才两周，OpenAI 前 CTO 又发一个小模型——参数只有原来的四分之一，性能却只差 1 分

Mira Murati 离开 OpenAI 之后节奏一直没慢下来。两周前她带着 Thinking Machines 的第一个模型 Inkling 亮相，今天又直接发了一个精简版——Inkling Small。

参数从 9750 亿砍到 2760 亿，活跃参数从 41 亿缩到 12 亿，结果 Artificial Analysis 测出来只比原版低 1 分：Inkling 41，Inkling Small 40。

这个差距真的可以忽略

不是因为它”还行”，是因为在这个尺寸上没有对手。Artificial Analysis 的 Intelligence Index 里，Inkling Small 是当前最小参数规模里得分最高的开源模型，没有之一。

几个具体数字感受一下：

• 编码、推理、多模态这几个维度，单项得分都逼近原版
• 有几个 benchmark 还反超了原版
• context window 最高支持 100 万 token，文本、图片、音频都能输入
• Apache 2.0 许可证，权重直接在 Hugging Face 公开

对企业来说这件事有意思在哪

以前跑这种量级的模型，没有几十张 H100 根本不用想。现在 2760 亿参数、12 亿活跃参数，企业的 GPU 存量能 cover 得住这个规模了。不是说它能在笔记本上跑——还是太大，但它第一次让”在自有 GPU 上部署一个有竞争力的旗舰级模型”这件事变得现实了。

官方现在有 50% 限时折扣，64K context 版本 API 价格大概是 $0.58/M prefill tokens、$1.44/M output tokens。长期来看，这个定价区间对企业的吸引力会比继续依赖 API 服务商更高——毕竟数据不用出域，推理成本也可以自己控制。

下一步是什么

Thinking Machines 同时放出了 Tinker API，支持在 Inkling Small 基础上做 fine-tune。对于垂直领域的企业来说，从一个已经接近旗舰水平的小模型出发做定制，成本会比从头训一个低得多。

这件事本质上是把”小模型也能打”这件事从理论变成了可用的产品。对国内做部署和 fine-tune 的团队来说，Inkling Small 值得放进候选名单里跟 Qwen、GLM、DeepSeek 放在一起比较一下。