Inkling：我們的開放權重模型
Mira Murati的Thinking Machines Lab於2026年7月16日釋出了其首個開放權重模型Inkling。這是一個混合專家（MoE）Transformer，總引數975B，活躍引數41B，採用Apache-2.0許可證，支援多模態，在45萬億token上訓練。該模型並非前沿模型，而是作為透過Tinker平臺進行微調的強大基礎模型。同時預告了Inkling-Small（276B總引數，12B活躍）。模型卡和訓練資料文件異常簡短，資料來源描述模糊，僅提及公共領域和網際網路內容。Inkling在效能上與中國開放權重模型競爭，為美國開放權重生態系統增添了新力量。
2026年7月16日，由Mira Murati領導的Thinking Machines Lab正式釋出了其首個開放權重模型——Inkling。Inkling是一款採用混合專家（MoE）架構的Transformer模型，總引數量達到9750億，其中活躍引數為410億。該模型採用Apache-2.0開源許可證，具備多模態能力，能夠處理文本、影像、音訊和影片，訓練資料規模高達45萬億token。
值得注意的是，Thinking Machines Lab還預告了一款較小的變體——Inkling-Small，其總引數為2760億，活躍引數120億。不過，Inkling-Small目前仍在測試階段，權重將在測試完成後釋出。
Inkling的模型卡頁面異常簡短，遠短於美國AI實驗室通常提供的文件。該頁面連結到一個更簡短的訓練資料文件，其中幾乎沒有實質內容。文件僅聲稱訓練資料包含公共領域內容以及可能受智慧財產權保護的內容，資料來源包括公開網際網路和第三方資料集，描述非常模糊。這種透明度上的欠缺可能會引發外界對資料合規性的關注。
Thinking Machines Lab明確承認，Inkling並非當前最先進的前沿模型。其定位是作為一個強大的基礎模型，供使用者透過自家的Tinker訓練平臺進行微調和定製。實驗室強調，Inkling在多模態能力、推理效率以及Tinker平臺上的可用性方面具有優勢，使其成為定製化應用的良好基礎。
儘管不是前沿模型，但Inkling在效能上與中國的開放權重模型具有競爭力。它的釋出讓美國開放權重生態系統新增了一個可靠的選擇，與NVIDIA Nemotron和Gemma 4等模型共同構成更豐富的生態。
Inkling的多模態能力也得到了展示。作者透過Thinking Machines API讓Inkling生成了一隻騎腳踏車的鵜鶘的SVG影像，隨後又讓模型描述該影像。模型生成的影像雖然不夠精準（模型自認為畫的是“鸛或海鷗”），但詳細的描述展示了其多模態理解能力。描述中提到，影像中有一隻白色鳥、一輛腳踏車、藍天、白雲、太陽和綠色山丘，風格歡快、簡單、色彩豐富。
總體而言，Inkling的釋出為開源AI社群提供了一個有趣的選擇，特別是在需要定製化微調的場景下。然而，其在訓練資料透明度方面的不足，可能會成為未來改進的方向。