模型与产品2026年7月19日

前OpenAI CTO创业首秀：Thinking Machines Lab 发布开放权重多模态模型 Inkling

由前OpenAI首席技术官 Mira Murati 创立的 Thinking Machines Lab 于7月16日正式发布首个基础模型 Inkling。Inkling 采用混合专家（MoE）Transformer 架构，总参数9750亿，激活参数410亿，支持100万Token上下文窗口，覆盖文本、图像、音频和视频四模态。模型以开放权重形式在 Hugging Face 发布，已获 transformers、SGLang 和 llama.cpp 等主流框架支持。同时发布的还有轻量版 Inkling-Small（激活参数120亿）。此举被业界视为 Murati 做了一件其前雇主 OpenAI 不愿做的事——发布真正开放的前沿AI模型。

来源：Thinking Machines Lab原标题：Inkling: Open-Weights Multimodal Model查看原文

开放式大脑由文字粒子、图像晶体、音频波纹和视频光流四种元素组成，在透明气泡中融合，象征Inkling多模态开放模型

图片来源：北京拓实科技原创（AI生成）

发生了什么

7月16日，由前OpenAI联合创始人兼CTO Mira Murati 率领的 Thinking Machines Lab（TML）正式发布首款自研AI模型 Inkling。该模型采用混合专家（MoE）Transformer 架构，总参数量9750亿（激活参数410亿），使用45万亿Token的文本、图像、音频和视频数据进行预训练，支持最高100万Token的上下文窗口。

Inkling 以开放权重（Open Weights）形式在 Hugging Face 平台发布，提供全精度 BF16 及 NVFP4 量化版本，内置推测解码（MTP）层以加速推理。主流框架 transformers、SGLang 和 llama.cpp 均已提供支持。TML 同时推出了 Inkling-Small 预览版，激活参数120亿，以更低成本和延迟满足轻量场景。

为什么值得关注

Mira Murati 是 OpenAI 核心产品 GPT-4、ChatGPT 和 DALL-E 的关键推动者，其人脉和技术判断力备受关注
Inkling 采用开放权重策略，与 OpenAI 的封闭路线形成鲜明对比
模型研发借鉴了 DeepSeek-V3 架构，后训练使用了 Kimi K2.5 生成数据，体现了开源社区的交叉促进作用
四模态原生支持（文本/图像/音频/视频）使其在多模态应用场景中具备独特优势

企业启示

Inkling 的开放权重策略对企业用户意味着可以下载并自行微调模型，无需依赖API订阅。对于数据安全和隐私要求较高的行业（如金融、医疗、国防），这是一条规避供应商锁定的可行路径。TML 同步推出的 Tinker 微调平台进一步降低了企业的二次开发门槛。不过，9750亿参数的总规模对部署算力要求较高，中小企业在实际落地时可能更倾向于使用 Inkling-Small 或云端API。

待观察

Inkling 是 TML 模型家族的首款产品，后续迭代方向值得跟踪。目前尚不清楚 TML 的商业模式——如果以开放权重为主，如何实现可持续盈利？此外，作为一家新创公司，TML 能否持续获得足够的算力资源来训练下一代更大规模的模型，也是一个现实问题。

编辑说明

本文由北京拓实科技根据公开信息整理，核心事实与数据请以原始来源为准。