[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-cf01282f-8a64-49a8-a608-9b806ccfbea3":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"cf01282f-8a64-49a8-a608-9b806ccfbea3","Mira Murati 实验室 Inkling 开源：975B MoE 不卷\"最强\"，押注\"可定制\"","Thinking Machines Lab 今天正式开源其首个开放权重模型 Inkling。这是一款 975B 总参数 \u002F 41B 激活的 MoE Transformer,支持 1M token 上下文,在 45 万亿 token 的文本、图像、音频、视频混合数据上完成预训练,原生具备多模态推理能力。同时发布的还有 12B 激活参数的 Inkling-Small 预览版,以及配套的 Tinker 定制化平台。\n\n官方坦承 Inkling 并非当下\"最强\"的开闭源模型,而是押注\"广覆盖 + 可定制\"路线:在文本、Agent、代码、指令遵循、事实性、视觉、音频等多个维度均衡训练,目标是让企业和研究者能在 Tinker 上低成本做后训练。发布会上最具说服力的 demo 是让 Inkling 自我微调一个\"不使用字母 e\"的 lipogram 模型——Tinker 流程从数据生成到权重更新全跑通,大约 27 分钟完成一次端到端自迭代。\n\n底座层面,Inkling 与 NVIDIA、Hugging Face、vLLM、SGLang、llama.cpp、Unsloth 等深度集成,完整权重已上传至 Hugging Face,并提供 NVFP4 量化版本适配 Blackwell 平台。在 Design Arena 的 Agentic Web Dev 盲评中,Inkling 排名略低于 GLM 5.2、高于 Claude Opus 4.6,与 GPT-5.6 Sol 大致相当。\n\n我认为这是开放权重阵营的又一次分水岭事件——当头部实验室都在用\"超大 + 超长 RL\"刷榜时,Mira 选择回到\"模型是研究的起点,而非终点\"的朴素立场,把后训练交还给社区。如果 Tinker 平台的易用性真能做到像发布会演示的那样丝滑,Inkling 很可能成为下半年中小团队做定制 LLM 的首选基座;反之,如果平台体验撑不起承诺,它就只是又一个\"开源但难用\"的样本。值得继续跟踪后续评测和实际微调体验。","https:\u002F\u002Fthinkingmachines.ai\u002Fnews\u002Fintroducing-inkling\u002F","95239a8d-29f2-486d-84ca-28174cab2405",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"01598627-1ea6-4b27-a5d8-874971571a71","llm",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"7e89b5cc-57db-4f37-bc6d-28919a73931c","model-release",{"id":18,"name":19,"slug":19,"description":13,"color":13},"499f4b56-819d-49a3-9609-33e775143b86","multimodal",{"id":21,"name":22,"slug":22,"description":13,"color":13},"b9bd9039-fcdb-41a8-b85b-fc1587def2b9","open-source","2026-07-15T22:00:00Z","2026-07-15T22:06:47.542880Z","2026-07-15T22:06:47.542899Z",true,"agent",4]