Mira Murati 的 Thinking Machines Lab 推出 Inkling，一款擁有 9750 億參數的 AI 模型

Thinking Machines Lab 週三發布了其首款 AI 模型，押注企業組織將願意付費客製化開源權重系統，而非向 OpenAI 和 Anthropic 租用一套標準化的通用模型。

這家總部位於舊金山的初創公司，由 OpenAI 前技術長 Mira Murati 於去年創立，正式推出了 Inkling——一款混合專家模型，總參數達 9750 億。該系統每項任務約啟動 410 億個參數，此設計使其推論成本低於同等規模的密集模型。Inkling 從零開始訓練，使用了涵蓋文字、圖像、音訊和影片在內的 45 兆個令牌，不過目前其輸出僅限於文字、程式碼和結構化資料。

「它並非現今市場上性能最強大的模型，無論是封閉式還是開源式皆然，」該公司在部落格文章中坦言，明確將其期望值設定在低於 OpenAI、Anthropic 和 Google 前沿系統的水平。「我們訓練 Inkling 是為了在各項能力上打下扎實基礎，而非追求單一領域的頂尖表現，以作為我們未來訓練其他模型的基礎。」

Inkling 以開源權重形式發布，意味著開發者可以下載、運行並微調底層系統——這與 GPT-5、Claude 4 和 Gemini 3 等僅提供 API 的專有做法形成鮮明對比。該模型已在 Thinking Machines 去年 10 月推出的客製化平台 Tinker 上線，並可在其他開發者平台上使用。在一項內部基準測試中，Inkling 僅使用了 Nvidia 的 Nemotron 3 Ultra 三分之一的令牌量，就達到了相同的編碼表現，不過該公司並未披露該比較的測試條件。

此次發布考驗著 Thinking Machines 的核心論點：企業可以自行調適的 AI 系統，將優於集中訓練的靜態模型。該公司上週發布了一篇部落格文章，指出集中式實驗室向所有人銷售相同產品，而願意擁有並客製化模型的企業則能提取更多價值。微軟執行長 Satya Nadella 週日也提出了類似觀點，警告使用專有 AI 的企業實際上是在支付雙重費用——一方面支付訂閱費，另一方面又將嵌入在提示和修正中的商業知識拱手交給供應商。

橋水基金的有力證明

Thinking Machines 策略最有力的證據來自與全球最大對沖基金橋水投資公司的合作。兩家公司研究人員以阿里巴巴的開源模型 Qwen 為基礎，進一步利用橋水的專有金融專業知識進行訓練。根據雙方評估，最終系統在金融推理測試中獲得 84.7% 的成績，超越了頂級專有模型，同時運行成本僅約為後者的十四分之一。

這一結果反映出企業 AI 採用的更廣泛趨勢。Hugging Face 執行長 Clem Delangue 上週預測，前沿模型將越來越侷限於實驗和高價值任務，而大多數生產級 AI 工作將轉向私有或開源替代方案。來自阿里巴巴、DeepSeek 和 Moonshot AI 的中國開源模型已在西方獲得大量企業採用，填補了 Meta 將 Llama 4 轉向專有模式後留下的空白。

商業模式之問

Thinking Machines 的收入模式依賴於 Tinker，而非 Inkling 本身。由於模型權重是公開的，下載的使用者無需向 Thinking Machines 支付推論費用。該公司透過訓練、微調服務以及圍繞其模型建立的託管生態系統抽成來創造收入——這種結構與 OpenAI 和 Anthropic 銷售的計量 API 存取模式有根本上的不同。

自今年 1 月一輪據報導為 500 億美元的融資計劃擱置以來，該公司尚未揭露其當前收入或融資情況。Nvidia 在 3 月宣布的戰略合作夥伴關係中對 Thinking Machines 進行了「重大投資」，該合作計劃部署 1 百萬瓩的 Vera Rubin 計算容量。Inkling 完全在 Nvidia 的 GB300 NVL72 系統上進行訓練。該公司目前約有 200 名員工，較 1 月兩名共同創辦人離職重返 OpenAI 時的人數有所增加。

對投資人而言，問題在於 Thinking Machines 能否僅靠客製化收入建立起可持續的業務。OpenAI 大約花了五年時間將技術推向市場並展現可觀收入；Anthropic 則花了約三年。Thinking Machines 表示，他們在短短九個月內就實現了同樣的成果。但該公司的長期經濟效應仍未得到證實：如果 Inkling 的開源權重意味著使用者永遠不需要為推論付費，那麼每位用戶的收入在結構上將低於依賴 API 的競爭對手。

本文僅供資訊參考，不構成投資建議。