前 OpenAI 首席技术官 Mira Murati 创办的 Thinking Machines Lab 在 7 月 15 日颁布首个自研模型 Inkling
，并盛开权沉。Inkling 选取混合专家（MoE）Transformer 架构
，总参数 975B、激活参数 41B
，高低文窗口最高 100 万 tokens
，预训练用了 45 万亿 tokens 的文本、图像、音频与视频数据
，原生支持文本、图像、音频输入。官方颁布的成就为 AIME 2026 97.1%、GPQA Diamond 87.2%、SWEBench Verified 77.6%
，并称在一致编程阐发下的 token 亏损约为英伟达 Nemotron 3 Ultra 的三分之一。模型支持调节「思虑强度」
，在快杜纂质量之间弃取。同期还放出轻量版 Inkling-Small 预览
，276B 总参数、12B 激活。齐全权沉已上架 Hugging Face
，同时提供 NVFP4 查抄点体式
，并可在该公司的定造平台 Tinker 上微调。

正文（译文）：

Thinking Machines Lab 今日颁布 Inkling
，这是伟德体育开源权沉模型。

Inkling 是一个混合专家架构的 Transformer
，总参数 975B
，激活参数 41B
，我们把它定位为一个覆盖面广、能力平衡的基础模型。它的高低文窗口最高支持 100 万 tokens
，预训练数据量为 45 万亿 tokens
，涵盖文本、图像、音频和视频。

在多模态处置上
，Inkling 原生支持文本、图像与音频。音频输入使用 dMel 频谱图暗示
，图像则被切分为 40×40 像素的патches
，通过一层轻量的 hMLP 编码进入模型。

在评测方面
，Inkling 于 AIME 2026 获得 97.1%
，GPQA Diamond 87.2%
，SWEBench Verified 77.6%
，在文本、智能体、多模态与音频等多类评测中均具备竞争力。模型支持可控的思虑强度
，开发者能够据此在机能与 token 效能之间做衡量。

我们同时放出 Inkling-Small 的预览版本
，它选取 276B 参数的混合专家架构
，激活参数 12B
，训练配方与 Inkling 相近
，能以更低的成本和延长获得不错的阐发。该版本仍在实现测试
，目前为预览状态。

Inkling 的齐全权沉已颁布在 Hugging Face
，提供尺度与 NVFP4 两种查抄点体式。从今天起
，你也能够在 Tinker 上对 Inkling 进行微调