一句话看懂：由前OpenAI CTO Mira Murati创立的AI初创公司Thinking Machines Lab，于2026年7月15日发布了其首个自研开源大模型Inkling。该模型采用混合专家（MoE）架构、总参数量9750亿但每次任务仅激活约410亿参数，并允许用户根据业务需求调整“思考强度”，目标是挑战巨头主导的通用闭源AI商业模式。
事件核心：发生了什么
Thinking Machines Lab在历时一年半的基础设施建设后，正式推出旗下第一个开源大模型Inkling。该模型基于MoE架构，原生预训练于45万亿个文本、图像、音频和视频token，当前支持输出文本、代码和结构化数据。其突出特点是允许用户自定义调整“思考强度”，从而在速度与准确性之间取得平衡。在代码基准测试中，Inkling仅使用NVIDIA Nemotron3Ultra三分之一token消耗即达到相同性能。同时，该团队配套推出了模型定制平台Tinker，通过收益分成的微调服务和托管服务来实现商业化。
为什么重要
Inkling的发布直接挑战了当前AI行业“一刀切”的闭源模型逻辑。传统通用大模型追求全能，但企业用户往往面临数据隐私泄露风险、模型与自身业务适配成本高等问题。Thinking Machines选择了一条完全不同的路线：不造通用聊天机器人，而是将Inkling作为企业级微调的起点，通过开源权重让用户拥有二次开发和控制权。这顺应了企业部署AI时对数据安全、成本可控和定制化能力的刚性需求，也为开源AI在严肃生产环境中的落地提供了新路径。
对用户/开发者/创作者的影响
对企业开发者和IT决策者而言，Inkling的开源权重和可调“思考强度”意味着可以按需分配算力成本，避免为不必要的能力买单。尤其是那些需要私有化部署、规避数据外泄风险的行业（如金融、医疗、法律），可以通过Tinker平台进行微调，将模型对准特定任务。对于独立开发者，Inkling提供了一种更灵活的选择——不必受限于封闭生态的API定价和功能边界。普通内容创作者如果在企业场景中使用定制化AI助手，也可能间接受益于更低的使用门槛和更高的任务匹配度。
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是否能吸引足够多的企业开发者形成微调生态，是考验Thinking Machines平台运营能力的关键。第二，MoE架构下每次任务激活的比例（当前约4.2%）是否能在更大规模应用中保持效率和稳定性，有待实际落地验证。第三，Mira Murati的团队选择开源路线与竞争对手（如Meta的Llama系列、Mistral的定制化方案）将直接形成比较，行业是否会借此转向更精细化的定制而非“更大即更好”的竞争，值得持续观察。
来源：AIbase
