Thinking Machines 首發開放權重模型 Inkling：975B 參數、原生多模態、百萬 token 上下文

前 OpenAI 技術長 Mira Murati 創辦的 Thinking Machines Lab，週三發布公司第一個從零訓練的開放權重基礎模型 Inkling。規格攤開來看誠意十足：混合專家（MoE）架構，總參數 975B、每個 token 啟用 41B；66 層 decoder-only 骨幹，每個 token 路由到 256 個專家中的 6 個，再加 2 個常駐共享專家。預訓練吃了 45 兆 token 的文字、影像、音訊與影片，上下文窗口最高 100 萬 token，能原生推理文字、影像和音訊，推理力度還能依成本與延遲需求調整。

發布通路也一次到位：權重全面開放下載，API 同步上架 Together、Fireworks、Modal、Databricks、Baseten 五家推理平台。官方另外預告 Inkling-Small，用類似配方訓練、啟用參數 12B 的輕量版，主打更低的成本與延遲。TechCrunch 點出重點：公司成立一年半以來多半埋頭建基礎設施，Inkling 是第一個攤在公眾面前的成果，也是對「一套模型通吃所有場景」路線的正面反擊——開放權重讓企業能依自身需求微調客製。

時間點很微妙。過去一年開放權重戰場幾乎由中國模型主導，Qwen、DeepSeek 輪流刷榜，美國實驗室大多把最強模型鎖在 API 後面。Inkling 用接近一兆的總參數規模加原生多模態下場，等於美國陣營重新派出重量級選手。對開發者社群是好事，對推理平台更是及時雨——五家平台同日上架，搶的就是企業客製化這塊市場。

歸剛點評：Murati 團隊憋了一年半，第一張牌直接打開放權重，路線選擇比模型本身更有訊息量。閉源模型的護城河越來越靠產品與生態，純模型能力的差距在收斂，開放權重反而是後進者搶開發者心智的最短路徑。接下來看兩件事：實測成績單能不能站穩第一梯隊，以及 Inkling-Small 正式版會不會變成本地部署圈的新寵。