不打榜的美国开源新王Inkling：975B原生多模态、仅用 1/3 Token 追平英伟达
时至今日，全球大模型格局已成定数，还有必要耗费巨资从零开始训练一个新模型吗？
由 OpenAI 前 CTO Mira Murati 、华人研究员翁荔（前 OpenAI 应用研究 VP）联合创立的 Thinking Machines Lab（TML）今天给出了答案。
北京时间 7 月 16 日凌晨，这家公司带来首款自研通用基础模型 Inkling，采用混合专家 MoE 专家架构，总参数量为 9750 亿、激活参数 410 亿，采用 Apache 2.0 协议完整开放推理权重，包含 BF16 及 NVFP4 量化版本。
Hugging Face 开源地址：https://thinkingmachines.ai/news/introducing-inkling
Thinking Machines Lab 创立于 2025 年 2 月，成立 5 个月后便完成 20 亿美元种子轮融资，估值 120 亿美元，创下 AI 行业种子轮纪录。可以说，Inkling 完全有资本在榜单上大做文章，但 TML 却以业内少有的坦诚姿态，主动放弃了 SOTA 叙事。
官方博客中他们直言，"Inkling 并非当今最强的模型，开源闭源都不是"。在他们看来，开源模型的首要价值并不在于性能的摸高，而是需要：
在能力、推理成本、原生多模态和可微调性之间找到一个平衡，成为企业可以用自己数据持续改造的模型底座。
而 TML 之所以对"开源模型市场"有如此深刻的感悟，还在于他们已经基于旗下的大模型微调算力服务平台 Tinker 在 ToB 一线摸爬了近一年，这套经验投射到 Inkling 身上，就体现为一个适合企业二次微调的模型应重点关注的三件事：
Token 经济性、深度可定制闭环与原生多模态。
六边形战士登顶美国开源阵列
Inkling 采用混合专家 MoE 架构，总参数 975B，单次推理激活 41B，上下文窗口最高 100 万 token，预训练数据量为 45 万亿 token，涵盖文本、图像、音频与视频。
图注：Inkling（预感、暗示），其形象设计看起来像是一滩可以随意变幻形状的墨汁。
单看体量，9750 亿参数 已跻身全球规模最大的开源模型阵列（高于智谱 GLM-5.2 的 7530 亿 参数，低于 Kimi-K2 的 1T 参数）。
但由于借鉴了 DeepSeek V3 的 MoE 架构设计（“largely follows DeepSeek-V3”），Inkling 在单次推理中仅调用一小部分专家，实际运行成本与延迟得以控制。这也是当前大模型的通用路线，DeepSeek、Kimi、GLM 均采用类似设计。
值得期待的是，同期还有更轻量的预览版 Inkling-Small，总参 276B、激活 12B，权重将在测试完成后开放。
在综合通用性评测方面，第三方机构 Artificial Analysis 结果显示：Inkling 以 41 分的综合得分，超越了英伟达 Nemotron 3 Ultra、谷歌 Gemma 4 31B 以及前东家 OpenAI 的 GPT-OSS-120B，登顶美国开源模型。
这种能力广度对于模型定制和实际应用十分重要。不追求单一维度的极限（如纯逻辑推理），而是覆盖智能体编排、编程、指令遵循、多模态理解等广泛的任务谱系。 因为企业实际的工作流是复杂且交错的，底座模型必须是个“通才”，才能支撑后续的专精微调。
在智能体编排与工具调用层面，为解决模型在特定的测试框架下表现极佳，但一换环境就“水土不服”的鲁棒性，TML 在训练时刻意打乱了工具集和工具定义，迫使模型去理解工具调用的底层逻辑，而非死记硬背特定框架的 API。
在实际案例中，Inkling 能够通过“一次生成”（One-shot）直接构建出一个可正常运行的 Web 应用，并内嵌一个 AI 助手，允许用户通过自然语言直接操控界面。这种从“生成代码”到“构建可交互系统”的跨越，正是企业自动化工作流中最稀缺的能力。
在网页开发测试与多页面构建上，长程一致性是 Inkling 的另一大亮点。在匿名人类评审盲测 Design Arena 中，Inkling 拿下 1257 分，追平了闭源旗舰 Claude Opus 4.6，超越 Gemini 3.5 Flash 和 Kimi K2.6，在全球开放权重模型中仅次于智谱 GLM 5.2。
大语言模型在长文本生成中常出现“风格漂移”或“指令遗忘”，但 Inkling 能够在生成多页面应用时，准确维持跨页面的视觉风格连贯性与信息可靠性。这也侧面印证了其 100 万 token 上下文窗口并非纸面参数，而是具备真实的工程落地支撑。
客观而言，尽管 Inkling 已经登顶美国开源阵营，但在 HLE、极限代码代理等“硬核推理”榜单上，与国内的 GLM 5.2、Kimi K2.6 仍有差距。但 TML 显然并不在意。
为了证明这种“广度优先”的策略对微调有多大帮助，TML 甚至做了一个极其大胆的实验：让 Inkling 参与自身的微调过程。
在这个演示中，模型通过 Tinker 平台自己编写微调任务、运行训练流程并评估结果。这说明，Inkling 是一款可塑性极高的模型底座，甚至可以充当塑造自身和其他模型的基础设施。
1/3 Token 成本追平 Nemotron 3 Ultra
如果说“六边形战士”的能力广度是 Inkling 登顶美国开源阵列的入场券，那么它真正在 ToB 市场建立护城河的，是其对“部署成本”和“可塑性”的极端追求。
在 Terminal Bench 2.1（智能体编程基准）上，Inkling 达到英伟达 Nemotron 3 Ultra 相同性能水平时，平均生成 Token 数量只有后者的大约三分之一。
图注：随着推理强度从 0.2 提高至 0.99，Inkling 可以在任务表现与生成 Token 之间选择不同工作点
从测试结果中可以看到，Nemotron 3 Ultra 在该测试中的成绩为 56.4%，Inkling 在最高推理强度下可以达到 63.8%。当 TML 调低 Inkling 的推理强度，使其成绩落在 Nemotron 相同水平时，所需 Token 约为对方三分之一。
也就是说，Inkling 用一条更短的推理路径，抵达了相同的任务成功率。对于需要将模型嵌入长流程工作流、每天跑数百万次调用的企业来说，这不仅意味着 API 费用锐减，更直接决定了用户感知到的响应延迟。
值得研究的是，Inkling 的 token 经济性，并非基于后置接口硬性截断思维链来实现，而是通过强化学习“长”在模型基因里的。
图注：Inkling 在超过 3000 万次强化学习 Rollout 中保持稳定训练，推理评测成绩持续提升
在后训练阶段，TML 投入海量算力进行大规模异步强化学习，rollout 次数超过 3000 万次。团队没有盲目追求推理深度的最大化，而是引入了一个精巧的机制：通过修改系统消息，并为不同任务设置不同的每 Token 成本，让模型有时可以充分展开推理，有时则必须控制计算预算。
经过反复训练，Inkling 逐渐学会在不同任务中看碟下菜：什么问题值得继续深挖，什么任务已经可以停止，以及增加一段推理能否带来足够的性能收益。
这意味着，开发者调整的不再是一个简单的输出长度上限，而是模型在强化学习中已经习得的不同思考档位（可通过 output_config.effort 设置 0 至 1 之间的推理强度；数值越高，通常会促使 Inkling 投入更多推理，但不保证每次都更长或更准确）。
更有意思的是，随着强化学习推进，Inkling 的思维链还出现了自发压缩现象。
早期模型会使用相对完整的语法，不断复述条件和推理意图；训练后期，它开始省略部分冠词、连接词和重复表达，推理过程逐渐变成一种接近速记的语言。TML 并没有专门奖励这种文风，单纯的 Token 成本压力，就促使模型寻找更短的推理路径。
图注：同一道问题在强化学习前后的思维链对比，后期推理省略了更多语法性表达。Cognition 团队在训练 SWE-1.7 时，也曾观察到类似变化。
这意味着 Inkling 拥有了一种“内生”的推理强度控制能力，它并非一个永远“少想偷懒”的模型，而是一条可以调节的性能成本曲线。
简单任务不必为最高推理强度付费，复杂任务仍然可以增加计算预算。对于企业而言，这比一个只能以固定档位运行的高分模型更容易部署，也更容易针对不同工作流进行成本控制。
一个懂得自我节流的模型，在微调时也往往能更高效地吸收新知识。
补齐大小模型协同的后训练闭环
为了让这种可塑性真正落地，TML 并没有止步于“开放权重”，而是补齐了全链路的工具栈。他们不仅在 Tinker 平台原生集成了 Inkling 的微调支持，更新了 Cookbook 和三套音频定制示例，更关键的推出了 tml-renderer 渲染器。
在大模型实际落地中，当推理过程夹杂了工具调用、多模态输入时，数据采样和后训练往往极其脆弱。tml-renderers承担的正是这层转换工作，它可将聊天消息、工具调用、图像和音频统一渲染成 Inkling 所需的输入格式，并使用同一套规则处理推理采样与监督微调数据，以提供稳定可靠的采样与后处理支持。
你会发现，这是真正懂工程痛点才会做的基建。前文中 Inkling 展示的“模型微调自己”的实验，就是这套链路的运转机制。
与 Inkling 同时预览的 Inkling-Small，还为这套后训练体系补上了另一套成本档位。
图注：Inkling-Small 以不足三成的激活参数保留了多项能力，但在复杂 Agent 和事实准确性上仍存在明显折损
Inkling-Small 拥有 2760 亿总参数、120 亿激活参数，激活规模不足 Inkling 的三成。由于使用了改进后的预训练数据与训练配方，它在 HLE 工具版、GPQA Diamond、IFBench 及部分视觉测试中持平甚至反超大版本，SWE-bench Verified 也仅相差 0.2 个百分点。两款模型共享同一套可扩展后训练技术栈。
它并非 Inkling 的全面低价替代品。在复杂终端编程、银行 Agent 与事实准确性等任务中，小模型仍有较明显的性能下降。
但官方对它的应用定位非常具体：编程、为其他模型评测打分，以及为其他模型生成合成数据。这几类工作通常需要高频、批量地调用模型，对单次能力上限的要求未必最高，却高度敏感于成本和延迟。
从原生多模态到全栈部署
Token 效率缓解的是企业落地中的成本与延迟问题，原生多模态和开放生态，则进一步回答了另外两个问题：人要怎样参与模型工作，以及谁有权决定模型最终变成什么样。
Inkling 的另一大亮点在于原生多模态，即文本、图像和音频从预训练阶段便进入同一模型联合学习。这与当前 GLM、DeepSeek 等主流开源模型不同，后者多采用“后期外挂”视觉或音频编码器的路线，以求快速获取跨模态能力。
图注：Inkling 将音频、图像转换为轻量表示，并与文本 Token 统一处理
这套能力并非单纯为了增加输入格式。TML 将 Inkling 定位为交互模型系统中的后台推理模型：前台模型持续接收用户的语音、画面和文字，维持实时交流；遇到深度推理、搜索和工具调用，再将任务及共享上下文交给 Inkling 异步处理。换言之，原生多模态是 Inkling 承接复杂交互上下文的能力基础，“双模型异步协作”则是这项能力的应用场景。
图注：TML 将实时交互与后台推理分开，用户持续参与对话，复杂任务则由后台模型异步完成
具体来看，Inkling 能够转写语音、理解口头指令和分析长音频，也能处理图表、示意图与数学视觉问题。面对复杂图片，它还可以调用 Python 进行放大、裁剪，将视觉理解与代码推理结合。在 CharXiv 视觉推理测试中，加入 Python 工具后，其成绩由 78.1%提高至 82.0%。不过，Inkling 当前仍只支持文本输出，尚不能直接生成语音或图像。
进入生产环境还意味着模型不能在安全问题上失控，也不能因为过度防御而频繁误拒。在 FORTRESS 测试中，Inkling 对对抗性有害请求的拒绝率为 78%，同时对无害相似请求保持 95.9%的正常响应率，在 TML 比较的开放权重模型中取得了相对均衡的表现。
在交付方式上，TML 也没有将 Inkling 绑定在单一 API 中。
原始权重与面向 Blackwell 优化的 NVFP4 版本均已开放；开发者既可通过 Together AI、Fireworks、Modal 等平台调用，也可借助 SGLang、vLLM、llama.cpp 和 Transformers 自行部署。可以说，Inkling 同时覆盖了托管 API 与自主部署两条主流路径。
原生多模态让 Inkling 能够进入更复杂的人机交互，全权重开放和推理框架适配则让它进入企业自己的技术栈。
结语：为什么还要从零训练一款模型
对于 TML 而言，一方面需要 证明自己不只有明星光环和融资故事，也真正具备从预训练到强化学习，完整训练一款近万亿参数模型的科研与工程能力。
但更重要的是 TML 的商业模式，要借开放权重与此前布局的 Tinker 微调平台，卡位企业级定制化 AI 基础设施市场。
一个面向企业的模型服务平台，不能永远只负责连接和供给第三方模型。它还需要知道：完成任务需要多少 Token？推理强度能否按需调节？模型能否原生理解语音、图像与文本？企业是否能够用自己的数据持续微调，并将其无缝部署进技术栈？
而这些能力，只有把预训练、强化学习、推理和微调的完整链路握在自己手里，才能真正打通。
所以，这个问题的本质是：一家想要卡位 B 端市场的 MaaS 服务平台，为什么最终必须拥有自研的核心模型？
本文来自微信公众号 “AI前线”（ID：ai-front），作者：四月，36氪经授权发布。