Thinking Machines 加大押注反对一刀切式AI，推出首个开放模型 Inkling

# 思考机器公司推出首个开放模型Inkling，加大押注对抗"一刀切"式AI | TechCrunch 来源：https://techcrunch.com/2026/07/15/thinking-machines-amps-up-its-bet-against-one-size-fits-all-ai-with-its-first-open-model-inkling/ 由前OpenAI CTO米拉·穆拉蒂创立的AI初创公司思考机器实验室，于周三上午发布了其首个自研AI模型，名为Inkling（https://thinkingmachines.ai/news/introducing-inkling/）。与OpenAI、Anthropic或Google的旗舰模型不同，它是一个开放权重模型，这意味着外部开发者和公司可以下载并直接修改它。 Inkling是一个专家混合系统，拥有9750亿总参数，但对于任何给定任务，它只动用其中一小部分——约410亿参数——这是一种常见的设计，旨在让超大规模模型运行得更快、成本更低。根据公司自己的发布材料，该模型在45万亿个文本、图像、音频和视频token上进行了训练，并原生地跨所有这四种模态进行推理。不过，目前其输出仅限于文本，包括代码、样式化制品和结构化数据。 该模型是思考机器实验室在近一年半的时间里、基本在公众视野之外构建AI基础设施后，首个公开的实证。其中部分工作曾在5月的一份关于"交互模型"的研究预览（https://thinkingmachines.ai/blog/interaction-models/）中浮出水面——这种AI被设计成能够倾听和说话（甚至打断），而不是像典型聊天机器人那样停下来等待。这也是对该初创公司核心押注的一次检验，即那些组织能够自行适应的AI，将超越目前最大实验室所销售的"一刀切"模型。 Inkling旨在提供经过校准的答案，包括在不确定时标记出来而非猜测，并允许用户在想要换取速度时调高或调低"思考努力"程度。该公司表示，在某项基准测试中，Inkling仅用了Nvidia最新一代开放权重模型Nemotron 3 Ultra三分之一的token，就达到了相同的编码性能。 思考机器并未声称Inkling是同类最佳。其简报材料明确表示，Inkling"并非当今可用的最强模型，无论是封闭的还是开放的"。显然，它追求的是全面均衡的性能和可定制性。 这就引出了一个问题：在其瞄准的企业市场中，这个产品究竟是为谁准备的？就目前而言，思考机器更多地将Inkling视为一个起点而非成品，是供组织通过其模型定制平台Tinker自行微调的基础。这也意味着，客户（而非思考机器）要负责确保其定制内容的安全性，例如。（微调需要扎实的机器学习人才。） OpenAI、Anthropic和Google在ChatGPT、Claude和Gemini上采取了截然不同的方法，它们首先作为通用聊天机器人进行竞争，然后在此之上叠加代理和自主功能。 思考机器上周发布的一篇博文（https://thinkingmachines.ai/blog/the-future-worth-building-is-human/）明显是为这次发布做铺垫。该公司在那篇文章中辩称，由一家公司集中训练然后一成不变的AI，其表现不如由组织自行塑造的AI，因为大量的专业知识是特定于掌握该知识的人的。 这是一个日益获得支持的观点。在周日发布的一篇博文中，微软CEO萨提亚·纳德拉——他的公司在OpenAI和Anthropic都投资了数十亿美元——警告称，使用专有AI模型的企业实际上是在双重付费（https://techcrunch.com/2026/07/13/satya-nadella-has-issued-a-shocking-warning-to-companies-using-ai/）：一次是订阅成本，另一次是交出了嵌入在其提示和纠正中的业务知识，这些知识可能被吸收到未来的模型版本中。 Hugging Face CEO克莱姆·德兰格上周在与TechCrunch的对话中做出了类似的预测（https://techcrunch.com/2026/07/10/hugging-faces-ceo-on-why-companies-are-done-renting-their-ai/）。他表示，前沿模型将越来越多地被保留用于实验和高价值任务，而大多数生产性AI工作将转向私有或开源替代方案——这正是思考机器正在构建的精确分裂。 思考机器最有力的证据来自最近与全球最大对冲基金桥水基金的合作项目（https://thinkingmachines.ai/news/learning-to-replicate-expert-judgment-in-financial-tasks/）（桥水并非思考机器的投资者）。两家公司的研究人员采用了一个现有的开源模型，并利用桥水自身的金融专业知识对其进行了进一步训练。据说，该结果在金融推理测试中得分为84.7%，击败了顶尖的专有AI模型，同时运行成本约为其十四分之一——尽管这些结果来自两家公司自己的评估，而非独立评估。 无论如何，思考机器正在强调它达到这一点的速度有多快。OpenAI花了大约五年时间将其技术推向市场并产生收入，Anthropic大约花了三年。思考机器表示，它在大约九个月内就做到了同样的事情。 有些人会质疑Inkling是否是在竞争对手模型的输出上进行训练的，这种做法被称为"蒸馏（https://techcrunch.com/2026/04/30/elon-musk-testifies-that-xai-trained-grok-on-openai-models/）"，在整个行业已引起关注（https://techcrunch.com/2026/02/23/anthropic-accuses-chinese-ai-labs-of-mining-claude-as-us-debates-ai-chip-exports/）。简短的答案是，根据公司自己的材料，部分是。思考机器从零开始预训练了Inkling，但它表示，在大规模强化学习接手之前，它使用了其他开放权重模型——包括Moonshot AI的Kimi K2.5——来帮助生成一些早期后训练数据。该公司坚称，下一个模型将完全使用自给自足的后训练。 在成本方面，思考机器一直较为谨慎。它在三月份与Nvidia达成合作，部署一千兆瓦的Vera Rubin计算能力，并完全在Nvidia的GB300 NVL72系统上训练了Inkling——但尚未说明如何支付这些成本，而收入（据大多数报道）也并非优先事项。（据报道，去年11月曾计划进行500亿美元的融资，但到1月份时已停滞；此后该公司拒绝谈论其融资情况。） 一个相关的问题是，思考机器的支出是否会达到OpenAI或Anthropic的规模，还是其效率驱动的方法意味着经济模式有所不同。换句话说，该公司的押注可能不是它最终会像更大的竞争对手那样花钱，而是它根本不需要那样做——因为一旦权重公开，没有任何东西能迫使下载它们的人向思考机器付费来运行它们，这与OpenAI和Anthropic销售的按计量访问不同。公司的收入必须来自Tinker（而非模型本身），通过训练、微调以及现在围绕其建立的托管生态系统分成。 至少在员工数量上，看起来更加稳定。思考机器目前约有200名员工，高于今年早些时候一波离职潮后报道的水平，其中包括1月份两位联合创始人离职加入OpenAI（https://techcrunch.com/2026/01/14/mira-muratis-startup-thinking-machines-lab-is-losing-two-of-its-co-founders-to-openai/）。 就其本身而言，思考机器似乎并不像行业中的许多公司那样热衷于强调个人的变动。据公司内部消息人士称，其文化有意地倾向于连续性，而非依赖任何单一人格。这说得通：如果人们从一开始就没有被捧上神坛，那么当他们换团队时造成的挫折感就会小一些。考虑到其自身的故事仍有很大一部分与现任著名联合创始人的名字联系在一起——无论她是否计划这样——这对一家公司来说也是一件值得坚持的非凡事情。 *当您通过我们文章中的链接进行购买时，我们可能会赚取少量佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。*