前OpenAI核心人物米拉·穆拉蒂创立的思维机器实验室，近日凭借其首款多模态AI模型Inkling引发行业关注。这款被业界称为"开源领域新标杆"的模型，以9750亿参数总量和410亿激活参数的规模，成为当前参数规模最大的开源模型之一，其100万tokens的上下文窗口长度更突破了现有技术边界。
该实验室的研发团队构成颇具亮点，超过60%的核心成员来自OpenAI原班人马，涵盖算法研发、工程落地及安全架构等多个关键领域。团队耗时18个月打造的Inkling模型，采用创新的混合专家架构，在预训练阶段就处理了包含文本、图像、音视频在内的45万亿token数据，这种跨模态训练方式显著提升了模型的综合理解能力。
在性能评测中，Inkling展现出令人瞩目的技术突破。数学推理方面，该模型在AIME2026竞赛级测试中取得97.1%的准确率，超越同期发布的DeepSeek V4Pro约2.3个百分点；智能体协作测试MCP Atlas中，74.1%的得分较Nemotron3Ultra高出近15个百分点。尽管在复杂代码生成和逻辑推理任务上仍落后于Claude Fable5等闭源模型，但其在原生多模态处理上的优势尤为突出。
音频处理领域的表现尤为亮眼，Inkling在MMAU基准测试中取得77.2%的成绩，与行业领先的Gemini3.1Pro仅有1.8%的差距。这种突破性进展得益于团队独创的跨模态对齐算法，使得模型在处理非文本数据时能保持更高的信息保真度。实验室同步开放的模型权重和Thinker API，为开发者提供了完整的二次开发接口。
面对GLM5.2、Kimi K2.6等开源竞品，Inkling展现出差异化竞争优势。在通用指令跟踪测试IFBench中，该模型以89.3%的完成率领先GLM5.2约4个百分点；而在纯编码任务测试CodeX中，则落后Kimi K2.6约6.2个百分点。这种"专长领域突出，综合性能均衡"的特点，使其成为特定场景下的优选解决方案。
技术文档显示，Inkling的混合专家架构包含32个专家模块，通过动态路由机制实现参数高效激活。这种设计既保证了模型处理复杂任务的能力，又将实际推理成本控制在行业平均水平的75%左右。实验室透露，后续版本将重点优化长文本生成和实时多模态交互能力，相关技术白皮书已提交至arXiv预印本平台。
