面对已然定局的全球大模型格局，投入巨资从零开始训练新模型是否还有必要？Thinking Machines Lab（TML）给出了明确的答案。
由 OpenAI 前首席技术官 Mira Murati 与华人研究员翁荔联合创立的 TML，于北京时间 7 月 16 日发布了其首款自研通用基础模型 Inkling。该模型采用混合专家 MoE 架构，总参数规模达到 9750 亿，激活参数 410 亿，并完整开放推理权重，采用 Apache 2.0 协议，同时提供 BF16 及 NVFP4 量化版本。
TML 成立于 2025 年 2 月，成立仅 5 个月便完成了 20 亿美元的种子轮融资，估值高达 120 亿美元，创下 AI 行业纪录。尽管 Inkling 拥有资本争夺 SOTA 地位，但 TML 却选择了业界罕见的坦诚姿态，主动放弃了“最强”的叙事。官方在博客中直言，Inkling 并非当今最强模型，开源与闭源并非其追求的唯一目标。在他们看来，开源模型的核心价值不在于单纯追求性能极限，而在于在能力、推理成本、原生多模态和可微调性之间找到最佳平衡点，成为企业可以利用自有数据进行持续改造的坚实底座。
这种深刻理解源于 TML 在旗下大模型微调算力服务平台 Tinker 上的一线实战经验。将这些经验投射到 Inkling 身上，便体现为三个关键要素：Token 经济性、深度可定制闭环以及原生多模态。
**技术规格与性能表现**
Inkling 采用了混合专家 MoE 架构，总参数 9750 亿，单次推理激活 410 亿，上下文窗口最高可达 100 万 token，预训练数据量涵盖 45 万亿 token，包括文本、图像、音频与视频。虽然从体量上看，9750 亿参数略低于 Kimi-K2 的 1T 参数，但得益于借鉴了 DeepSeek V3 的 MoE 架构设计，Inkling 在单次推理中仅调用少量专家，有效控制了运行成本与延迟，这也是当前大模型的主流技术路线。
同期推出的轻量版 Inkling-Small 参数为 2760 亿，激活参数 120 亿，激活规模仅为大版的约三成。在综合通用性评测方面，第三方机构 Artificial Analysis 的结果显示，Inkling 以 41 分的综合得分超越了英伟达 Nemotron 3 Ultra、谷歌 Gemma 4 31B 以及 OpenAI 的 GPT-OSS-120B，登顶美国开源模型榜单。
这种能力广度对于模型定制和实际应用至关重要。Inkling 不追求单一维度的极致（如纯逻辑推理），而是覆盖智能体编排、编程、指令遵循、多模态理解等广泛的任务谱系。因为企业实际的工作流是复杂交错的，底座模型必须具备“通才”属性，才能支撑后续的专精微调。
在智能体编排与工具调用层面，为解决模型在特定框架下表现优异但环境变化后“水土不服”的鲁棒性问题，TML 在训练阶段刻意打乱了工具集和定义，迫使模型理解工具调用的底层逻辑而非死记硬背 API。实际案例显示，Inkling 能通过“一次生成”直接构建可正常运行的 Web 应用，并内嵌 AI 助手，实现从代码生成到可交互系统构建的跨越。
在长程一致性方面，Inkling 同样表现突出。在匿名人类评审盲测 Design Arena 中，Inkling 拿下 1257 分，追平了闭源旗舰 Claude Opus 4.6，超越 Gemini 3.5 Flash 和 Kimi K2.6，在全球开放权重模型中仅次于智谱 GLM 5.2。这证明了其 100 万 token 上下文窗口并非纸面参数，而是具备真实的工程落地支撑。
**成本控制与推理效率**
如果说能力广度是 Inkling 登顶的入场券，那么对成本和可塑性的极致追求则是其建立 ToB 市场护城河的关键。
在 Terminal Bench 2.1 智能体编程基准测试中，Inkling 在达到与英伟达 Nemotron 3 Ultra 相同性能水平时，平均生成 Token 数量仅为对方的约三分之一。这意味着 Inkling 能够用更短的推理路径抵达相同的任务成功率，从而显著降低 API 费用和响应延迟。
这种高效的 Token 经济性并非通过简单的后置截断实现，而是通过强化学习“内化”在模型基因中的。在后训练阶段，TML 投入海量算力进行异步强化学习，Rollout 次数超过 3000 万次。团队通过修改系统消息和设置不同任务的每 Token 成本，训练模型学会在不同任务中灵活调整推理深度：什么问题值得深挖，什么任务已足够，增加推理能否带来足够的收益。
开发者现在可以通过 output_config.effort 设置 0 至 1 之间的推理强度来控制模型。随着训练推进，Inkling 的思维链还出现了自发压缩现象，省略了冗余的冠词、连接词和重复表达，推理过程变得像速记一样高效。这种“内生”的推理强度控制能力，使得企业能够根据不同工作流灵活调整成本，而非被固定档位限制。
**生态构建与全栈部署**
为了让这种可塑性真正落地，TML 补齐了全链路的工具栈。除了在 Tinker 平台集成微调支持外，更推出了 tml-renderer 渲染器。该工具能将聊天消息、工具调用、图像和音频统一渲染为模型所需格式，使用同一套规则处理采样与监督微调数据，为工程落地提供了稳定支持。
Inkling-Small 则为这套体系提供了低成本方案。它在 HLE 工具版、GPQA Diamond 等测试中持平甚至反超大版，SWE-bench Verified 仅差 0.2 个百分点，但在复杂 Agent 和事实准确性上仍有折损。其定位非常明确：编程、为其他模型评测打分、生成合成数据，这些高频批量任务对成本和延迟高度敏感。
**原生多模态与安全**
Token 效率缓解了成本与延迟问题，而原生多模态和开放生态则回答了人机交互与数据主权的问题。Inkling 的原生多模态能力从预训练阶段即开始，与主流模型后期外挂视觉或音频编码器的路线不同。TML 将其定位为后台推理模型：前台模型处理实时交互，遇到深度推理和工具调用时，再将任务交给 Inkling 异步处理。
这种设计使得 Inkling 能够处理语音转写、口头指令分析、图表理解以及结合 Python 的视觉推理（如 CharXiv 测试中提升至 82.0%）。不过，Inkling 当前仍仅支持文本输出，暂不能直接生成语音或图像。
在安全性方面，Inkling 在 FORTRESS 测试中拒绝有害请求的比率为 78%，同时对无害相似请求保持 95.9% 的正常响应率，表现相对均衡。在交付方式上，TML 提供原始权重和面向 Blackwell 优化的 NVFP4 版本，开发者既可通过 Together AI、Fireworks 等平台调用，也可借助 SGLang、vLLM 等框架自行部署。
**结语**
对于 TML 而言，证明自己具备从预训练到强化学习的全链路能力至关重要。但更重要的是，这揭示了其商业模式的底层逻辑：面向企业的 MaaS 服务平台，必须掌握自研核心模型，才能精准控制 Token 成本、推理强度、多模态处理及微调闭环，从而真正打通从预训练到落地的完整链路。这回答了那个终极问题：一家想要卡位 B 端市场的服务平台，为何最终必须拥有自研的核心模型？