Jul 20, 2026

Inkling：Mira Murati 的 Thinking Machines Lab 发布首个开源权重模型（2026-07-20）

本文为翻译/转载，原文使用 CC BY-NC-SA 4.0 协议发布。原文作者：Simon Willison 原文标题：Inkling: Our open-weights model 原文链接：https://simonwillison.net/2026/Jul/16/inkling/ 原文发布：2026-07-16 本博客不参与任何商业变现（含 ads / 付费 / affiliate），本译文遵循 CC BY-NC-SA 4.0 条款发布。

译者按

Mira Murati——OpenAI 前 CTO，在 2025 年底离职创办 Thinking Machines Lab 后，一直备受业界关注。2026 年 7 月 16 日，这家备受期待的实验室终于交出了第一份答卷：开源权重模型 Inkling。这不仅是对标中国开源模型生态的重要信号，也为美国开源权重建模阵营增添了新的竞争者。Simon Willison 一如既往地用他的标志性「鹈鹕骑自行车」SVG 测试对 Inkling 进行了上手评测，并对其训练数据透明度提出了尖锐的观察——这对于中文圈读者理解全球开源模型竞争格局，以及思考数据透明度问题的对比，都极具参考价值。

正文

Mira Murati 的 Thinking Machines Lab 刚刚发布了他们的第一个开源权重模型。Inkling 是一「混合专家（MoE）Transformer，总参数量 975B，活跃参数 41B」——一个 Apache-2.0 许可的多模态模型，在 45 万亿 token 的文本、图像、音频和视频数据上完成训练。

他们还在预告一款 Inkling-Small，参数量 276B（活跃 12B），但该模型仍在测试中，权重「待测试完成后」才会发布。

模型卡比我对美国 AI 实验室的预期要简短得多。它链接到的训练数据文档更短，几乎没什么值得关注的信息——用以下两段话就能概括：

Thinking Machines Lab 用于开发其 AI 服务的数据集包括公有领域的内容，以及可能受知识产权保护的内容。

Thinking Machines Lab 的服务是利用从开放互联网和公共数据仓库获取的公开可用内容开发的。部分数据集也从第三方获得。

Thinking Machines 自己也承认，这并非一个前沿模型。它的定位是作为一套强大的基础模型，供用户使用其自家的 Tinker 训练平台进行微调：

Inkling 不是目前最强的整体模型，无论开源还是闭源。相反，一系列特质的组合使其成为一个优秀的开源权重微调基座：多模态能力、高效推理，以及可在 Tinker 上进行微调。

这次发布有很多值得欣赏的地方。它采用 Apache-2.0 许可，与中国开源权重模型相比竞争力强劲——很高兴看到美国开源权重生态迎来了新的有力竞争者，加入 NVIDIA Nemotron 和 Gemma 4 的行列。

以下是我用 curl 命令通过 Thinking Machines API 生成的 SVG 鹈鹕骑自行车图：

curl "https://tinker.thinkingmachines.dev/services/tinker-prod/oai/api/v1/chat/completions" \
  -H "Authorization: Bearer $TINKER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "thinkingmachines/Inkling",
    "messages": [
      {"role": "user", "content": "Generate an SVG of a pelican riding a bicycle"}
    ],
    "stream": false
  }'

完整响应在此。

作为一个多模态模型，我让它描述自己的输出（在我将其渲染为 JPEG 之后）：

{
  "model": "thinkingmachines/Inkling",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,$BASE_64_JPEG"}},
      {"type": "text", "text": "Describe this image in detail"},
    ],
  }],
  "stream": false
}

以下是完整响应。它以为自己在画一只「鹳或海鸥」：

这是一幅欢快的扁平矢量卡通插画，描绘了一只白色鸟儿骑着自行车穿过绿色草地。

鸟儿： 中心是一只风格化的白色鸟——类似鹳或海鸥——有着圆润丰满的身体。它有着长而突出的橙色喙，微微张开，露出黑色的嘴缝。眼睛小而黑，带有一丝白色高光。鸟的翅膀和尾羽为黑色，边缘为白色，细长的橙色腿末端是黑色爪子，搁在自行车橙色脚踏板上。

自行车： 自行车有着简单的黑色车架，两个大车轮配有黑色轮胎、灰色内圈和十字交叉排列的黑色辐条。车把为黑色，黑色曲柄上连有亮橙色脚踏板。鸟身后方可见白色车座。

场景： 场景背景是清澈的淡蓝色天空。左侧有一朵蓬松的白云，鸟头右侧有一朵较小的云。右上角闪耀着一轮明亮的黄色太阳。底部是起伏的绿色山丘，自行车停放在平滑弯曲的山顶之上。

整体风格俏皮、简洁、色彩丰富，线条干净，氛围明亮而阳光。

译者注

Thinking Machines Lab：Mira Murati（OpenAI 前 CTO）于 2025 年创立的 AI 实验室，定位为构建「可定制、可解释的 AI 系统」。Inkling 是其首个公开发布的开源权重模型，标志着美国开源大模型生态的重要进展。
MoE（混合专家）架构：975B 总参数 / 41B 活跃参数意味着每次推理只激活约 4.2% 的参数，在保持模型容量的同时控制推理成本。这一范式在 DeepSeek、Qwen 等中国模型中已广泛采用。
Apache-2.0 许可：与 Meta 的 Llama 系列使用的自定义许可不同，Apache-2.0 是 OSI 批准的标准开源许可，对商业使用限制更少。
鹈鹕基准测试（Pelican Benchmark）：Simon Willison 自 2024 年起用于测试 LLM 图像生成/代码能力的非正式基准——让模型生成「一只骑自行车的鹈鹕」的 SVG。他承认该基准已不再与模型整体能力强相关，但仍作为快速上手测试具有参考价值。
值得注意的是，Inkling 的训练数据透明度远低于 DeepSeek、Qwen 等中国开源模型，后者通常会发布详细的技术报告和数据构成说明。这在中美 AI 开源策略上形成了有趣的对比。

Inkling：Mira Murati 的 Thinking Machines Lab 发布首个开源权重模型（2026-07-20）

译者按

正文

译者注

延伸阅读