2026年7月15日，Thinking Machines Lab正式对外发布了其首个从零训练的旗舰模型——Inkling。这一举措不仅标志着该实验室在人工智能领域的正式入局，更为开源社区带来了一款参数规模惊人且具备高度灵活性的多模态大模型。
核心参数与多模态能力
根据官方介绍，Inkling拥有9750亿的总参数量，但在实际推理过程中仅激活41亿参数。这种混合专家模型架构是当前大模型发展的主流趋势，旨在通过稀疏激活来显著降低计算成本，同时保持强大的推理能力。此外，Inkling支持长达100万token的上下文窗口，这意味着它可以一次性处理超长文档，极大提升了处理复杂科研报告、法律文件或代码库等长文本场景的效率。在多模态方面，它原生支持文本、图像和音频输入，打破了传统单一模态的局限，能够更好地理解现实世界的复杂信息。
差异化定位：可控的思考努力
最引人注目的特性是“可控的思考努力”。与市场上那些一味追求“最强”但往往缺乏透明度的闭源模型不同，Inkling被定位为一个可定制的“基础模型”。实验室明确表示，Inkling并非目前最强的模型，其核心竞争力在于“可控性”。用户可以根据实际需求，动态调整模型的思考深度和计算资源消耗。这种能力对于企业级应用尤为重要，开发者可以根据业务场景，在响应速度和推理精度之间找到最佳平衡点，而无需依赖昂贵的专用硬件。
开源生态与行业影响
在闭源模型垄断市场的当下，Apache 2.0开源协议的引入具有里程碑意义。这允许开发者自由地修改、分发甚至私有化部署该模型，极大地降低了AI技术的准入门槛。对于学术界和工业界而言，Inkling提供了一个强大的微调平台，科研人员可以基于此模型开发针对特定垂直领域的专用AI助手，如医疗诊断辅助、金融风控系统或创意设计工具。Inkling的发布，预示着开源大模型正从“通用竞争”转向“定制化竞争”的新阶段，为AI技术的普惠化应用提供了新的可能。
来源：MarkTechPost
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/07/15/thinking-machines-lab-releases-inkling-a-975b-parameter-open-weights-multimodal-moe-with-41b-active-parameters-and-controllable-thinking-effort/
