当全球大模型格局趋于固化，自研还有意义吗？

这个问题没有标准答案，但Thinking Machines Lab（TML）用Inkling给出了自己的回应。它不追求榜单第一，不渲染技术神话，也不靠融资故事博眼球。它的目标很朴素：打造一个企业真正能用、敢用、持续迭代的模型底座。

不是最强，但足够好用

Inkling总参数量9750亿，单次推理激活410亿，上下文窗口达100万token，预训练数据量45万亿token，覆盖文本、图像、音频与视频。它采用混合专家（MoE）架构，设计上借鉴DeepSeek V3思路，在保持规模的同时控制推理开销。 但它在官方声明中坦率承认：“Inkling并非当今最强的模型，开源或闭源都不是。”——这不是谦虚，而是立场。TML认为，开源模型的价值不在极限性能，而在于能力、推理成本、原生多模态与可微调性之间的务实平衡。

企业需要的不是SOTA，而是可塑性

TML团队此前已通过ToB平台Tinker积累了近一年的真实场景经验。他们发现，企业在落地AI时最常遇到三个痛点：算力成本不可控、定制流程断裂、多模态支持割裂。Inkling的设计正是对这三点的系统性回应——聚焦Token经济性、深度可定制闭环、原生多模态。 它不把“高分”当作终点，而是把“能否被企业用自己的数据反复打磨”作为衡量标准。为此，TML甚至让Inkling参与自身的微调实验：模型在Tinker平台上自主编写任务、运行训练、评估结果。这不是炫技，而是验证其作为基础设施的自我进化能力。

一条会自我调节的推理路径

在Terminal Bench 2.1智能体编程基准中，Inkling达到与英伟达Nemotron 3 Ultra同等性能时，仅需后者约三分之一的生成Token数。这种效率并非靠截断输出实现，而是通过超3000万次强化学习rollout内化形成的决策本能。 TML在后训练阶段引入动态Token成本机制：为不同任务设定差异化的每Token代价，引导模型学会判断——何时该深入推理，何时该及时收束。最终，Inkling发展出可配置的推理强度档位（output_config.effort 0–1），并在训练中自发压缩思维链表达，形成更紧凑、更经济的推理风格。 这意味着，开发者不再面对“固定算力换固定效果”的僵硬选择，而是拥有一条平滑的成本-性能调节曲线。

不只是开放权重，更是开放闭环

TML没有止步于发布模型权重。他们同步推出tml-renderer——一个专为复杂交互场景设计的数据渲染器，统一处理聊天消息、工具调用、图像与音频输入，确保推理采样与监督微调使用同一套格式规则。这套工具链支撑了“模型微调自身”的演示，也使企业能在真实业务流中稳定复用Inkling。 同期发布的Inkling-Small（2760亿总参/120亿激活）并非简单缩水版，而是面向高频、批量调用场景的协同组件：它在编程评测、模型打分、合成数据生成等任务中表现稳健，虽在复杂Agent和事实准确性上有所折损，却为企业提供了另一档成本选择。

原生多模态：为了更自然的人机协作

Inkling从预训练起就将文本、图像、音频联合建模，而非后期外挂编码器。它将多模态信号转化为轻量表示，与文本Token统一处理。这一设计服务于一种新型人机协作范式：前台模型负责实时语音/画面交互，后台则由Inkling异步承接深度推理、工具调用与上下文整合。 它能转写长语音、解析数学图表、结合Python代码放大裁剪图像，并在CharXiv视觉测试中借助工具将准确率从78.1%提升至82.0%。当前虽仅支持文本输出，但其输入端的原生融合能力，已为后续扩展预留了清晰路径。

安全与部署：拒绝黑盒，拥抱选择

在FORTRESS对抗测试中，Inkling对有害请求拒绝率达78%，同时对无害相似请求保持95.9%正常响应率，体现理性防御而非过度拦截。交付方式上，它提供BF16原始权重与Blackwell优化的NVFP4量化版本；既支持Together AI、Fireworks等托管服务调用，也兼容SGLang、vLLM、llama.cpp及Transformers等主流推理框架，兼顾云上敏捷与本地可控。

结语：自研不是执念，而是必然

TML选择从零训练Inkling，不是为了重复造轮子，而是因为企业级AI基础设施必须掌握全栈能力：只有掌控预训练、强化学习、推理优化与微调闭环，才能回答这些关键问题——任务需要多少Token？推理强度能否按需调节？模型能否原生理解多模态输入？企业是否能用自己的数据持续训练，并无缝嵌入现有技术栈？ Inkling的存在本身，就是对这个问题的回答：当AI进入深水区，决定竞争力的不再是参数数字或榜单排名，而是模型能否真正扎根于企业的业务流之中，成为可信赖、可演进、可掌控的智能基座。