Thinking Machines發佈大模型Inkling

Thinking Machines 於 15 日正式發表開放權重的大型語言模型 Inkling，這是該公司首次從零開始訓練並完整公開權重的模型。創辦團隊表示，Inkling 的設計初衷是打造一個能夠擴展人類意志與判斷力的 AI 基礎設施，讓開發者與企業能真正「擁有」模型，並根據自身需求進行深度定制。 Inkling 採用混合專家（Mixture-of-Experts）Transformer 架構，總參數規模達 9750 億，但在推理時僅啟動約 410 億參數，兼顧效能與運算成本。其上下文視窗最長可支援 100 萬個 token，並在預訓練階段使用了 45 兆 token 的多模態資料，涵蓋文字、圖片、音訊與影片。這使得 Inkling 原生具備跨模態理解與推理能力，不須外掛模組即可處理圖像與聲音資訊。 除了旗艦模型，Thinking Machines 同步推出較輕量的 Inkling-Small 預覽版。該模型僅啟動 120 億參數，採用相同的訓練配方，在保持一定效能的同時大幅降低延遲與運算需求，適合資源受限的應用場景。 官方坦承，Inkling 並非當前市場上最強的模型，無論是開源或閉源都有表現更突出的對手。但 Thinking Machines 強調，Inkling 的價值在於它是一款「均衡且可塑性高」的基礎模型，在多個領域都有穩健表現，且因為開放權重，使用者可以針對特定任務進行微調，彈性遠大於封閉模型。這使得 Inkling 特別適合做為下游應用的出發點，而非僅是 benchmark 上的數字競爭者。 為了讓定制化門檻降到最低，Thinking Machines 旗下的 Tinker 平台已開放 Inkling 的微調功能，並新增 Inkling Playground 開發者對話介面，方便使用者透過自然語言與模型互動，測試其行為與風格。團隊更示範了一項極具說服力的實驗：他們要求 Inkling 透過 Tinker 自行撰寫微調腳本、執行訓練、評估結果，最後成功將自己改造成一個「永遠不輸出字母 e」的 lipogram 模型。整個流程約 27 分鐘，過程中模型自主規劃資料集、目標函數與評估標準，展現了高度的代理能力。 在基準測試方面，Inkling 在涵蓋文字、代理任務、多模態與音訊的綜合評估中表現均衡，未針對單一類別過度優化。特別是代理編碼與工具使用能力，它在多項開放權重模型評比中名列前茅。在 Design Arena 的 Agentic Web Dev 排行榜上，Inkling 獲得了 1257 分，與 Claude Opus 4.6 並列，僅次於 GPT‑5.6 Sol、GLM 5.2 等封閉模型，在開放權重模型中位居前段。 實際應用展示中，Inkling 可透過一次性提示詞生成完整的職缺填寫單頁應用，並驅動內建的瀏覽器代理自動填入表單。它也能創作出排版精美、圖文並茂的九頁 PDF 美食旅遊雜誌，風格統一且資訊準確。另一個令人印象深刻的案例是，Inkling 透過長達 40 輪的反饋迭代，逐步將一款多人線上貪食蛇遊戲從原型打磨至可玩狀態，證明其在長時間協作與持續改進上的潛力。 Thinking Machines 表示，Inkling 只是該公司模型家族的起點，未來將持續推出更多尺寸與能力的版本，並進一步拓展 Tinker 平台的定制化生態，讓不同領域的使用者都能找到最適合自己的 AI 夥伴。