Inkling 开放权重模型发布：小团队也能跑强推理模型了，975B 参数、1M 上下文全开源

Inkling 开放权重模型发布：小团队也能跑强推理模型了，975B 参数、1M 上下文全开源

强推理模型以前是大厂专属，小团队要么买不起，要么拿不到权重。今天 Thinking Machines Lab 发布的 Inkling 把这条路堵死了：975B 总参数、41B 激活参数、1M 上下文窗口，全部开放权重，还支持可控思维强度。如果你在找「能微调、能私有部署、又不是国产模型」的开源基座，这篇值得看。

问题：强推理模型的门槛太高了

过去半年，大厂发布的 frontier 模型一个比一个大，但小团队能用的 open-weights 模型始终差一截。要么上下文不够长，要么 agent 能力弱，要么只能在封闭 API 里调用。结果是：要做垂直领域微调，你根本没 weights 可用；要跑私有部署，模型要么不够强，要么 token 成本高到没法上线。Inkling 想解决的就是这个空白。

方案：MoE + 可控思维 + 全模态训练

Inkling 是一个 Mixture-of-Experts transformer，总参数 975B，激活参数只有 41B。这意味着单次推理只调动约 4% 的参数，既能拿到大模型的泛化能力，又把显存和延迟压到了可落地范围。

更重要的是它的 controllable thinking effort。开发者可以把思维强度从 0.2 调到 0.99，相当于让模型在「快但浅」和「慢但深」之间按需切换。官方 benchmark 显示，Inkling 在 Terminal Bench 2.1 上达到和 Nemotron 3 Ultra 相同的得分，但只用了后者约 1/3 的 token。对 API 成本敏感的产品来说，这个差距就是上线和不上线的区别。

训练数据覆盖了 text、image、audio、video 四类模态，没有单独依赖外部 encoder，而是用 dMel spectrogram 和 40×40 patch 直接输入，走了一条 encoder-free 路线。这样做的好处是微调时端到端梯度完整，改动一个模态不会拖累其他模态。

数据：Design Arena、自微调、效率曲线

官方放了三类证据：

• 人类评测：在 Design Arena 的 Agentic Web Dev leaderboard 上，Inkling 拿下了 1257 分，和 Claude Opus 4.6、Gemini 3.5 Flash 处于同一梯队，而且是开源权重里最接近闭源模型的一个。
• 自微调案例：团队让 Inkling 自己写微调脚本、自己跑 Tinker 上的微调任务、自己做评估，完成了一个完整的 self-improvement 闭环。这相当于官方在说：「我们的 fine-tuning API 不是花瓶，模型自己都在用。」
• 效率曲线：从 effort 0.2 到 0.99，Inkling 的 Terminal Bench / HLE / IFBench 得分线性上升，但生成 token 数增长更慢。也就是说，你可以根据业务容忍的延迟动态调整模型「努力程度」，而不是每次都全功率输出。

结论

Inkling 不是「又一个开源模型」，它是第一个同时做到「大参数 MoE + 1M 上下文 + 可控思维 + 全模态开放权重」的模型。对前端团队来说，这意味着两件事：一是可以私有部署一个不弱于闭源 API 的 agent 底座；二是可以用 Tinker 针对自己的业务场景做微调，不用再跪着要 API 额度。

下一步

如果你要做 agent 产品，建议先拿 Inkling-Small 做原型验证，再根据吞吐量决定是否切 41B 激活参数的完整版。Tinker 上已经有现成的 fine-tuning 控制台，不需要自己搭训练 pipeline。模型权重和推理代码都在 Thinking Machines 的 GitHub 和 HuggingFace 上，直接拉就能跑。

参考来源：Thinking Machines Lab 官方博客、Hacker News 热榜讨论、Design Arena 公开榜单