新聞

Thinking Machines Lab周三（7/15）推出首款開放權重AI模型Inkling，這是個混合專家（Mixture of Experts，MoE）模型，總參數量達9,750億、推論時啟用410億參數，支援100萬個token的脈絡長度。Inkling定位為適合企業及開發者客製化的基礎模型，即日起可透過旗下模型微調平臺Tinker進行微調，另有較輕量的Inkling-Small預覽版。

Thinking Machines Lab為OpenAI前技術長Mira Murati於2025年創立的AI新創，主打開放模型與模型客製化，希望讓企業與開發者能自行微調AI模型，而非只能使用封閉模型服務。該公司首個產品為模型微調平臺Tinker，如今再發表首款開放權重模型Inkling，正式跨入基礎模型市場。

根據史丹佛基礎模型研究中心（CRFM）的定義，基礎模型是以廣泛資料進行訓練、通常採大規模自監督學習，並可調整或微調至廣泛下游任務的模型。

Inkling以45兆token的文字、圖片、音訊及影片資料進行預訓練，後訓練則涵蓋數學、程式、工具使用、多模態及安全等領域。該模型具備推理、代理人、程式開發、指令遵循、事實性、視覺及音訊等能力，並支援多種代理人與工具框架。它也提供可調整的Thinking Effort，讓開發者依需求在推理能力、成本與延遲之間取得平衡。Inkling支援文字、圖片與音訊推理，具備語音轉錄、圖片分析及圖表推理能力。

此外，Thinking Machines Lab表示，Inkling特別強化信心校準、指令遵循及抵抗審查的能力，並接受涵蓋化學、生物、放射性及核武（CBRN）、資安、失控風險、操控、諂媚及易受傷害使用者等議題的安全測試。

Thinking Machines Lab公布多項基準測試結果，以圖表比較Inkling與GPT-5.6 Sol、Claude Fable 5、Gemini 3.1 Pro、Grok 4.5、GLM 5.2、Kimi K2.6及Nemotron 3 Ultra等模型，在推理、程式開發、代理人、多模態、事實性及安全等能力的表現差異。

同一天該公司也預覽了Inkling-Small，它採用相同的MoE架構，總參數量為2,760億、推論時啟用120億參數，適合重視成本與延遲的應用，例如程式開發、AI評分及合成資料生成，目前仍在測試中，之後才會釋出完整權重。

Inkling即日起可於Tinker進行微調，支援64K及256K脈絡長度，並限時提供五折優惠。Thinking Machines Lab也與Together AI、Fireworks、Databricks及Baseten等平臺合作，提供模型部署與推論支援，同時於Hugging Face開放完整模型權重下載。