沿用DeepSeek架構，美國大模型開始抄中國作業

賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道廣東最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作沿用DeepSeek架構，美國大模型開始抄中國作業字母AI·2026年07月21日 15:58貴在美國製造 OpenAI前首席技術官穆拉蒂，做出了一款中國模型的“貴替”。 Thinking Machines發佈的首款模型Inkling，混合專家架構主要沿用DeepSeek-V3，後訓練冷啟動還使用了Kimi K2. 然而在多項基準評測中，Inkling落後於Kimi和GLM，調用價格反而更高。 對於一家融資20億美元、估值120億美元，團隊中聚集了大量OpenAI前員工的明星公司來說，這個結果多少有些低於預期。 但穆拉蒂可能從一開始就沒打算靠Inkling爭奪第一。 隨著美國企業使用中國模型面臨越來越多不確定性，一款性能尚可、支持定製、合規風險更低的本土開放模型，已經擁有自己的市場。 當地時間7月15日，Thinking Machines Lab發佈了成立以來的首款模型Inkling。 單看配置，這款模型很符合一家明星AI實驗室應有的排場。 Inkling採用混合專家架構，總參數量達到9750億，每處理一個Token會激活410億參數；預訓練使用了45萬億個Token，數據涵蓋文本、圖像、音頻和視頻，最長支持100萬個Token的上下文。