过去 24 小时里，我最关注的一条 AI 消息，不是某个闭源模型又把榜单刷高了几分，而是 Thinking Machines Lab 发布了自己的首个开放权重模型 Inkling。这个团队由前 OpenAI CTO Mira Murati 创办，本来就自带行业关注度；更关键的是，它这次没有直接去讲“我们是最强模型”，而是把重点放在“可定制、可微调、可控成本”上。
这件事为什么值得看
根据 Thinking Machines 的官方介绍，Inkling 是一个 MoE（混合专家）架构模型，总参数 975B，但单次任务约激活 41B 参数；预训练数据覆盖文本、图像、音频、视频共 45 万亿 tokens，支持最长 100 万 tokens 上下文。它的输出目前以文本为主，包括代码、结构化数据和前端/设计类产物。
这组数字当然很大，但我认为真正的信号不在“参数有多吓人”，而在产品定位：Thinking Machines 明确承认 Inkling 不是当前最强的综合模型，而是一个适合企业和开发者继续定制的开放权重底座。这句话很重要。过去一年，大模型行业的竞争主线是“谁的通用模型更强”；现在越来越多团队开始承认，企业真正需要的，往往不是一个万能聊天框，而是能嵌入自己数据、流程、风控和产品体验里的模型。
开放权重正在重新抬头
TechCrunch 的报道也强调，Inkling 和 OpenAI、Anthropic、Google 的旗舰闭源模型不同，外部开发者可以下载和修改权重。SiliconANGLE 进一步提到，Thinking Machines 把 Inkling 放在“可微调”的场景里看待，希望企业把它变成更贴合自身任务的模型，而不是只购买一个标准化 API。
这背后有一个很现实的商业判断：闭源 API 适合快速试错，开放权重适合沉淀能力。对于有技术团队、有隐私要求、有长期成本压力的公司来说，模型能不能本地化部署、能不能针对行业知识微调、能不能控制推理成本，往往比一次 benchmark 排名更重要。
我的判断
Inkling 未必会马上改变普通用户每天使用 AI 的方式，但它对行业格局的意义更像一个提示：AI 竞争正在从“模型发布会”走向“模型工程化”。未来真正有价值的公司，不只是会调用大模型，而是能把模型训练、微调、评估、工作流和业务系统连成一套可复用能力。
从个人品牌角度看，我也建议创业者和管理者不要只盯着“谁又发布了最强模型”。更值得追踪的是：哪些模型开始开放，哪些平台降低微调门槛，哪些团队在解决成本、可控性和企业落地问题。因为这些变化，才会决定 AI 从炫技走向生产力的速度。
消息来源
- Thinking Machines Lab 官方发布：https://thinkingmachines.ai/news/introducing-inkling/
- TechCrunch：https://techcrunch.com/2026/07/15/thinking-machines-amps-up-its-bet-against-one-size-fits-all-ai-with-its-first-open-model-inkling/
- SiliconANGLE：https://siliconangle.com/2026/07/15/mira-muratis-thinking-machines-drops-inkling-open-weights-model-anyone-can-access/
- MarkTechPost：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/
