沿用DeepSeek架構，美國大模型開始抄中國作業

美國人工智慧領域近期出現一個值得關注的現象：過去長期被視為追隨者的中國大模型，如今開始成為美國新創公司學習的對象。由OpenAI前首席技術官穆拉蒂（Mira Murati）創立的Thinking Machines Lab，日前發表了成立以來的首款模型Inkling，其技術架構大量沿用了中國開源模型DeepSeek-V3的混合專家（MoE）設計，後訓練階段的冷啟動更使用了中國另一家AI公司Kimi的K2模型。這款被外界戲稱為「中國模型的美國貴替」的產品，意外揭露了美國AI產業在開源生態與合規壓力下的新策略。 當地時間7月15日，Thinking Machines Lab正式對外發布Inkling。這家由OpenAI前首席技術官領軍、團隊中聚集大量OpenAI前員工的明星公司，自成立以來便備受資本市場關注。據了解，該公司已累計融資20億美元，估值高達120億美元。然而，Inkling的初步表現並未如外界預期那般驚豔。在多項公開基準評測中，Inkling的成績落後於中國的Kimi與GLM系列模型，且其調用價格反而更高，這讓部分業界觀察者感到意外。 儘管評測結果不如人意，但穆拉蒂與團隊似乎從一開始就沒有打算讓Inkling爭奪性能第一的寶座。更深層的市場邏輯在於：隨著美國企業使用中國模型面臨越來越多的政策與合規不確定性，一款性能尚可、支援客製化且合規風險更低的本土開放模型，已經擁有屬於自己的市場空間。Inkling正是瞄準了這個需求缺口，試圖在「開源」與「安全」之間找到平衡點。 從技術細節來看，Inkling的混合專家架構主要繼承自DeepSeek-V3，這套架構在中國開源社群中已獲得廣泛驗證，具有高效率與低成本的優勢。而後訓練階段的冷啟動則採用了Kimi K2的技術路徑，顯示出Thinking Machines Lab對中國成熟開源技術的深度依賴。這種「站在巨人肩膀上」的開發模式，某種程度上也反映了美國新創公司在追求快速迭代時，不得不借重中國開源生態的現實。 然而，評測數據的對比卻相當直接。在包含語言理解、推理、程式碼生成等多項任務的基準測試中，Inkling的表現均落後於Kimi和GLM。這不僅凸顯出中國模型在特定領域的持續領先，也讓外界對Thinking Machines Lab的技術能力產生質疑。畢竟，一家背負20億美元融資、估值超過百億美元的公司，首款產品卻未能展現出壓倒性優勢，自然會引發市場的檢視與討論。 不過，從商業策略角度來看，Thinking Machines Lab的選擇或許有其合理性。美國企業在採用中國開源模型時，面臨日益嚴格的資料安全與出口管制審查，尤其在高敏感行業或政府相關項目中，使用中國技術的風險正快速升高。與其冒險使用來自中國的原始模型，不如採用一家美國本土公司基於中國開源技術改良的產品，既保留了技術優勢，又能降低合規風險。這種「技術借用、品牌本土化」的模式，正在成為部分美國AI新創的新出路。 穆拉蒂本人過去在OpenAI主導多項關鍵技術開發，其對大模型的理解與產業判斷力毋庸置疑。她選擇以DeepSeek-V3與Kimi K2為基礎來打造Inkling，某種程度上也說明了中國開源模型在技術成熟度與生態豐富度上的實力。過去，業界普遍認為美國主導著AI前沿技術的發展方向，中國模型總是處於追趕地位；但如今，隨著DeepSeek、Kimi、GLM等模型在開源社群中獲得廣泛採用，情勢已開始逆轉。 值得注意的是，Inkling的定價策略也引發討論。在性能不如競品的情況下，其API調用價格卻高於Kimi與GLM，這讓部分潛在客戶卻步。但Thinking Machines Lab強調，Inkling的價值不僅在於性能，更在於可定製性與合規保障。對於那些需要嚴格遵守美國法規的企業客戶來說，多花一些成本換取法律風險的降低，或許是值得的選擇。 整體來看，Inkling的問世標誌著美國AI產業在面對中國技術崛起時，出現了一種務實的應對策略：不再一味迴避或貶低中國開源模型，而是主動將其納入自身技術棧，並透過本土化包裝與合規審查，為美國市場提供「安全版本」的中國技術。這種「中國開發、美國製造」的趨勢，若持續擴大，將可能重塑全球AI開源生態的權力結構。 當然，Inkling目前仍處於起步階段，其後續迭代是否能縮小與中國模型的性能差距，並在美國市場中找到足夠的客戶，仍有待觀察。但至少從現有資訊來看，美國大模型開始「抄中國作業」已不再是玩笑話，而是正在發生的產業現實。對於中國AI開發者而言，這既是技術實力的證明，也意味著更激烈的全球競爭即將展開。