Thinking Machines 押注效率而非规模，推出第二款模型 Inkling Small。

事件核心：发生了什么

7 月 31 日，由前 OpenAI CTO Mira Murati 创立的 AI 实验室 Thinking Machines 正式发布第二款模型 Inkling Small。这是一款开放权重（open-weights）推理模型，总参数 2760 亿，其中激活参数仅 120 亿，少于其前作 Inkling 的三分之一。据 Artificial Analysis 的评测数据，Inkling Small 在 Intelligence Index 上得分 40，仅比自家旗舰 Inkling 低 1 分；该机构称，在同等或更小参数规模的开放模型中，目前没有得分更高的产品。

更值得注意的是，Inkling Small 在多项推理与编码测试中反超了更大的同门模型：Humanity’s Last Exam 得分 32%（Inkling 为 30%），GPQA Diamond 得分 89%（Inkling 为 87%）。不过它在智能体类任务和事实性知识方面仍然落后。此外，它展现出明显的 token 效率优势，每个任务平均输出约 2.4 万 tokens，远低于 Deepseek V4 Flash 的 4.5 万和 GPT-5.4 mini 的 7.8 万。

Inkling Small 支持文本、图像和语音输入，上下文窗口为 25.6 万 tokens，采用 Apache 2.0 许可证发布，权重已上架 Hugging Face。用户还可以通过 Tinker Playground 在浏览器中直接对模型进行微调。

为什么重要

Inkling Small 的发布是 Thinking Machines 对当前“参数越大越好”主流叙事的一次明确反驳。近年来，头部模型厂商普遍追逐更大规模的训练与更长的推理链，而 Thinking Machines 选择在更小的激活参数规模上做效率优化，并且在多个推理基准上实现了反超。这说明推理能力的提升并非只能靠堆算力，架构设计和训练策略同样能带来显著收益。

对开源生态而言，Apache 2.0 许可证意味着开发者可以自由修改和商用，而浏览器内微调降低了使用门槛。Thinking Machines 将其定位为用户数据微调的基础模型，这延续了 Mira Murati 在 OpenAI 时期强调的“让模型适应具体场景”的产品思路，也直接回应了企业对私有化部署和成本控制的需求。

对用户/开发者/创作者的影响

开发者：Inkling Small 是一个低成本接入推理能力的选项。激活参数仅 120 亿，配合 Apache 2.0 许可，开发者可以更灵活地在本地或私有环境中部署，尤其适合算力预算有限、但需要强推理能力的应用场景。Tinker Playground 也允许直接在浏览器内用自身数据微调，降低了实验和迭代的门槛。

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。

了解 GamsGo AI

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。

企业与采购方：模型支持多模态输入和 25.6 万 tokens 上下文，同时输出 token 消耗显著低于同类产品。对于需要处理长文档、批量生成或高频调用的业务，这意味着推理成本可能明显下降，但需注意其在智能体任务上的表现仍有短板，选型时需结合具体场景评估。

创作者与研究者：开放权重和可微调的特性，为 AI 应用开发者和研究者提供了一个可以深入修改和复用的基础模型，也便于社区对其进行独立评测和技术复盘。

值得关注的后续

目前公开信息显示，Inkling Small 的评测数据主要来自 Artificial Analysis 的基准测试，其实际场景表现仍有待更多开发者验证。后续值得观察三点：第一，Thinking Machines 是否会同步推出对应的 API 服务，以及定价是否延续“高效低价”的策略；第二，在智能体任务和事实性知识上的短板是否会通过后续微调或版本迭代补齐；第三，其他大模型厂商是否会跟进“小参数量、高推理效率”的路线，从而改变当前以算力规模为核心的竞争格局。

来源：The Decoder AI News