Thinking Machines Inkling 开源模型首次亮相

由前OpenAI首席技术官Mira Murati创立的Thinking Machines发布了Inkling,这是一个975B参数的混合专家模型,拥有41B激活参数和1M上下文窗口。该模型在45T tokens上训练,原生支持文本、图像和音频。同时还发布了一个较小的12B激活参数预览版。该模型为开源,其训练后数据从Kimi 2.5等模型中蒸馏而来。 与其他开源模型的基准定位: • 优于Nemotron 3 Ultra和Kimi K2.5。 • 与Kimi K2.6和DeepSeek V4 Pro互有胜负(在IFBench、SWEBench Verified上领先;在HLE、SimpleQA、Terminal Bench上落后)。 • 略逊于GLM 5.2,后者是目前大多数基准测试中的开源领先者。 与闭源前沿模型对比: • Claude Fable 5和GPT-5.6 Sol在代理编码(SWEBench Verified 95% vs 77.6%)和事实性(SimpleQA 71.6% vs 43.9%)方面显著领先。 • Inkling在指令遵循(IFBench 79.8% vs Claude 63.5%)和良性提示的低拒绝率(FORTRESS Benign 95.9% vs Claude 55.1%)方面表现出色。
Key insights
Inkling的发布为开源AI增添了一位重要新玩家
凭借975B参数和混合专家设计,Inkling以接近顶尖的水平进入开源领域,超越了多个成熟模型。在Mira Murati团队的支持下,这表明前OpenAI领导层认为开源模型是影响AI发展并可能对抗闭源整合的可行路径。
Inkling展示了偏向指令遵循的可用性与安全性权衡
虽然在代理编码和知识推理方面落后于闭源模型,但Inkling在指令遵循上优于Claude,并且在良性请求上的拒绝率远低于Claude。这表明其主动设计选择优先考虑有用性和对用户意图的遵从,而非谨慎的安全拒绝,这与一些注重安全的提供商理念不同。
从开源模型蒸馏凸显开源网络效应
Inkling从Kimi 2.5和其他开源模型中进行训练后蒸馏,展示了开源发布如何加速后续模型开发。这形成了一个正反馈循环,每个新模型都为下一个模型提高了基准,但也引发了关于训练流程原创性的质疑。