Thinking Machines 发布 Inkling：Apache 2.0 许可下的抗审查多模态开源巨模型

• 官方介绍：https://thinkingmachines.ai/news/introducing-inkling/
• GitHub：https://github.com/thinking-machines-lab/tinker-cookbook
• 模型：https://huggingface.co/thinkingmachines/Inkling

核心亮点：重新定义开源与推理

1. 可控思考强度 (Controllable Thinking Intensity)

Inkling 摒弃了传统模型固定的推理模式，引入了连续可调的“思考预算”。开发者可以通过编程方式调整模型在生成输出前的推理深度：

• 低成本模式：针对简单任务减少令牌消耗，实现极速响应。
• 高性能模式：在复杂多步推理中增加计算开销，提升准确性。
  这种机制允许企业在成本与性能曲线上自由选择最佳平衡点，实现了“以更少的令牌达到相同的分数”。

2. “抗审查”与认知校准

Inkling 被有意训练为能够直接回答政治敏感或受严格审查的话题，旨在提供更具事实性和中立性的输出：

• 抵抗意识形态捕获：在 Cognition 开发的宣传与审查评估中，Inkling 表现出强烈的违规审查抵抗能力，拒绝模板化回复。
• 安全边界清晰：尽管抗审查，它在 StrongREJECT 基准测试中仍获得 98.6% 的高分，有效防御恶意、危险或非法查询，在自由表达与安全合规之间找到了微妙平衡。

3. 原生多模态与无编码器架构

• 全模态融合：支持文本、图像和音频的原生推理。
• 早期融合技术：不依赖外部编码器，而是将音频（dMel 频谱图）和视觉（40×40 像素块）直接通过分层 MLP 投影到共享隐藏空间，提升了处理效率和一致性。
• 超大上下文：支持 100 万 Token 的上下文窗口，适合处理长文档和复杂智能体任务。

性能表现：均衡的通才

在第三方基准测试中，Inkling 展现了强大的竞争力，尤其在数学问题解决上超越了 DeepSeek V4 Pro，在通用指令遵循上优于 Kimi K2.6。虽然在峰值软件工程自主性上略逊于 GLM 5.2 或闭源的 Claude Fable 5，但其在多模态处理和开放权重领域的综合表现使其成为企业工作流的理想选择。

产品矩阵与许可

• Inkling (975B MoE)：旗舰模型，激活参数 410 亿，适用于复杂推理和多模态任务。
• Inkling-Small (276B)：预览版轻量模型，针对低延迟和成本敏感型工作负载优化。
• Apache 2.0 许可：真正的开源，无商业使用限制、无收入上限、无双重用途条款，极大降低了企业的合规风险。

背景与愿景

Thinking Machines 在成立仅 18 个月后，凭借 120 亿美元的估值和 20 亿美元的种子轮融资，迅速兑现了其开源承诺。联合创始人 John Schulman 和研究员 Rafael Rafailov 强调，Inkling 并非追求单一的“神级模型”，而是致力于构建灵活、可适应的“超人学习者”，通过 Tinker API 赋予研究者对训练流程的细粒度控制。