时间：2026年7月30日
地点：美国旧金山
人物：Thinking Machines Lab创始人、前OpenAI首席技术官Mira Murati及其团队
事件详情：Thinking Machines Lab于7月30日正式发布第二款开源模型Inkling-Small，距7月15日旗舰Inkling开源仅两周。Inkling-Small采用混合专家（MoE）架构，总参数276B、激活参数12B，规模约为旗舰Inkling（975B总参数/41B激活）的四分之一。该模型在NVIDIA GB300 NVL72系统上训练，支持文本、图像、音频原生输入及可变思考强度，上下文窗口最高1M tokens，并以Apache 2.0协议在Hugging Face开放完整权重，同时接入Tinker微调服务与Tinker Playground。第三方评测机构Artificial Analysis给出Intelligence Index 40分，仅落后旗舰Inkling 1分，并称在同尺寸或更小的开源权重模型中无出其右。
背景：Thinking Machines由Mira Murati与多位前OpenAI核心成员于2025年创立，定位为追求"可重复工程"的AI实验室，旗下Inkling首发时被业内誉为"美国最强开源AI模型"。此次Inkling-Small跳过了首发的"全村之力"模式，由研究员Horace He主导，借助改进的数据混合与Inkling蒸馏技术，证明了在不显著降低智能水平的前提下，参数效率可大幅提升。
影响：
- 开源生态再次迎来旗舰级模型，加速中小团队与企业接入顶级推理能力
- MoE路线的参数效率竞争升级，对DeepSeek V4 Flash等同尺寸模型形成直接压力
- Thinking Machines以两周两次开源发布的节奏，验证其工程化交付能力，但联合创始人频繁出走仍引发关注
总结：Inkling-Small的发布印证了"小参数也能逼近旗舰"的技术路径。在算力成本持续高企的当下，这一以四分之一参数取得接近旗舰表现的模型，或将成为开源大模型生态的重要参照系。同时，Thinking Machines在联创流失与高频发布之间的张力，也折射出当前顶尖AI实验室人才争夺的激烈程度。
参考来源：
- https://the-decoder.com/thinking-machines-bets-on-efficiency-over-size-with-its-second-model-inkling-small/
- https://artificialanalysis.ai/articles/inkling-small-lands-within-a-point-of-inkling-on-the-artificial-analysis-intelligence-index-with-less-than-a-third-of-the-parameters
- https://huggingface.co/thinkingmachines/Inkling-Small
- https://m.ithome.com/html/984207.htm
- https://finance.sina.cn/2026-07-31/detail-inikstfa9372086.d.html
- https://m.10jqka.com.cn/20260731/c678584004.html
- https://tech.ifeng.com/c/8vCs8j0QHRf
- http://app.myzaker.com/news/article.php?pk=6a6c4e208e9f093de3121012