在大型模型逐渐走向封闭服务和高额推理成本之际，开放权重模型重新成为企业部署与定制的重要选择。美国Thinking Machines Lab发布首个通用模型Inkling，允许开发者下载、运行并进一步微调模型权重。该公司由前OpenAI首席技术官Mira Murati于2025年创立，定位并非单纯追逐排行榜第一，而是为企业和研究机构提供可控制、可定制的人工智能基础模型。

Inkling采用混合专家架构，总参数规模为9750亿，但每次推理约激活410亿参数，在模型容量和实际计算成本之间寻求平衡。官方模型卡显示，它支持文本、图像和音频输入并输出文本，标准上下文窗口达到100万令牌；在Tinker训练平台上还提供不同长度配置。模型面向知识问答、数学与科学推理、代理式编码、工具使用、预测与置信度评估等任务，并允许用户调整推理强度。

Thinking Machines强调，Inkling是从头训练的开放权重模型，可通过Tinker平台面向特定行业和数据进行微调。该模型在综合基准上尚未全面超过最先进的封闭模型，但在代理任务、代码和多模态输入方面表现出竞争力。更重要的是，企业可以在自有环境中控制模型版本、推理成本和数据边界，而不必完全依赖外部接口。

开放权重并不等同于完全开源。Inkling公开模型权重，但训练数据、完整训练流程和部分工程细节并未全部开放；其规模也意味着本地运行仍需要专业加速器集群。因此，Thinking Machines仍将Tinker作为重要商业入口。Inkling反映出基础模型市场的新分层：头部封闭模型继续争夺极限能力，开放权重模型则突出可控性、成本和行业适配。

我们是一家总部位于波士顿的初创公司，其目标是使机器人完全由非专家完成任务，而不必对其进行编程。我们提供全面的软件基础设施，允许用户通过自然语言对话和图形用户界面指导机器人。当机器人没有足够的知识来执行指示的任务时，它们会让用户知道。然后，用户可以教机器人任何缺失的知识，例如，通过描述物体或演示动作。以自然的方式与用户互动并从这些互动中快速学习的能力为机器人在“开放世界”中操作并根据需要适应意外变化奠定了基础。