前 OpenAI 首席技术官米拉·穆拉蒂(Mira Murati)日前正式揭晓了其创立的“思维机器实验室”(Thinking Machines Lab)的首个重磅成果——多模态 AI 模型 Inkling。凭借强劲的性能表现,该模型被业界视为目前美国开源 AI 领域的最强竞争者。
据悉,思维机器实验室的创始团队阵容豪华,约三分之二的核心成员均来自 OpenAI,曾深度参与过前沿研究、产品落地及安全机制构建等关键工作。此次推出的 Inkling 是该团队自主训练的首款模型,采用了混合专家(MoE)架构,总参数量达到975B,激活参数为41B,并支持高达1M tokens 的上下文窗口。

在预训练阶段,Inkling 消化了45万亿 tokens 的海量数据,涵盖了文本、图像、音频及视频等多种模态。目前,思维机器实验室已在 Hugging Face 平台及自有的 Thinker API 上全面公开了模型权重。
通过横向基准测试对比,Inkling 在多个领域展现了卓越的综合实力。尤其在数学求解方面,Inkling 在 AIME2026测试中取得了97.1% 的高分,略高于 DeepSeek V4Pro;而在智能体工作流程的 MCP Atlas 测试中,它也以74.1% 的得分远超 Nemotron3Ultra。
尽管在推理、编码以及特定软件工程任务中,Inkling 与 Claude Fable5或 GPT5.6Sol 等闭源头部模型相比仍存在一定差距,但在原生视觉和音频理解能力上,Inkling 展现出了极强的竞争力。特别是在音频处理基准测试(MMAU)中,其77.2% 的成绩已非常接近 Gemini3.1Pro。
在当前的开源生态竞争中,Inkling 面对 GLM5.2、DeepSeek V4Pro 以及 Kimi K2.6等强劲对手时表现各异。例如,GLM5.2在纯编码与复杂推理任务上保有优势,而 Inkling 则在通用指令跟踪(IFBench)中略胜一筹。
总体而言,作为穆拉蒂团队的首秀,Inkling 为开源社区提供了一个具备强大原生多模态能力的基座。随着权重的开放,这一模型有望在未来的 AI 开发与应用中扮演重要角色。
Inkling 是什么模型?
Inkling 是思维机器实验室发布的首款多模态开源模型,由前 OpenAI CTO 米拉·穆拉蒂团队推出。它支持文本、图像、音频和视频输入,定位为可公开使用的基础模型。
Inkling 的核心参数和架构是什么?
文章提到 Inkling 采用混合专家(MoE)架构,总参数量 975B,激活参数 41B,支持 1M tokens 上下文窗口。预训练数据规模达到 45 万亿 tokens,覆盖多种模态。
Inkling 在哪些测试里表现最好?
它在数学求解和智能体工作流测试中表现突出:AIME2026 得分 97.1%,MCP Atlas 得分 74.1%。在音频理解基准 MMAU 中也达到 77.2%,接近 Gemini3.1Pro。
超长上下文真能提升智能体吗?
能,但前提是任务确实需要跨文档、跨轮次记忆。1M上下文更适合长代码库、复杂研究和多文件分析;若只是短问答,收益有限,反而会增加推理成本和检索噪声。
MoE模型部署要注意什么?
重点看路由稳定性、专家负载均衡和显存规划。部署时要监控热点专家是否过载,并结合量化、并行和缓存策略,否则参数再大也可能在真实业务里跑不稳。
