Thinking Machines Lab 开源 Inkling 975B 参数 MoE 模型

7 月 15 日，由 Ilya Sutskever 等人创立的 Thinking Machines Lab 正式发布 Inkling，这是一款从头训练的开放权重（open-weights）模型。Inkling 采用 Mixture-of-Experts（MoE）架构，总参数 975B、每次前向激活 41B，支持最高 1M token 的上下文窗口，并原生处理文本、图像与音频。

与多数追逐单一榜单 SOTA 的模型不同，Thinking Machines Lab 将 Inkling 定位为“可被定制的通用基础模型”：强调多模态、可控思考强度与可微调性，而非绝对能力第一。官方页面显示，Inkling 在代码、agentic 工具调用、长上下文与多模态任务上表现均衡，并公布了对应模型卡与 Hugging Face 权重。同时发布的还有 Inkling-Small（12B 激活参数），面向更低成本与更低延迟的场景。

Inkling 已上线 Tinker 平台进行微调，并开放 Inkling Playground 供开发者直接体验。团队还展示了一个“模型自训练”案例：Inkling 在 Tinker 上编写、运行并评估了自己的微调任务。这一发布意味着开源/开放权重阵营又多了一名重量级玩家，也是 Sutskever 离开 OpenAI 后首次以完整模型权重形式公开其团队的技术路线。