Inkling：我们的开放权重模型
Mira Murati的Thinking Machines Lab于2026年7月16日发布了其首个开放权重模型Inkling。这是一个混合专家（MoE）Transformer，总参数975B，活跃参数41B，采用Apache-2.0许可证，支持多模态，在45万亿token上训练。该模型并非前沿模型，而是作为通过Tinker平台进行微调的强大基础模型。同时预告了Inkling-Small（276B总参数，12B活跃）。模型卡和训练数据文档异常简短，数据来源描述模糊，仅提及公共领域和互联网内容。Inkling在性能上与中国开放权重模型竞争，为美国开放权重生态系统增添了新力量。
2026年7月16日，由Mira Murati领导的Thinking Machines Lab正式发布了其首个开放权重模型——Inkling。Inkling是一款采用混合专家（MoE）架构的Transformer模型，总参数量达到9750亿，其中活跃参数为410亿。该模型采用Apache-2.0开源许可证，具备多模态能力，能够处理文本、图像、音频和视频，训练数据规模高达45万亿token。
值得注意的是，Thinking Machines Lab还预告了一款较小的变体——Inkling-Small，其总参数为2760亿，活跃参数120亿。不过，Inkling-Small目前仍在测试阶段，权重将在测试完成后发布。
Inkling的模型卡页面异常简短，远短于美国AI实验室通常提供的文档。该页面链接到一个更简短的训练数据文档，其中几乎没有实质内容。文档仅声称训练数据包含公共领域内容以及可能受知识产权保护的内容，数据来源包括公开互联网和第三方数据集，描述非常模糊。这种透明度上的欠缺可能会引发外界对数据合规性的关注。
Thinking Machines Lab明确承认，Inkling并非当前最先进的前沿模型。其定位是作为一个强大的基础模型，供用户通过自家的Tinker训练平台进行微调和定制。实验室强调，Inkling在多模态能力、推理效率以及Tinker平台上的可用性方面具有优势，使其成为定制化应用的良好基础。
尽管不是前沿模型，但Inkling在性能上与中国的开放权重模型具有竞争力。它的发布让美国开放权重生态系统新增了一个可靠的选择，与NVIDIA Nemotron和Gemma 4等模型共同构成更丰富的生态。
Inkling的多模态能力也得到了展示。作者通过Thinking Machines API让Inkling生成了一只骑自行车的鹈鹕的SVG图像，随后又让模型描述该图像。模型生成的图像虽然不够精准（模型自认为画的是“鹳或海鸥”），但详细的描述展示了其多模态理解能力。描述中提到，图像中有一只白色鸟、一辆自行车、蓝天、白云、太阳和绿色山丘，风格欢快、简单、色彩丰富。
总体而言，Inkling的发布为开源AI社区提供了一个有趣的选择，特别是在需要定制化微调的场景下。然而，其在训练数据透明度方面的不足，可能会成为未来改进的方向。