Mira Murati 旗下 Thinking Machines 開源首個多模態模型 Inkling，強調抗審查與低成本部署
幫你做功課
三句話說明發生什麼事
- Inkling 是 975 億參數的 MoE 多模態模型，採 Apache 2.0 開源授權，權重已上架 Hugging Face。
- 在 SWE-bench Verified 基準測試，Inkling 拿到 77.6%，比 Nvidia Nemotron 3 的 71.9% 高；語音基準 VoiceBench 則是 91.4%，低於 Gemini 3.1 Pro 的 94.4%。
- Thinking Machines 公開聲明 Inkling 設計上要「對可能受審查的議題直接回答」，並同步預告輕量版 Inkling-Small（276 億參數）。
三句話說明這事的意義
- Apache 2.0 授權加上本地部署能力，讓 Inkling 對法規敏感或資料主權要求高的亞太企業（如金融、醫療）有實際吸引力。
- 「抗審查」定位是一把雙面刃：對需要不過濾輸出的企業用戶是賣點，但在部分亞洲市場可能直接影響合規審查與落地空間。
- 975 億參數的開源 MoE 模型直接參照 Mixtral、Nemotron 等既有路線，Thinking Machines 要在開源陣營搶份額，接下來比的是微調生態與推理成本，而不只是基準分數。
前 OpenAI 技術長 Mira Murati 創辦的 Thinking Machines 今日發布首個開源語言模型 Inkling，採 Apache 2.0 授權，允許企業自由商用、本地部署或在私有雲上運行。Inkling 是原生多模態的 Mixture-of-Experts（MoE）架構，總參數量達 9,750 億，能同時處理文字、圖像與語音。在第三方基準測試上，Inkling 在軟體工程任務 SWE-bench Verified 拿到 77.6%，超過 Nvidia Nemotron 3 的 71.9%；語音理解 VoiceBench 則達 91.4%，略低於 Gemini 3.1 Pro 的 94.4%。模型設計上有一項「可控思考強度」（controllable thinking effort）機制，讓使用者在推理深度與運算成本之間自行調節。值得注意的是，Thinking Machines 明確表示 Inkling 被設計成「對可能受審查的議題直接回答」，刻意與部分主流模型的內容過濾策略區隔。模型權重已上架 Hugging Face，同時可透過該公司自有 API 平台 Tinker 使用。此外，公司同步預告較輕量的 Inkling-Small，參數量為 2,760 億，針對邊緣或資源受限場景設計。
原文出處
原文標題
Thinking Machines open sources first multimodal language model, Inkling, focused on low cost and 'resistance to censorship'
媒體來源
VentureBeat AI
發布日期
2026-07-15
閱讀原文 ↗
訂閱品富智圖 AI 新聞
每日 AI 產業要聞彙整，一封信直送信箱。