Inkling

Inkling 是什么？

Inkling 是 Thinking Machines 发布的首款开放权重模型，采用 Apache 2.0 许可证。它是一款混合专家（MoE）Transformer 模型，总参数量达 9750 亿，每次前向传播激活 410 亿参数。Inkling 支持高达 100 万 token 的上下文窗口，并在 45 万亿 token 的数据集上完成预训练，涵盖文本、图像、音频和视频。它能跨这些模态进行原生推理，并提供可控的思考深度，让用户平衡成本与性能。该模型可在 Tinker 平台上进行微调，完整权重可直接下载。

适用人群

• 开发者与 AI 工程师：希望获得一款强大、可定制的开放权重基础模型，以便针对特定用例进行微调，避免供应商锁定。
• 研究人员与开源贡献者：需要基于宽松许可证（Apache 2.0）获取模型权重，用于实验、适配或进一步训练。
• 构建多模态应用的团队：需要跨文本、图像和音频进行原生推理，同时实现高效、可控的推理成本。

核心特性

9750 亿参数 MoE，激活 410 亿参数

Inkling 采用混合专家架构，每个 token 仅激活总参数的一小部分。这种设计在保持推理计算效率和低延迟的同时，提供了大型模型的能力。

100 万 token 上下文窗口

模型支持高达 100 万 token 的上下文，适用于长文档分析、扩展对话以及需要单次推理大量信息的任务。

原生多模态推理

Inkling 在文本、图像、音频和视频上完成预训练，并能跨这些模态进行原生推理，无需为不同输入类型配备独立的编码器或流水线。

可控思考深度

用户可调整模型在生成答案前用于推理的计算量，从而精细控制响应质量与成本或延迟之间的权衡。

突出优势

Inkling 并非当前最强的整体模型——相反，多种特性的结合使其成为一款适合定制的优秀开放权重基础模型。

这种坦诚的定位让 Inkling 脱颖而出。Thinking Machines 并未追求顶尖的基准测试分数，而是专注于构建一款均衡、灵活的基础模型，作为微调的绝佳起点。该模型可在 Tinker 上直接定制，团队通过让 Inkling 自我微调——自行编写训练任务、运行并评估结果——在 Tinker 平台上展示了这一能力。

值得关注，如果……

你正在寻找一款采用宽松许可证、开放权重的模型，它兼具多模态能力与高效推理，并且你重视对模型进行微调和定制的能力。如果你希望尝试可控的推理深度，或需要一款能处理跨文本、图像和音频的长上下文模型，Inkling 尤其值得探索。