由Mira Murati领衔的AI初创公司Thinking Machines Lab发布了首款自研模型Inkling，正式对外展示其在开放权重模型方向上的布局。

Inkling采用开放权重模式，外部开发者和企业用户可以下载并自行修改。这一路线有别于OpenAI、Anthropic和Google目前以闭源模型为主的策略。

据TechCrunch当地时间15日报道，这也是Thinking Machines Lab首次集中展示其过去约一年半低调搭建的AI基础设施。

从技术规格来看，Inkling采用专家混合（MoE）架构，总参数量为9750亿，单次任务实际激活约410亿参数。该模型基于覆盖文本、图像、音频和视频的45万亿token多模态数据训练而成。Thinking Machines Lab表示，Inkling支持跨文本、图像、音频和视频进行推理。

与单纯追求模型极限性能相比，Thinking Machines Lab更强调企业定制化路线。该公司认为，相比让所有客户使用同一套模型，由企业围绕自身场景持续打磨的AI系统，更有可能取得更好的应用效果。因此，Inkling被定位为企业定制的起点，而不是一款现成的即用型产品。

围绕这一定位，Thinking Machines Lab推出了定制平台“tinker”。企业可借助该平台开展增量训练和微调，并进行部署托管。不过，公司也提到，相关安全管理责任需要由用户承担，同时模型微调本身也对机器学习能力提出较高要求。

在功能层面，Inkling会在答案把握不足时主动提示不确定性，并允许用户在响应速度与思考深度之间调节“思考强度”。

Thinking Machines Lab同时强调，Inkling并非目前公开或闭源模型中性能最强的产品。公司称，在一项基准测试中，Inkling的编程能力与Nvidia Nemotron 3 Ultra相当，但token消耗量仅为后者的三分之一。

在训练路径上，Thinking Machines Lab表示，Inkling的预训练完全从零开始自主完成。不过，在进入大规模强化学习之前的早期后训练阶段，部分数据生成过程借助了其他开放权重模型，其中包括Moonshot AI的Kimi K2.5。公司称，从下一代模型开始，后训练环节也将完全基于自有体系。

至于商业化路径，目前仍不十分清晰。TechCrunch报道称，Thinking Machines Lab未来的主要收入来源可能并非模型本身，而是围绕“tinker”提供训练、微调和托管等配套服务。该公司目前员工规模约为200人。