OpenAI 前女 CTO 穆拉蒂創業公司 TML 發佈首款 AI 模型 Inkling：借鑑中國技術，主打成本和性能平衡

OpenAI 前首席技術官米拉·穆拉蒂（Mira Murati）所創立的 AI 新創公司 Thinking Machines Lab（TML），於週三正式發表旗下首款人工智慧模型 Inkling，試圖以更具可定製性的設計方針，在前東家 OpenAI 等頂尖 AI 實驗室的激烈競爭中走出自己的路。根據《華爾街日報》報導，穆拉蒂此次押注的並非單純追求極致性能，而是讓開發者能更靈活調整模型，藉此縮小與前沿閉源模型之間的技術鴻溝。 Inkling 採用了「開放權重」（open-weight）模式，代表其他開發者可以基於自身需求，結合自有數據對模型進行修改與微調。這款模型的參數規模達到 9750 億，比起外界對 OpenAI、Anthropic 等競爭對手中最先進閉源模型的預估參數要小上許多，但 Thinking Machines Lab 強調，Inkling 的設計目標並非在絕對性能上與這些巨頭正面對決。 Thinking Machines Lab 在官方說明中指出，Inkling 基礎模型的架構借鑑了中國 AI 公司 DeepSeek 所開發的 DeepSeek-V3 模型；而在後續的訓練階段（後訓練），則使用了月之暗面公司旗下 Kimi K2.5 模型所生成的數據進行優化。這使得 Inkling 得以在廣泛的任務領域中展現均衡的能力，同時保有足夠的彈性來適應不同應用場景。 「我們將 Inkling 訓練成一個覆蓋範圍廣泛、能力均衡的基礎模型，在眾多領域都具備較強表現，並且擁有足夠的靈活性來適應不同任務。無論是在開源模型還是閉源模型中，Inkling 都不是目前整體性能最強的模型。」Thinking Machines Lab 在聲明中坦言，但他們更看重的是模型在實務應用上的性價比與可調整性。 與其他前沿 AI 實驗室專注於持續拉升模型原始性能不同，Inkling 的核心設計理念是在「成本與性能之間取得平衡」。雖然 Inkling 擁有近 1 萬億個參數，但其中僅有 410 億個屬於「活躍」參數。這意味著每當模型處理一次用戶查詢時，只有 AI「大腦」的一小部分會被啟動，從而大幅降低運算成本並提升回應速度。這種稀疏激活（sparse activation）技術正是 Inkling 得以在實用性上勝出的關鍵。 除了模型本身，Thinking Machines Lab 也提供了一款名為 Tinker 的雲端微調工具，讓開發者能夠對 Inkling 進行客製化調整。Tinker 在去年就已先行推出，定位是面向 AI 開發者與研究人員的微調平台，目標是讓使用者只需坐在筆記型電腦前，就能對大型工業級 AI 模型進行訓練與調整，無須操心底層的超級電腦基礎設施。這項工具進一步強化了 Inkling 的可定製優勢，讓企業和研究團隊能根據特定任務需求，快速打造專屬模型。 在安全層面，Thinking Machines Lab 表示已對 Inkling 進行多項安全測試，包括評估模型是否可能被用於協助製造生物武器，或是幫助黑客發動網路攻擊等高度風險的應用場景。測試結果顯示，Inkling 在這類評估中表現良好。不過，該公司也坦承，由於 Inkling 採用開放權重模式，目前仍在研究如何進一步調整並完善模型內建的安全防護措施。這也是部分閉源模型開發商一直以來對開放權重模型提出的主要安全擔憂之一，因為開放權重使得模型在釋出後難以完全控制其使用方式。 整體而言，穆拉蒂帶領的 Thinking Machines Lab 選擇了一條與 OpenAI 等巨頭不同的路徑：不追求參數規模的極致膨脹，而是以開放、可定製、成本效率為訴求，試圖在 AI 模型市場中開闢新的利基。Inkling 的問世不僅是該公司技術實力的首次公開展示，也再次引發業界對於開放權重模型與閉源模型之間安全、效能與靈活性平衡的討論。隨著 AI 應用日益普及，這種「夠用又好改」的模型設計哲學，或許將吸引更多開發者與企業的目光。