2026年7月15日，Thinking Machines 正式釋出了其通用多模態模型 Inkling。該模型接受文本、影像和音訊輸入，並生成文本輸出，總引數量達 9750 億，其中活躍引數為 410 億。Inkling 採用了混合專家（Mixture-of-Experts）架構和 100 萬個令牌的上下文視窗，從設計之初就注重廣度而非深度，使其成為進一步微調的優秀基座模型。
Inkling 的獨特之處在於其區域性注意力佈局。在每六個注意力層中，有五層使用滑動視窗注意力，僅關注最近的令牌，而一層使用全域性注意力關注整個序列。這種設計將計算資源集中在最近的令牌上，顯著提升了效率。Modal 在第一天就提供了對 Inkling 的託管端點支援，並整合了針對該模型定製的 DFlash 推測器。在 8 塊 B200 GPU 上執行代理工作負載時，每個使用者每秒可生成 250 個令牌，每 GPU 吞吐量達到 250 萬令牌/分鐘，互動速度比模型內建的推測路徑快 67%。
DFlash 是由 Z Lab 開發的推測解碼技術，其核心是塊擴散起草器（block diffusion drafter），能夠在一次並行前向傳遞中生成整個令牌塊，條件依賴於目標模型的特徵。相比之下，大多數開源模型使用的多令牌預測（MTP）頭一次只能起草一個令牌，隨著步驟增加效能會觸及瓶頸。Modal 團隊進一步最佳化了 DFlash：所有起草器層均使用滑動視窗注意力，無需全域性注意力，因為起草過程主要依賴最近令牌；同時將層從非因果改為因果，以便在推理時利用高度最佳化的注意力核心（如 trtllm）。
Modal 認為，塊擴散起草是一種面向未來的推測架構，其成本隨塊大小增長保持平穩，且架構能夠像目標模型一樣快速削減計算開銷。Inkling 現已透過 Modal Auto Endpoints 以相容 OpenAI 的共享端點形式提供，採用基於令牌的定價。使用者可以立即嘗試，並提供反饋。