簡報
返回Inkling:Thinking Machines 開源模型,及其師承的對手模型
Thinking Machines 於 2026 年 7 月 15 日推出開源模型 Inkling,當時開源市場已由中國實驗室主導。據官方自述,其後訓練資料部分蒸餾自對手 Kimi K2.5。
模型簡報 · 記錄至 2026 年 8 月 26 日
一款開源模型,部分師承它所回應的對手
Thinking Machines 於 2026 年 7 月 15 日推出開源模型 Inkling,當時開源市場已由中國實驗室主導。據官方自述,其後訓練資料部分蒸餾自對手 Kimi K2.5。
Inkling · Thinking Machines1 / 18
關鍵數據
2026 年 7 月 15 日發布:開源權重、Apache 2.0 授權
- 975B/41B多模態 MoE——總參數/啟用參數
- 1M開源權重上下文(Tinker 提供 256K/64K)
- 41Artificial Analysis 智能指數——美國開源模型最高分
- 98.6%StrongREJECT(FORTRESS 對抗性 78.0%/良性 95.9%)
Inkling · Thinking Machines2 / 18
事實與分級
Thinking Machines 自述的三項事實
查證等級 事實 時間 確認 Inkling 發布:975B 總參數/41B 啟用 MoE、開源權重 1M token 上下文、Apache 2.0 授權 2026 年 7 月 15 日 確認 後訓練初期 SFT 使用開源模型合成資料,「包含 Kimi K2.5」 訓練期間,官方自述 確認 在擴展至逾 3,000 萬次 rollout 的強化學習過程中,思維鏈自發壓縮,並非獎勵機制刻意促成 強化學習期間 Inkling · Thinking Machines3 / 18
事實與分級
一項無法於此查核的說法,以及兩項後續事實
查證等級 事實 時間 確認但無法於此獨立查核 Inkling 在 Cognition 的查核評測中,「呈現明顯的審查不服從模式」 官方自述;未見 Cognition 對 Inkling 之獨立評分 確認 Inkling-Small 發布並公開完整權重:276B 總參數/12B 啟用 2026 年 7 月 30 日 確認,獨立來源 Inkling 於 Artificial Analysis 智能指數首發即獲 41 分——美國實驗室開源模型最高分 2026 年 7 月 15 日 Inkling · Thinking Machines4 / 18
時序 · 發布之前
市場、案例、宣言,然後是模型
- 2026 年 6 月 24 日獨立分析(Data Gravity)指出,截至 2026 年 5 月,中國開源模型佔 OpenRouter 路由 token 量約 61%;Meta 的 Llama 佔比不到 1%。
- 2026 年 6 月 30 日Bridgewater AIA Labs 與 Thinking Machines 發表 Tinker 微調案例研究——對象為 Qwen3-235B,早於 Inkling 面世兩週。
- 2026 年 7 月 10 日Thinking Machines 發表〈值得打造的未來是屬於人的〉,引海耶克論知識分散,警告 AI 發展過度集中於少數實驗室——未點名任何國家。
- 2026 年 7 月 15 日Inkling 發布。Artificial Analysis 同日給出智能指數 41 分。
Inkling · Thinking Machines5 / 18
時序 · 發布之後
較小的姊妹模型、安全說明、六週的下載量
- 2026 年 7 月 30 日Inkling-Small 發布並公開完整權重(276B 總參數/12B 啟用);Artificial Analysis 給出 40 分,以不到三分之一參數量逼近 Inkling。
- 2026 年 7 月 31 日Thinking Machines 公開安全流程說明:內部測試、四家具名外部紅隊,以及對兩款模型的對抗性微調檢測。
- 2026 年 8 月 26 日Hugging Face 上 Inkling 累計下載 166,108 次、按讚 1,749 次;Inkling-Small 為下載 168,647 次、按讚 379 次。
Inkling · Thinking Machines6 / 18
Thinking Machines 自己的說法
「並非當今可得、無論開源或封閉的最強模型」
它的賭注在於這個組合,使它成為「一個適合客製化的優質開源基礎模型」,而非榜單上的競逐者。
多模態
無編碼器設計:影像以區塊編碼,音訊以 dMel 頻譜表示,兩者皆投影至與文字共用的隱藏空間。
思考深度旋鈕
可調且高效,技術上可調範圍為 0 至 0.99。
在 Tinker 上
可在 Thinking Machines 的 Tinker 平台上微調。
Inkling · Thinking Machines7 / 18
架構
66 層純解碼器,每個 token 只路由至少數專家
- 66層純解碼器 transformer,混合局部/全局注意力
- 6/256每個 token 路由的專家數,另加 2 位恆常啟用的共享專家
- 0–0.99思考深度旋鈕——技術上可調全範圍(官方效能曲線掃描 0.2 至 0.99)
- 30M+RL rollout;過程中思維鏈自發壓縮,並非獎勵機制刻意促成
Inkling · Thinking Machines8 / 18
它所進入的市場
開源市場早已由中國實驗室以數量取勝
- ~61%截至 2026 年 5 月,中國開源模型佔 OpenRouter 路由 token 量(Data Gravity)
- 4/5最常用的五款模型中,四款是中國模型
- <1%Meta 的 Llama 佔比——兩年前曾是開源龍頭
- 41Inkling 上線當日的 Artificial Analysis 智能指數——比前一名美國領先者 Nemotron 3 Ultra 高出三分
Inkling · Thinking Machines9 / 18
複雜之處
Thinking Machines 官方自述的理由並非如此框定
其宣言,2026 年 7 月 10 日
反對 AI 發展過度集中於少數如「中央計劃」般的實驗室,並引海耶克論知識分散——但通篇未點名中國。
「西方回應」的框架
來自獨立市場測量(Data Gravity、Artificial Analysis),而非 Thinking Machines 自己的說法。
Inkling · Thinking Machines10 / 18
部分師承對手
其後訓練以合成資料起步,「包含 Kimi K2.5」
官方自述
Inkling 的後訓練是以一輪初期監督式微調啟動的,所用的合成資料來自開源模型,「包含 Kimi K2.5」——正是它被拿來比較的中國模型之一。
所佔份量
官方指這段啟動僅佔「一小部分算力」,大宗算力用於大規模強化學習;因此這是起點,而非這款模型的實質內容。
Inkling · Thinking Machines11 / 18
Tinker 案例 · 並非 Inkling
微調後的 Qwen3-235B 在金融文件分類上勝過六款前沿模型
Bridgewater AIA Labs 與 Thinking Machines 於 2026 年 6 月 30 日發表,早於 Inkling 面世兩週。
模型 準確率 每千件任務成本 Bridgewater 訓練之模型(Qwen3-235B 微調版) 84.7% $4.72 GPT 5.5 78.2% $65.06 Claude Opus 4.8 78.0% $92.59 Claude Opus 4.6 77.2% $61.52 GPT 5.4 75.8% $28.50 Gemini 3.1 Pro 74.3% $31.77 GPT 5.2 74.3% $19.96 Inkling · Thinking Machines12 / 18
Tinker 案例 · 成本
準確率 84.66%,每千次任務成本 $4.72
- 13.8×較本任務最強的前沿模型 GPT 5.5 便宜——正是該文自述的數字
- 19.6×較全組最貴的 Claude Opus 4.8 便宜
共同發表
此為平台供應商與其客戶的共同發表,未經獨立複現。
並非 Inkling
所測的是 Qwen3-235B 微調模型;亦未見任何公開的 Inkling 專屬部署案例。
Inkling · Thinking Machines13 / 18
安全測試 · 2026 年 7 月 31 日
三大內部面向,四家具名外部測試機構
內部 · 三大面向
危險知識、濫用、多模態危害
- 雙重用途危險知識與一般濫用,內部測試。
- 涵蓋 17 種語言的多模態危害測試。
外部 · 四家具名機構
Scale AI、Handshake AI、FAR.AI、Apollo Research
- 各自負責不同領域:一般濫用、易受傷害使用者危害、CBRN/資安誘出、失控行為。
Inkling · Thinking Machines14 / 18
安全測試 · 對抗性微調
刻意移除安全防護
Thinking Machines 認為發布 Inkling 並未增加超出現有可下載開源模型既有程度的風險。
兩款模型的「只求有幫助」版本
由於開源權重可被重新微調以移除拒答訓練,Thinking Machines 將 Inkling 與 Inkling-Small 的版本刻意訓練成傾向配合而非拒答,並以相同的雙重用途評測進行測試。
其自身結論
「這些『只求有幫助』版本,在 CBRN 與資安任務上並未展現任何新增能力,其表現與現有開源模型相當。」
Inkling · Thinking Machines15 / 18
Inkling-Small · 2026 年 7 月 30 日
以不到三分之一參數量,與 Inkling 僅差一分
智能指數是較粗略的綜合指標,本身無法說明何種任務適合哪一款模型。
Artificial Analysis Inkling-Small Inkling 參數,總數/啟用 276B/12B 975B/41B 智能指數 40 41 Humanity's Last Exam 32% 30% GPQA Diamond 89% 87% τ³-Banking(代理型) 15% 24% 事實校準指數 負值 正值 Inkling · Thinking Machines16 / 18
結論
一款貨真價實、文件完備的開源模型
Inkling 是什麼
一款貨真價實、文件完備的開源模型——975B/41B MoE、開源權重 1M token 上下文、Apache 2.0 授權——發布當日即獲獨立評測列為美國開源模型之最,而它所進入的市場,早已由中國實驗室以數量取勝。
六週後
Hugging Face 上 Inkling 累計下載 166,108 次,Inkling-Small 為 168,647 次——這是一時的快照,而非市佔數據。未見任何專屬 Inkling 的企業部署案例。
Inkling · Thinking Machines17 / 18
記住這些
三件須分開看待的事
- Bridgewater/Tinker 經濟效益案例真實且文件完整,但它是 Inkling 面世前對 Qwen3-235B 的微調案例。未見任何專屬 Inkling 的企業部署案例——請保留這項空缺,而非把 Tinker 案例當作 Inkling 自身成績的證據。
- Cognition 查核評測的結果,是 Thinking Machines 對自家模型的自述說法。未見 Cognition 針對 Inkling 獨立公開發表的評分——在把此發現當作已獲獨立驗證之前,值得留意這一點。
- 「對中國開源模型的西方回應」,是對獨立測量市佔數據(Data Gravity、Artificial Analysis)的解讀,並非 Thinking Machines 自身論述——其官方說法從未點名中國。這兩者須分開看待。
Inkling · Thinking Machines18 / 18