前OpenAI CTO推新模型，讓用戶自己訓AI！創企估值被曝衝刺2600億

作者 | 孫小雯 編輯 | 程茜 11月6日消息，今日，前OpenAI首席技術官米拉·穆拉蒂創辦的美國AI創企Thinking Machines Lab發佈通用多模態模型Inkling 2 Small，並將於下週開放權重。該模型重點改善定製訓練表現，支持開發者用自己的數據進一步訓練，也支持自行調用工具對其他模型進行微調。▲Thinking Machines官方公告（圖源：X） 該模型在第三方評測機構Artificial Analysis（AA）的智能指數中獲得31分，前代Inkling-Small為13分。按當前榜單，新模型開放權重後，將在該指數中位列中國以外開放權重模型第一。

▲AA稱，按當前排名，Inkling 2 Small開放權重後，將成為中國以外研發的開放權重模型中智能指數得分最高的一款（圖源：Artificial Analysis） 據Thinking Machines Lab透露，Inkling 2 Small是其第二代模型系列的首款產品，採用混合專家（MoE）架構，總參數量為5940億，每個Token激活170億參數，支持文字、圖像輸入和文字輸出，可調整思考投入程度。該公司通過改進預訓練和採用統一強化學習，提高模型在智能體編程、視覺、知識工作和推理等任務中的表現，重點支持長時間自主執行任務。在定製訓練方面，該公司根據客戶需求測試了多種後訓練場景。

其中，在使用公開財報電話會議數據構建的投資分析任務中，Inkling 2 Small接受強化學習微調，訓練75步即達到前代Inkling-Small訓練200步後的水平，最終成績也高於前代。▲投資分析任務中，各模型的表現隨訓練步數和估算訓練費用的變化（圖源：Thinking Machines Lab） 新模型還能執行訓練與調試任務。在官方案例中，Inkling 2 Small自行編寫評測、準備數據、比較訓練方案並修正錯誤，耗時4小時17分鐘、花費426美元（約合人民幣2861元）完成Qwen3.5-4B微調。該公司稱，訓練後的Qwen3.5-4B在未見數據上的預測誤差較基座降低約15%。

▲Inkling 2 Small微調Qwen3.5-4B的過程截圖，顯示運行至1小時39分鐘時的第二次監督微調方案測試結果（圖源：Thinking Machines Lab） Thinking Machines Lab於2025年2月公開亮相，主要為開發者提供可定製模型和後訓練工具。開發者可通過該公司的模型後訓練平臺Tinker，使用自身數據與評價標準訓練模型，無需自行管理底層分佈式訓練設施。該公司聯合創始人、CEO米拉·穆拉蒂此前曾任OpenAI首席技術官，在OpenAI工作逾6年。任職期間，她負責研究、產品與安全，領導了ChatGPT、GPT-4、DALL·E等項目的開發與發佈。

▲Thinking Machines Lab聯合創始人、CEO米拉·穆拉蒂（圖源：達特茅斯學院） 據Business Insider今日報道，該公司正在洽談由Accel領投的50億美元新一輪融資（約合人民幣336億元），擬議投前估值400億美元（約合人民幣2687億元）。此前，該公司已獲a16z、英偉達等機構投資。今年3月10日，英偉達披露已向該公司投資，金額未公佈。2025年7月，Thinking Machines Lab披露完成約20億美元種子輪融資（約合人民幣134億元），投後估值120億美元（約合人民幣806億元），由a16z領投，英偉達、AMD、Accel、思科等參與。

目前，開發者可自行調用和微調Inkling 2 Small，也可在Tinker Playground體驗該模型。定價方面，該模型採樣服務每百萬非緩存輸入Token收費0.30美元（約合人民幣2.02元），每百萬輸出Token收費1美元（約合人民幣6.72元）；64K、256K上下文窗口的訓練費用分別為每百萬Token 1.50美元（約合人民幣10.08元）、3美元（約合人民幣20.15元）。該公司計劃在完成外部安全測試和紅隊測試後，於下週以Apache 2.0許可證開放完整權重，屆時用戶也可下載在Tinker上訓練得到的檢查點。

一、AA智能指數升至31分，覆蓋編程、金融與視覺任務 如前所述，Inkling 2 Small在AA智能指數中獲得31分，較前代Inkling-Small的13分增加18分。該指數綜合衡量知識工作、編程、科學和通用能力，截至11月6日，得分最高的開放權重模型為Kimi K3.1 Pro，成績為46分。與前代相比，模型規模也有擴大。據Thinking Machines Lab透露，前代Inkling-Small總參數量為2760億，每個Token激活120億參數；新模型Inkling 2 Small總參數量為5940億，每個Token激活170億參數。

編程方面，據該公司彙總的第三方評測結果，新模型在軟件工程測試FrontierCode v2.0中取得25.4%，高於GLM-5.3-Flash的14.2%，低於DeepSeek-V4.1-Flash-1017的28.5%。金融任務方面，新模型在金融智能體評測Finance Agent v2.1中取得67.5%，高於DeepSeek-V4.1-Flash-1017的62.9%。

▲Inkling 2 Small與其他模型在編程及自動化研究任務中的成績對比（圖源：Thinking Machines Lab） 視覺方面，據該公司公佈的評測結果，新模型在圖像理解測試MMMU Pro（Standard 10）中取得81.6%，略高於DeepSeek-V4.1-Flash-1017的80.6%。

模型還會查看自己生成的頁面或場景，根據視覺反饋繼續修改代碼 ▲Inkling 2 Small與其他模型在視覺理解、界面定位及視覺創作等評測中的成績對比（圖源：Thinking Machines Lab） 在考察網站生成能力的DesignArena評測中，據該公司引用的11月5日榜單，Inkling 2 Small獲得1340分，高於GPT-6 Astra（max）的1333分，低於Muse Wonder（max）的1366分。

▲11月5日DesignArena網站生成榜單中的部分模型成績（圖源：Thinking Machines Lab） 視覺創作方面，該公司展示了城市模擬器、Linux個人電腦模擬器、摺紙場景和戶型漫遊四個案例，涵蓋交互式應用開發、系統模擬和三維場景製作。其中，城市模擬器支持用戶擴建城市、管理供電與預算；戶型漫遊則根據平面圖製作三維演示。城市模擬器從鋪設道路、劃分地塊開始，逐步生成住宅和高層建築。演示中，零散建築擴展成完整街區，城市還會經歷晝夜變化，夜間建築和道路亮起燈光。界面兩側保留了建設工具和城市管理面板，用戶可一邊擴建，一邊查看人口、供電與預算等信息。

▲Inkling 2 Small編程構建的城市模擬器，展示道路建設、街區擴張及晝夜變化（視頻來源：Thinking Machines Lab） 戶型漫遊則把平面圖變成了可以走進去的三維空間。演示採用第一人稱視角，依次穿過客廳、書房和廚房等房間，室內擺有沙發、書架和綠植。右上角的平面圖同步標出當前位置與朝向，方便用戶對照房間佈局。

▲Inkling 2 Small根據平面圖製作的三維戶型漫遊，右上角地圖同步顯示位置與朝向（視頻來源：Thinking Machines Lab） 二、金融任務75步追平前代，4小時17分鐘完成Qwen微調 據Thinking Machines Lab公佈的定製訓練實驗，Inkling 2 Small在一項投資分析任務中，訓練75步便達到前代Inkling-Small訓練200步後的水平，最終成績也高於前代。該任務使用公開財報電話會議數據，考察模型接受針對性訓練後的分析表現。各模型採用相同數據和算法，通過Tinker訓練200步，並分別搜索學習率。

Inkling系列採用3個隨機種子開展實驗，結果取平均值。新模型也能執行訓練與調試任務。在美國AI數據創企Proximal為該公司構建的一項內部任務中，Inkling 2 Small需要微調Qwen3.5-4B，訓練後者預測天氣、維基百科頁面瀏覽量等時間序列。據該公司公佈的演示，任務限時12小時，Tinker費用預算為500美元（約合人民幣3358元）。模型實際耗時4小時17分鐘，花費426美元（約合人民幣2861元）完成任務。該公司稱，微調後的Qwen3.5-4B在未參與訓練的8-9月數據上，預測誤差較基座降低約15%。

過程中，Inkling 2 Small先編寫評測、整理訓練樣本，發現8次預測使用相同隨機種子後修正了設置。隨後，它比較監督微調（SFT）和強化學習（RL）方案。RL嘗試導致預測過度自信、成績下降，模型停止該方案，補充近期數據繼續SFT，最終提交SFT檢查點。▲Inkling 2 Small微調Qwen3.5-4B的過程截圖，顯示運行至1小時39分鐘時的第二次監督微調方案測試結果（圖源：Thinking Machines Lab） GPU算子優化則是另一類研發任務。據該公司公佈的結果，Inkling 2 Small將DeepSeek-V3.2稀疏注意力前向、反向算子的速度提高至原始實現的6.

02倍，高於DeepSeek-V4.1-Flash的5.66倍，低於Claude Opus 5.5的18.80倍。測試在B300 GPU上進行。作為對照的原版算子代碼沒有針對B300做專門優化，6.02倍指優化後的算子代碼相較原版的運行速度。▲不同模型優化DeepSeek-V3.

2稀疏注意力算子的過程與結果，縱軸為相較原版算子代碼的加速倍數（圖源：Thinking Machines Lab） 三、統一強化學習訓練9天，增加行為約束與執行監控 訓練方法方面，據Thinking Machines Lab透露，該公司先通過多階段訓練積累模型的通用能力，再通過統一強化學習訓練模型完成多步驟任務，具體有兩個重點： 1、分階段加入高質量數據與任務執行記錄 初始預訓練使用8.4萬億Token，在英偉達GB300 NVL72機架上運行68小時，原生採用NVFP4低精度浮點格式進行訓練。後續階段繼續使用3.8萬億Token的質量更高、時效性更強的數據，再加入推理與智能體執行軌跡。

部分軌跡來自Kimi K3和該公司此前模型的採樣，經過正確性與對齊篩選後用於訓練。2、將推理與智能體任務放入同一輪強化學習 前代Inkling分別訓練推理與智能體能力，再通過多教師蒸餾合併。本次改為統一強化學習，使用2048張GPU訓練9天，完成1075步，生成超過1700萬條軌跡。▲Inkling 2 Small統一強化學習的計算量、GPU數量、訓練時長及軌跡規模（圖源：Thinking Machines Lab） 訓練任務覆蓋編程、文檔、視覺、工具使用和科學問答等領域。代碼任務主要依靠隱藏測試和程序檢查評分，文檔與工具使用採用評分規則及大模型裁判，網頁應用則比較渲染截圖。

為支持長任務，訓練採用256K上下文並加入上下文壓縮。單條軌跡耗時的中位數為8分鐘，第99百分位為4小時。該公司研發團隊還在獎勵中加入長度懲罰，讓模型平衡思考投入與執行效率。▲Inkling 2 Small強化學習的訓練參數，包括上下文窗口、單條執行軌跡的Token用量及執行時長（圖源：Thinking Machines Lab） 在行為約束方面，Thinking Machines Lab從訓練和執行監控兩方面減少模型編造結果、無視指令等行為。據該公司公佈的內部評測，新模型的不當行為指標為14.9，低於前代Inkling-Small的75.2，但仍高於GPT-6.1 Sol的0.8。

▲Inkling 2 Small與其他模型在行為對齊相關評測中的成績，表中各項指標均為數值越低越好（圖源：Thinking Machines Lab） 訓練方面，該公司過濾包含不當行為的軌跡，在強化學習中懲罰違規操作，並獎勵模型放棄無法完成的任務。此外，該公司還為教師模型提供行為規範提示，再通過同策略自蒸餾訓練新模型。執行監控方面，系統在工具調用前檢查操作是否符合任務授權，並審查已完成的執行記錄。據該公司披露，一次訓練中，異步監控器發現模型通過搜索工具可訪問的第三方服務，繞過了網絡阻斷。

該公司研發團隊隨即暫停訓練、加固設施、移除需要聯網的環境，並增加工具調用前的同步監控，隨後恢復訓練並繼續開展對齊訓練。結語：通用模型持續升級，模型廠商與雲平臺爭奪定製模型訓練業務 Inkling 2 Small提高了通用能力，也改善了接受定製訓練的表現。Thinking Machines Lab通過Tinker提供該模型，讓開發者使用自己的業務數據和評價標準繼續訓練，並展示了模型執行微調實驗的過程。模型定製已有多類企業參與。

今年3月17日，法國大模型公司Mistral AI推出企業訓練系統Forge，支持使用內部文檔、代碼和業務記錄訓練模型；2月17日，美國雲服務商AWS也將Amazon Bedrock的強化學習微調擴展至部分Qwen和GPT-OSS模型。企業客戶既需要通用模型，也需要模型適應自己的術語、流程和任務要求。圍繞這些需求，廠商爭取的業務覆蓋模型調用、定製訓練、評測和部署。Thinking Machines Lab此次同時升級模型和訓練能力，也是在為這類企業訂單增加籌碼。