北京
一家公司發布了一個9750億參數的大模型，編程任務只用三分之一的token就能達到業界領先水平，卻在官方文檔里明確寫道：“Inkling不是當前可用的最強模型，無論是閉源還是開源。”周三，由前OpenAI首席技術官米拉·穆拉蒂創辦的思維機器實驗室（Thinking Machines Lab）正式推出這款模型，并選擇開放權重，外界開發者可以直接下載、修改它，這與OpenAI、Anthropic、谷歌的旗艦產品路線截然相反。
Inkling采用混合專家（MoE）架構，總參數量9750億，每項任務僅激活其中約410億參數，兼顧了運行速度和成本。訓練數據涵蓋文本、圖像、音頻和視頻共45萬億個token，支持原生多模態推理。思維機器實驗室透露，模型被設計為給出校準后的答案——遇到不確定的情況會主動標記，而非強行猜測；用戶還可以通過一個“思考努力度”旋鈕在響應速度與深度之間做出權衡。作為對比，在某一編程基準上，Inkling消耗的token量為英偉達Nemotron 3 Ultra的三分之一，即可達到同等表現。
這次發布實際是思維機器實驗室對自身理念的一次驗證：AI不應是一體適用的標準化商品。該公司上周刊發的一篇背景文章指出，由單一公司集中訓練、然后固定下來的模型，表現總會遜于那些由使用組織自己塑造的AI，因為大量專業知識只掌握在一線團隊手中。從五月份公開的“交互模型”研究預覽也能看到這一思路的雛形——那種能聽、能說、甚至懂得適時打斷的AI，就是為了讓組織像訓練員工那樣訓練模型，而不是等待一個通用的聊天機器人回答所有問題。
然而，這條路線并非沒有爭議。思維機器實驗室把Inkling定位為“起點”而非成品，企業需要通過其定制平臺Tinker自行微調模型。這意味著用戶端必須具備機器學習人才來進行精細調整，并且要自己為模型的安全性把關。這與OpenAI將ChatGPT先做成通用聊天機器人、再層層疊加自主功能的做法完全不同。批評者認為，這相當于把安全負擔和工程復雜度甩給了客戶，對于缺乏AI團隊的傳統企業可能并不友好。
思維機器實驗室似乎并不急于爭奪“最強”的標簽，反而刻意繞開這條擁擠的賽道。它的籌碼在于“恰到好處”——用均衡的性能換取企業可以真正掌控的模型。這種做法能不能撬動習慣了巨型通用API的公司群體，還需要看后續有多少企業愿意投入資源去訓練屬于自己的Inkling。如果這條路走通，大模型產業的競爭焦點或許會從參數競賽轉向“定制化基礎設施”，但眼下，它更像是一次冷靜的實驗。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
