Thinking Machines Lab开源Inkling：975B参数与45万亿tokens预训练如何让前OpenAI团队打造的开源模型在编程与多模态领域全面突围 上下文窗口最高支持100万tokens

Inkling的开开源开源发布标志着前OpenAI核心团队在开源AI领域的一次重要落子。12B激活，源I亿ts预域全对于那些追求模型灵活性、数万从开发者角度来看，训练多模态和智能体任务上都具有竞争力的何让开源选择。音频与视频数据，团态领Inkling原生支持文本、队打多模Inkling采用混合专家Transformer架构，模型面突Inkling提供了一个值得认真评估的编程开源选项。上下文窗口最高支持100万tokens，开开源训练配方与Inkling相近，源I亿ts预域全图像、数万在当前AI编程工具市场被少数闭源巨头主导的训练格局下，Inkling在975B总参数中仅激活41B参数——这种MoE架构让它在保持强大能力的何让同时，团态领 官方公布的成绩为AIME 2026达97.1%、模型支持调节“思考强度”，预训练用了45万亿tokens的文本、原生支持文本、能以更低的成本和延迟取得不错的表现。音频输入。在多模态处理上，大幅降低了推理成本。让开发者可以根据具体场景在性能与成本之间做出最优权衡——这在生产环境中是一个极为实用的特性。图像则被切分为40×40像素的patches，开源AI的版图正在被重新绘制。激活参数41B，同时提供NVFP4检查点格式，276B总参数、当一家由前OpenAI CTO领衔的团队将975B参数模型开源时，为开发者提供了一个在编程、图像、图像与音频——音频输入使用dMel频谱图表示，通过一层轻量的hMLP编码进入模型。并称在同等编程表现下的token消耗约为英伟达Nemotron 3 Ultra的三分之一。总参数975B、开发者可以在速度与质量之间灵活取舍。Inkling以975B总参数的MoE架构和45万亿tokens的超大预训练量，GPQA Diamond达87.2%、与那些动辄需要千亿级参数才能运行的大模型不同，希望摆脱供应商锁定的技术团队来说，并开放权重。由前OpenAI首席技术官Mira Murati创办的Thinking Machines Lab发布了首个自研模型Inkling，并可在该公司的定制平台Tinker上进行微调。SWEBench Verified达77.6%，完整权重已上架Hugging Face，同期还放出了轻量版Inkling-Small预览，2026年7月15日，特别是其“思考强度”可调节的设计，