由OpenAI前技術長米拉·穆拉蒂創立的Thinking Machines Lab，於7月15日釋出了其首款開放權重模型Inkling。這款模型採用混合專家架構，總引數量達9750億，每處理一個Token啟用410億引數，預訓練使用45萬億個Token，支援最長100萬個Token的上下文，可理解文字、圖片和音訊並以文字輸出。Inkling採用Apache 2.0許可證開放權重，允許開發者下載部署或通過Tinker平台微調，定位為企業開發AI應用的底座而非直接面向消費者。

Inkling最引人注目的技術來源是其架構設計。Thinking Machines在技術報告中明確寫道，Inkling的混合專家設計“主要沿用了DeepSeek-V3”，包括無輔助損失負載均衡等特性。後訓練階段，公司使用開放權重模型生成的合成數據進行冷啟動監督微調，其中明確提到了月之暗面的Kimi K2.5。這意味著，一家由OpenAI前CTO創辦、團隊三分之二來自OpenAI的美國實驗室，首款模型沿用了中國DeepSeek的架構，並藉助Kimi的資料完成訓練起步。

然而，Inkling在效能上並未超越其借鑑的物件。在“人類最後的考試”純文本評測中，Inkling得分29.7%，而Kimi K2.6和GLM 5.2分別達到35.9%和40.1%；加入工具後Inkling升至46%，仍低於後兩者的54%和54.7%。在軟體工程能力評測SWE-Bench Pro中，Inkling得分54.3%，Kimi K2.6為58.6%，GLM 5.2為62.1%。Terminal Bench 2.1上差距更明顯，Inkling僅63.8%，Kimi K2.6和GLM 5.2分別達71.3%和82.7%。Inkling在網頁應用設計、音訊理解和安全性方面表現較好，但綜合推理、程式設計和智慧體能力尚未進入開放模型第一梯隊。

價格方面，Inkling同樣不具優勢。在Tinker平台上，64K版本每100萬Prefill Token收費1.87美元，每100萬Sample Token收費4.68美元，且為“限時五折價”。256K版本價格更高。作為對比，Kimi K2.6官方API每100萬輸入和輸出Token分別收費0.95美元和4美元，GLM 5.2分別為1.4美元和4.4美元。Inkling的預填充價格接近Kimi K2.6的兩倍，生成價格也高於兩者。

Thinking Machines的背景使這一結果更耐人尋味。公司於2025年2月正式亮相，團隊約30人中三分之二來自OpenAI，包括聯合創始人John Schulman、前研究副總裁Barret Zoph等，穆拉蒂本人曾參與DALL-E、Codex、ChatGPT和Sora等產品，2022年升任OpenAI技術長，2023年11月還短暫擔任臨時CEO。公司尚未推出產品就完成20億美元種子輪融資，估值達120億美元，投資方包括安德森·霍洛維茲、輝達、AMD和簡街等。

分析認為，穆拉蒂選擇借鑑中國模型並非技術落後的證明，而是基於工程現實。OpenAI前沿模型全部閉源，無法直接複用，而DeepSeek和Kimi公開權重和技術報告，架構和訓練方法可合法研究。Inkling本身也是開放權重模型，從開放模型中吸收成熟方案是順理成章的選擇。但關鍵問題在於，為何擁有頂尖團隊、充足資金和輝達最新訓練系統的Thinking Machines，最終做出的模型效能更弱、價格更高？

答案可能在於穆拉蒂瞄準了特定的市場空缺。美國對中國AI模型的監管氛圍正在收緊，相關部門已圍繞資料安全和模型來源發出警告，部分使用中國模型的企業受到調查。政策不確定性使美國企業，尤其是涉及政府業務和敏感資料的公司，開始尋找本土替代品。此前，美國企業大量使用中國開放模型——據OpenRouter向CNBC提供的資料，2026年2月以來中國模型在美國企業呼叫Token中每週佔比超30%，最高達46%。Cursor選擇Kimi K2.5作為基礎模型，橋水基金通過Tinker微調阿里Qwen獲得定製模型。

Inkling作為美國公司開發、採用Apache 2.0許可證、支援私有部署和定製的開放權重模型，其核心價值在於合規確定性。美國企業選擇它不必擔心政治爭議，更容易通過政府客戶和大型公司的合規審查。穆拉蒂顯然看到了這個正在形成的空缺——Inkling不需要在所有基準評測中擊敗中國模型，只需要成為那些不敢繼續使用中國模型的美國企業可以接受的選擇。這也解釋了為何它敢於定價更高：政策替Inkling縮小了競爭範圍，效能和價格差距便不那麼致命。

從商業角度看，穆拉蒂可能從一開始就沒打算用Inkling爭奪基準評測第一名。公司強調的是開放權重、多模態能力和可定製性，希望企業通過Tinker微調將Inkling改造成客服、程式設計助手等專用模型。對企業而言，模型能否私有部署、能否掌握資料、能否按業務繼續訓練，有時比基準分數更重要。Inkling“夠用”即可。

然而，這套生意的代價可能由美國企業承擔。美國之外的公司仍可自由選擇GLM、Kimi和DeepSeek等更強、更便宜的模型，而美國企業可能被迫採用效能稍弱、價格更高的本土替代品。基礎模型的能力差距會傳遞到微調後的產品中，形成結構性競爭劣勢。華盛頓原本希望用限制保護美國AI公司，結果可能先為Inkling這樣的“貴替”創造了市場。對穆拉蒂來說，“一般般”已經足夠；對美國AI產業而言，這份“夠用”則意味著成本升高和競爭力下降。