一句话看懂：OpenAI前CTO Murati创立的Thinking Machines Lab发布首款大模型Inkling，架构借鉴DeepSeek-V3、训练数据使用Kimi K2.5，但在多项基准测试中落后于中国开源模型，调用价格却更高。然而，该模型凭借美国本土研发背景与Apache 2.0开源协议，反而精准满足了美国企业客户的数据合规需求。
事件核心：发生了什么
7月15日，Thinking Machines Lab发布其首款混合专家架构模型Inkling，总参数量9750亿，单token激活410亿参数，支持文本、图像、音频与视频输入，上下文长度达100万token。公司公开承认，Inkling的架构主要参考了DeepSeek-V3，后训练冷启动阶段使用了由Kimi K2.5等开源模型生成的合成数据。在最终的人类考试纯文本评估中，Inkling得分为29.7%，低于Kimi K2.6的35.9%和GLM 5.2的40.1%；编程测试SWE-Bench Pro得分54.3%，亦落后于上述两款中国模型。定价方面，64K版本Prefill费用为每百万token 1.87美元，生成费用为4.68美元，约为Kimi K2.6输入价格的2倍，且高于GLM 5.2。
为什么重要
Inkling的出现打破了“美国模型技术绝对领先”的常规叙事。它直接验证了中国开源模型DeepSeek与Kimi的架构和训练方法论具有全球可复制性。更重要的是，Thinking Machines Lab团队约三分之二来自OpenAI，却选择在关键环节“借用”中国开源成果，这表明在AI竞赛中，开源生态系统已超越国界。然而，该模型并未追求性能第一，反而精准定位企业合规市场——美国金融、医疗、政务等领域客户因数据不出境政策，无法直接调用中国模型API，Inkling以Apache 2.0许可证在本地部署，既规避了安全审查风险，又降低了技术壁垒。这反映出大模型商业化的新路径：性能并非唯一竞争维度，合规能力与市场适配度同样是高价值壁垒。
对用户/开发者/创作者的影响
对于企业开发者，Inkling提供了一条“本土开源替代”路线：可下载权重进行私有化部署，无需依赖中国API，从而满足SOC 2、HIPAA等合规要求。但需注意其编程与推理能力落后于同代开源模型，若项目对性能敏感，建议先评估SWE-Bench与Agent类任务表现。对于个人创作者，Inkling在网页设计、音频理解和数学任务上有突出表现，且支持调整推理强度平衡成本，适合对安全与可控性要求高的长文本处理场景。对于API使用者，当前定价偏高，建议关注后续降价或竞品对标动作。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Inkling能否在合规场景落地形成规模客户？其商业成功更取决于美国企业采购意愿，而非技术排名。第二，DeepSeek与Kimi是否会因被“借鉴”而调整开源策略，例如收紧商业许可限制？第三，Thinking Machines Lab目前估值120亿美元，若后续模型无法缩小与中国开源模型的性能差距，投资人对“合规溢价”的容忍度将面临考验。
来源：AIbase
