Mira Murati新模型开源:不是最强,但企业终于能自己改AI了
企业用AI,最头疼的不是模型不够强,而是调不动、改不了、花不起。想让通用大模型读懂自己的财报、适配自己的业务流程,API调用永远差那么一口气。开源模型开放权重之后,企业终于可以把模型拽到自己服务器上,用自己的数据训练专属版本。Inkling就是带着这个目的来的——它不是最强的那一个,但可能是最容易改的那一个。
9750亿参数、开源权重,Inkling想做什么?
Inkling来自Thinking Machines Lab,创始人正是前OpenAI CTO Mira Murati。这家公司在2025年拿了20亿美元种子轮、估值120亿美元,外界一直在等它拿出自研模型。2026年7月15日,Inkling终于亮相。核心参数摆在明面上:9750亿总参数,每次推理激活410亿,上下文窗口最高100万token,预训练用了45万亿token的多模态数据。架构采用的是MoE(混合专家)——近万亿参数不会全部唤醒,处理任务时只调用其中一小部分,推理成本和延迟都低很多。原生支持文本、图像、音频三种输入,输出暂时只限文本。官方在发布时明确说了:“Inkling不是目前可用的最强模型,无论是开放还是封闭模型。”这句话不是谦虚,是它的真实定位——它想做一块好改的基石,而不是一个全能选手。12
真正让Inkling和其他开源模型拉开距离的,是它的Apache 2.0开源许可证——完整权重可以下载、可以改、可以商用,企业不用再担心被某家大厂的API定价卡脖子。配合Thinking Machines自己的微调平台Tinker,开发者甚至可以在笔记本上对这种工业级大模型做定制训练,不用碰底层超算设施。官方演示了一个实验:让Inkling自己给自己写微调任务、自己跑训练、自己评估结果,整个流程不需要人工介入。这种“模型自己训练自己”的能力,对想快速迭代企业专属AI的团队来说,吸引力不小。3
和国内头部开源模型比,Inkling强在哪弱在哪?
venturebeat在一篇报道里直接点出了现状:“在以中国AI主导的开源模型中,Inkling模型表现虽然不错,但在推理和编程方面依然存在差距。”这个差距有多大,得掰开看几个关键测试。先看Inkling官方公布的基准成绩:AIME 2026数学竞赛97.1%,SWE-bench Verified软件工程77.6%,GPQA Diamond 87.2%。这几个数字听起来很漂亮,但放到国内模型的对比里就不那么突出了。4
| 测试维度 | Inkling | GLM 5.2 | DeepSeek V4 Pro | Kimi K2.6 | Nemotron 3 Ultra |
|---|---|---|---|---|---|
| SWE-bench Verified | 77.6% | 62.1% | 80.6% | 未披露 | 70.7% |
| Terminal Bench 2.1 | 63.8% | 82.7% | 未披露 | 未披露 | 相近 |
| AIME 2026(数学) | 97.1% | 未披露 | 96.7% | 未披露 | 94.2% |
| GPQA Diamond | 87.2% | 未披露 | 未披露 | 91.1% | 未披露 |
| MCP Atlas(智能体) | 74.1% | 未披露 | 未披露 | 未披露 | 44.7% |
| Design Arena(网页开发) | 1257分 | 未披露 | 未披露 | 未披露 | 未披露 |
GLM 5.2在纯编码和复杂推理任务上压制了Inkling。SWE-bench Pro公开测试里GLM 5.2是62.1%,Inkling只有54.3%;Terminal Bench 2.1更是拉开差距,GLM 5.2得82.7%,Inkling只有63.8%。DeepSeek V4 Pro在SWE-bench Verified(80.6%对77.6%)和事实性测试SimpleQA(57.0%对43.9%)都赢了。不过Inkling在数学推理上反超了DeepSeek V4 Pro——AIME 2026测试97.1%比96.7%高出一截。Kimi K2.6在GPQA Diamond(91.1%对87.9%)、BrowseComp(83.2%对77.1%)等指标上领先,但Inkling在通用聊天指令遵循上表现更好,IFBench得分79.8%对76.0%。真正拉开差距的场景是代码生成效率:Inkling在Terminal Bench 2.1达到与NVIDIA Nemotron 3 Ultra相近成绩时,Token消耗只有后者的三分之一,这个成本优势在美国本土开源模型的横向对比中非常显眼。51
企业用Inkling,这笔账怎么算?
Thinking Machines没有把Inkling包装成消费级产品,它真正的客户是企业。官方跟桥水基金(Bridgewater)合作做过一个demo:用Tinker平台给Inkling注入金融数据,微调后在金融推理测试里拿到84.7%的准确率,超过了所有闭源旗舰模型,成本不到十分之一。这个案例戳中的痛点很明确:通用大模型在专业领域永远差口气,企业花大价钱调用API却调不出想要的效果。开放权重的模型让企业可以把模型拽到自己的服务器上,用自己的数据训练专属版本,数据不用流出,能力还能定向强化。6
不过选Inkling之前,有几个实际问题得先想清楚。第一,许可证。Apache 2.0允许商用、二次分发和衍生开发,但下载或接入前最好核对清楚条款有没有特殊限制。第二,部署门槛。虽然Tinker平台可以在笔记本上微调,但要把完整权重跑起来,GPU集群是少不了的——9750亿参数摆在那儿。Unsloth已经把模型量化到1-bit精度,显存占用降低95%,配合llama.cpp跑GGUF格式,普通人能用消费级显卡本地部署,但这只适合推理,微调另说。第三,官方自己承认Inkling不是最强。如果你的业务场景需要顶尖的数学推理或代码能力,GLM 5.2、DeepSeek V4 Pro这些模型可能更合适;但如果你需要的是一个能深度定制、成本可控、部署灵活的基座,Inkling的开放权重和Tinker生态是目前少数几个能把这条路走通的选择。78
当前文章无评论,是时候发表评论了