不必把数据和提示词持续喂给别人的云。

Inkling采用混合专家（MoE）架构，总参数量9750亿，单次推理仅激活约410亿；预训练数据约45万亿Token，覆盖文本、图像、音频、视频，支持原生多模态理解与最高100万Token上下文。它不是一个只会聊天的模型，而是面向推理、编程、工具调用和多模态理解的基础模型，激活参数少意味着单次成本低。

公司明言Inkling并非当下最强模型，综合性能落后部分领先的开放权重与闭源模型；它的差异化在权重开放、多模态、推理成本可调，以及面向企业数据与特定场景的定制能力。测试显示其在智能体网页开发（Design Arena）得分1257，与Claude Opus 4.6持平，接近GPT-5.6 Sol的1260，属于「够用且可控」而非「最强」。

技术路线上，Inkling架构借鉴DeepSeek-V3，训练后阶段使用月之暗面Kimi K2.5生成的数据做优化。它从零训练、提供完整权重，定位企业级微调的起点，配合Tinker按分账微调与托管变现，明确避开通用聊天机器人那条拥挤的路径，把利润点放在「帮企业训自己的模型」上。

开放权重赛道长期由中国模型领跑，Meta又淡化Llama转向更专有路线，Inkling是西方企业第一个可信替代。与Bridgewater的合作中，基于金融数据微调的模型在金融推理基准拿到84.7%、成本不到专有模型一成。Thinking Machines从成立到出模型仅约九个月，估值120亿美元，投资方含a16z、英伟达、AMD与Jane Street——它赌的是「企业自有并定制模型」会优于「一刀切闭源」，这场分流正在成为行业主线。