前OpenAI首席技术官米拉·穆拉蒂创立的Thinking Machines Lab近日推出首款AI模型Inkling，采用"开放权重"架构允许开发者基于自有数据调整模型。这款拥有9750亿参数的模型在参数规模上虽不及行业头部闭源模型，但其设计理念聚焦于成本与性能的平衡，通过动态参数激活机制实现效率突破。
Inkling的核心创新在于参数激活策略——在近万亿参数中仅有410亿为"活跃"参数。这种设计使模型在处理用户请求时仅调动部分计算资源，显著降低推理成本并提升响应速度。Thinking Machines实验室透露，该架构灵感部分源自中国DeepSeek-V3模型，后训练阶段则使用了月之暗面Kimi K2.5生成的数据进行优化。
实验室强调，Inkling并非追求绝对性能优势，而是致力于打造通用型基础模型。通过配套云端工具Tinker，开发者可在笔记本电脑上完成工业级模型的微调训练，无需接触底层超级计算架构。这种设计特别适用于资源有限的中小型研发团队，有望降低AI应用开发门槛。
安全测试显示，Inkling在生物武器研发、网络攻击协助等高风险场景中未表现出异常倾向。但实验室承认，开放权重架构带来的安全挑战仍需持续优化，这也是闭源模型开发者长期质疑的技术风险点。目前团队正研发动态安全防护机制，以应对模型被恶意修改的可能性。
行业分析指出，Inkling的推出标志着AI领域出现新的技术路线竞争。在OpenAI、Anthropic等机构专注提升模型绝对性能的同时，穆拉蒂团队选择通过架构创新开辟差异化赛道。这种"小而精"的研发策略能否缩小与头部企业的技术差距，将取决于后续商业落地效果。
