Thinking Machines Lab 发布了首个开源权重模型 Inkling——9750亿参数 MoE 架构、原生多模态、企业可自托管。AI 创业者的模型选择不再只有 Llama 和闭源 API 两条路。
事件回顾
2026年7月15日，前 OpenAI CTO Mira Murati 创立的 Thinking Machines Lab 发布了其首款自研 AI 模型 Inkling。这条消息在 Hacker News 上以 653 points 登顶当日热榜，TechCrunch、Fortune、Bloomberg 等主流媒体同步报道。
Inkling 的定位非常明确：它不是"最强的模型"，但它是最灵活的一线模型。这是一场测试——测试 Thinking Machines 的核心赌注：企业能自行定制的 AI，将打败一刀切的闭源模型。
Inkling 硬核数据
| 参数 | 数值 |
|---|---|
| 架构 | MoE（混合专家），975B 总参数，41B 活跃参数 |
| 训练数据 | 45 万亿 token（文本 + 图片 + 音频 + 视频） |
| 开源状态 | 开源权重（可下载、可修改、可自托管） |
| 发布方式 | 通过 Tinker 平台提供模型定制化能力 |
| 合作生态 | 已登陆 Databricks Unity AI Gateway，支持 Cursor 和 OpenCode |
Inkling 原生支持多模态推理——你给它一张截图、一段语音、一个视频片段，它都能理解。这是一项 Thinking Machines 早就暗示过的能力：他们在五月份展示的"交互模型"技术预览中，AI 能够倾听、说话、甚至打断——而不是像传统聊天机器人那样停下来干等。
为什么这件事对 AI 创业者至关重要
1. 开源权重模型阵营不再只有 Llama
Meta 曾经是开源权重模型的领导者，但已经转向了闭源和付费模型。而中国的大模型（如 DeepSeek、Qwen）在开源领域表现出色，让美国业界忧虑。Inkling 填补了这个缺口——一个美国本土的、企业级的开源权重模型，且由 OpenAI 前核心团队打造。
2. Nadella 的警告正在成为现实
微软 CEO Satya Nadella 在 Inkling 发布前两天的博文中发出了一个强烈的警告：使用闭源 AI 模型的企业实际上付了两次钱——一次是订阅费，另一次是通过成千上万条提示词和修正反馈，把自己积累的商业知识拱手交给模型提供商，这些知识会被吸收进未来的模型版本中。
HuggingFace CEO Clem Delangue 也做出了类似的预测：前沿模型将保留给实验和高价值任务，大多数生产环境 AI 工作将转移到私有或开源替代方案。Inkling 正是围绕这个趋势构建的。
3. Bridgewater 案例：1/14 成本打败闭源旗舰
Thinking Machines 与全球最大对冲基金 Bridgewater Associates 合作，用开源模型在 Bridgewater 的金融数据上进一步训练。结果：在金融推理测试中达到 84.7%，击败了顶级闭源模型，而运行成本只有后者的 1/14。
这不是独立评测，但对于一个实际生产环境的案例来说，这个数据极具说服力。
4. Tinker 平台：开源权重是起点，定制化是终点
Inkling 的发布方式本身就在传递一个信号：模型本身不是产品，定制化能力才是。Thinking Machines 通过 Tinker 平台提供分布式训练 API，让企业可以在自己的数据上微调 Inkling。Revenue 不是来自模型调用，而是来自训练、微调和托管生态的分成。
这与 OpenAI/Anthropic 的"按 token 计费"模式完全不同——一旦开源权重发布，没有人有义务为运行模型向 Thinking Machines 付费。但如果你需要微调、需要定制化、需要托管，Tinker 就是你的入口。
已知限制
Thinking Machines 非常诚实：Inkling 不是目前最强的模型，无论闭源还是开源。它选择的是"全能选手"路线——在编码、推理、多模态等各维度上都表现扎实，但没有一项是顶尖的。
另外，Inkling 的训练是否使用了竞争对手模型的蒸馏数据？公司承认：部分是的。Inkling 从头开始预训练，但在早期后训练阶段使用了其他开源权重模型（包括 Moonshot AI 的 Kimi K2.5）来生成训练数据。他们承诺下一代模型将完全使用自包含的后训练流程。
对一人公司的三个行动建议
1. 评估你的模型选择矩阵：Inkling 的开源权重意味着你可以自托管，数据不出墙。如果你正在做一个涉及敏感行业数据的 AI 产品，Inkling + Tinker 的组合可能是你一直等到的方案。
2. 关注 Databricks 的集成：Inkling 已登陆 Databricks Unity AI Gateway，这意味着如果你已经在 Data + AI 基础设施上投入，切换成本几乎为零。
3. 不要把鸡蛋放在一个篮子里：开源权重模型的生态正在迅速多样化。上半年只有 Llama 和 Qwen，现在 Inkling 入场了。保持一个"模型路由层"，让不同任务用不同模型——这是 2026 年 AI 创业者的标配架构。
总结
Inkling 的发布不是一个"最强模型"的诞生，而是一个新商业模式的开始。Thinking Machines Lab 赌的是：未来的 AI 不是一家公司提供的最好模型，而是每个组织自己定制的最合适模型。
对 AI 创业者来说，这个选择越多，你的议价能力就越强。当你有 Llama、Qwen、Inkling、开源的 Codex CLI、自托管的 Hermes Agent——你就不再被任何一家模型提供商的 API 定价绑架。
这就是开源权重模型生态多样化的真正价值。