Thinking Machines推出首个开源大模型Inkling,主打定制化对抗“一刀切”AI
由前OpenAI首席技术官Mira Murati创立的AI初创公司Thinking Machines Lab于2026年7月15日正式发布其首个自主研发的开源人工智能模型Inkling。此举标志着该公司在经历一年半的基础设施建设后首次公开亮剑,旨在通过提供可高度定制的开放权重模型,正面挑战主流科技巨头主导的“一刀切”式闭源AI商业模式。
Inkling采用混合专家(MoE)架构,拥有9750亿总参数量,但在单次任务中仅需激活约410亿参数,有效兼顾了超大规模与运行效率。
该模型基于45万亿个文本、图像、音频和视频Token进行原生多模态预训练,目前支持文本、代码和结构化数据的输出。与追求“全能”的通用模型不同,Inkling允许用户根据业务需求调整“思考强度”以平衡速度与精度。在代码基准测试中,它仅需英伟达Nemotron3Ultra三分之一的Token消耗即可达到同等性能。
作为其生态核心,Thinking Machines将Inkling定位为企业级微调的起点,配合其模型定制平台Tinker,通过分账微调与托管服务变现。这种避开通用聊天机器人路径、主攻企业私有化定制的策略,正契合了当前行业防范专有数据泄露、追求降本增效的趋势,也为开源AI在企业级生产环境的落地开辟了新路径。
via AI新闻资讯 (author: AI Base)
由前OpenAI首席技术官Mira Murati创立的AI初创公司Thinking Machines Lab于2026年7月15日正式发布其首个自主研发的开源人工智能模型Inkling。此举标志着该公司在经历一年半的基础设施建设后首次公开亮剑,旨在通过提供可高度定制的开放权重模型,正面挑战主流科技巨头主导的“一刀切”式闭源AI商业模式。
Inkling采用混合专家(MoE)架构,拥有9750亿总参数量,但在单次任务中仅需激活约410亿参数,有效兼顾了超大规模与运行效率。
该模型基于45万亿个文本、图像、音频和视频Token进行原生多模态预训练,目前支持文本、代码和结构化数据的输出。与追求“全能”的通用模型不同,Inkling允许用户根据业务需求调整“思考强度”以平衡速度与精度。在代码基准测试中,它仅需英伟达Nemotron3Ultra三分之一的Token消耗即可达到同等性能。
作为其生态核心,Thinking Machines将Inkling定位为企业级微调的起点,配合其模型定制平台Tinker,通过分账微调与托管服务变现。这种避开通用聊天机器人路径、主攻企业私有化定制的策略,正契合了当前行业防范专有数据泄露、追求降本增效的趋势,也为开源AI在企业级生产环境的落地开辟了新路径。
via AI新闻资讯 (author: AI Base)