Mira Murati 于 2024 年 9 月离开 OpenAI 后，转向自主创业。近两年后，这一探索终于落地——她创办的 Thinking Machines Lab 发布了 Inkling，一个完全从头训练的多模态 AI 模型，所有权重均可免费下载。当 OpenAI 董事会于 2023 年 11 月解雇 Sam Altman 时，时任 CTO 的 Murati 被任命为临时 CEO。五天后续约，Altman 回归，Murati 恢复 CTO 职务，约 10 个月后彻底离开。她于 2025 年 2 月创立 Thinking Machines Lab，随后公司进入低调期并积累了巨额资金。2025 年 7 月，公司以 120 亿美元估值融资 20 亿美元，由 Andreessen Horowitz 领投，Nvidia、Accel、ServiceNow、Cisco、AMD 和 Jane Street 参与，成为当时硅谷历史上最大的种子轮之一。2025 年 11 月有报道称公司寻求以 500 亿美元估值进行新一轮融资，但谈判在 2026 年 1 月破裂。
Inkling 是什么
Inkling 是一个混合专家模型——一种架构，对于任何给定输入仅激活网络的一部分，从而在不牺牲深度的前提下保持推理速度。这是一个非常大的模型：总参数 9750 亿（内部设置，定义模型如何处理信息），每个任务活跃参数 410 亿，因此无法在本地机器上运行。作为多模态模型，它接受文本、图像和音频输入，并支持 100 万 token 的上下文窗口（约 75 万词）。它基于 45 万亿 token 的文本、图像、音频和视频数据进行预训练。
“我们的第一个模型 Inkling。从头训练，权重开放，今天可通过 Tinker 进行微调，”Murati 在 X 上写道。从头训练意义重大，尤其是在开源社区，这为那些对中国模型持谨慎态度、但需使用亚洲模型进行开发的西方开发者带来了一股新鲜空气，因为西方顶级 AI 公司大多专注于发布闭源模型。微调是指在专门数据集上重新训练现有模型以提升特定任务性能的过程。Tinker 是 Thinking Machines 围绕该用例构建的云平台。完整权重也以 Apache 2.0 许可证发布在 Hugging Face 上，无任何限制。
基准测试表现
Inkling 在代理任务上表现最为突出。在 MCP Atlas（衡量 AI 代理使用模型上下文协议可靠完成现实世界任务的基准，以完成任务百分比计分）上，Inkling 得分 74.1%，比主要西方开源权重对手 Nvidia 的 Nemotron 3 Ultra 高出近 30 个百分点。在 SWE-Bench Verified（测试 AI 代理能否自主修复真实 GitHub 软件漏洞，以修复问题百分比计分）上，Inkling 得分 77.6%，也高于 Nemotron 的 70.7%。总体而言，Thinking Machines 将这款模型定位为“全面”的通才，意味着它不会因专注于某个领域而牺牲其他任务的质量（例如，有些模型擅长编程但不擅长创意写作）。
来源：Thinking Machines
然而，中国模型在多个方面仍保持优势。智谱 AI 的 GLM 5.2 在 Terminal Bench 2.1（衡量自主 AI 编码代理在真实终端环境中完成任务的基准）上得分 82.7%，而 Inkling 为 63.8%。Kimi K2.6 在 Humanity's Last Exam（博士级科学推理测试）上领先。Thinking Machines 承认这一点。Inkling 并非当前最强模型（无论开源或闭源），但它是西方实验室构建的最强开源权重模型。那些因法律、安全或合规原因不愿使用中国模型进行工作负载的开发者，现在拥有了自托管中国模型之外的真正替代方案。尽管 Inkling 在几乎所有方面都逊于最佳中国模型，但它更符合这些开发者的理想、期望和价值观。后续微调可使该模型在特定任务上表现出色，进而在基准测试中与亚洲模型竞争。
在 FORTRESS Adversarial（测试模型一致拒绝有害提示而不过度拦截合法提示的基准，以正确处理百分比计分）上，Inkling 得分 78.0%，是所有开源权重模型中的最高分。
小型版本预览
与 Inkling 一同发布的还有 Inkling-Small 预览版：总参数 2760 亿，活跃参数 120 亿，在大多数推理基准上已与大型模型持平。其权重将在测试完成后发布，但未给出具体时间表。