A | 新春携瑞，福满人间 大年初五，迎财神 财神到，好运来 财富滚滚，事业翻倍 福禄双全，幸福美满 恭贺蛇年新春 接财神 接财神是中国民间古老的传统节日习俗。
B | OpenAI前首席技术官穆拉蒂，做出了一款中国模型的“贵替”。 Thinking Machines发布的首款模型Inkling，混合专家架构主要沿用DeepSeek-V3，后训练冷启动还使用了Kimi K2.5等开放模型生成的数据。因为中国民间传说正月初五是财神的生日，所以过了年初一，接下来最重要的活动就是接财神，在财神生日到来的前一天晚上，各家置办酒席，为财神贺辰。
C | 然而在多项基准评测中，Inkling落后于Kimi和GLM，调用价格反而更高。 迎财神 迎财神盛行于明清和民国时期，财神分为文财神和武财神和君财神。文财神是比干，武财神是赵公明和关羽，君财神是柴王爷。文财神”财帛星君，也称“增福财神”:他的绘像经常与“福”、“禄”、“寿”三星和喜神列在一起，合起来为福、禄、寿、喜、财。 对于一家融资20亿美元、估值120亿美元，团队中聚集了大量OpenAI前员工的明星公司来说，这个结果多少有些低于预期。
D | 但穆拉蒂可能从一开始就没打算靠Inkling争夺第一。
E | 随着美国企业使用中国模型面临越来越多不确定性，一款性能尚可、支持定制、合规风险更低的本土开放模型，已经拥有自己的市场。“贵替”没有那么强，也不愁“市场”。财帛星君脸白发长，手捧一个宝盆，“招财进宝”四字由此而来。 01 穆拉蒂的首款模型，就这？ 当地时间7月15日，Thinking Machines Lab发布了成立以来的首款模型Inkling。一般把财帛星君画像供奉于正厅，祈求财运、福运。 新岁携福至 巳巳如意，恭贺新春 送五穷 “五穷”也叫”五鬼”。
F | 指”智穷、学穷、文穷、命穷、交穷”等五种穷鬼。 单看配置，这款模型很符合一家明星AI实验室应有的排场。这一天，人们黎明即起，放鞭炮，打扫卫生。 Inkling采用混合专家架构，总参数量达到9750亿，每处理一个Token会激活410亿参数；预训练使用了45万亿个Token，数据涵盖文本、图像、音频和视频，最长支持100万个Token的上下文。鞭炮从房间里往门外边走边放，将不吉利和妖魔鬼怪都轰将出去。它可以理解文字、图片和音频，再以文字形式输出结果，还支持通过调节“思考强度”，在性能、速度和成本之间进行取舍。
G | 打扫卫生是一种彻底的大扫除，从每间房屋里把垃圾扫出门外，等到垃圾扫出大门，鞭炮也从屋里放到了屋外，拿一个极大的爆竹，放在垃圾堆上燃放，预示着一切穷气穷鬼都给赶跑了!福、快乐、健康，好运、平安，统统迎进家门口，喜气洋洋过大年，开春工作更积极，生活顺心每一天，全家健康到永远。 Inkling同时开放了模型权重，采用相当宽松的Apache 2.0许可证。 放鞭炮 正月初五，家家户户都会放鞭炮，以此驱赶不吉利的事物，包括晦气和妖魔鬼怪，同时也象征着将一切不好的东西从家中抛出。 大扫除 由于春节期间的禁忌，如避免打扫卫生以防扫走好运，到了正月初五，即所谓的“破五”，人们会进行彻底的大扫除，将家中的垃圾和废物清理掉，以迎接财神和新年的好运。
H | 开发者可以下载权重、自行部署，也可以通过Thinking Machines旗下的Tinker平台对模型进行微调。 公司给它的定位很明确：与其直接和ChatGPT争夺普通用户，Inkling更适合充当企业开发AI应用的底座。
I | 不过，Inkling最引人注意的部分，藏在技术报告后半段。 吃饺子 寓意招财进宝、富贵吉祥，也有的地方吃饺子是为了解除过去几天积存下来的晦气。 禁忌小提示 ①忌串门 避免将穷气带到亲戚邻里家。 ②不吃莲藕 莲藕有很多孔、意味着“漏财”。 ③不拜年 上门拜年意味着去“抢财。 ④不梳头 好财运从头开始，梳头发时会掉头发。 2025 HAPPY NEW YEAR 巳巳如意 灵蛇贺岁 财神到，富贵到； 财神到，祥瑞到。 Thinking Machines在介绍模型架构时直接写道，Inkling的混合专家设计“主要沿用了DeepSeek-V3”。 大年初五迎财神，开启一年好运程。 点点幼儿园 祝每个家庭和和美美； 每个孩子健康成长，活泼快乐！ 图文均来自网络 点点家。它同样设置了大量专家模块，每个Token只调用其中一小部分，并采用了DeepSeek-V3的无辅助损失负载均衡等设计。
J | 作者声明：该图片由AI生成 中国模型对Inkling的影响还延伸到了训练阶段。 Thinking Machines表示，为了启动后训练，公司先用开放权重模型生成的合成数据做了一轮监督微调，其中明确提到了月之暗面的Kimi K2.5。 整条技术路线已经足够清楚：一家由OpenAI前首席技术官创办的美国实验室，首款模型沿用了DeepSeek的架构，又借助Kimi生成的数据完成后训练起步。 借鉴开放模型本身没有问题。DeepSeek和Kimi公开权重并允许开发者使用，科学研究和工程开发原本就建立在公开成果的积累之上。更尴尬的地方在于，Inkling吸收了中国模型的技术之后，性能依然没有压过这些“老师”。
K | Thinking Machines对此也没有粉饰。
L | 公司在发布文章中直接承认：“Inkling并非目前表现最强的模型，无论开放模型还是闭源模型。” 从Thinking Machines公布的结果看， .在“人类最后的考试”纯文本评测中，Inkling得分29.7%，Kimi K2.6和GLM 5.2分别达到35.9%和40.1%； .加入工具后，Inkling升至46%，依然低于Kimi K2.6的54%和GLM 5.2的54.7%。 .在考察真实软件工程能力的SWE-Bench Pro中，Inkling得分54.3%，Kimi K2.6为58.6%，GLM 5.2达到62.1%； .Terminal Bench 2.1上的差距更加明显，Inkling只有63.8%，Kimi K2.6和GLM 5.2分别达到71.3%和82.7%。 当然，Inkling也有自己的长项。它在网页应用设计、音频理解和安全性评测中表现不错，在部分数学任务上也能超过Kimi和DeepSeek。 只是从综合推理、编程和智能体能力来看，它目前很难被归入开放模型的第一梯队。 性能没有冲到最前面，价格同样没给出惊喜。 在Tinker平台上，64K版本Inkling每100万Prefill Token收费1.87美元，每100万Sample Token收费4.68美元。前者可以粗略理解为输入成本，后者接近生成成本，而且这已经是“限时五折价”。
M | 256K版本的价格更高，分别达到3.74美元和9.36美元。
N | 作为对比，Kimi K2.6官方API每100万输入和输出Token分别收费0.95美元和4美元，GLM5.2分别为1.4美元和4.4美元。 Tinker同时提供训练和采样服务，与普通模型API并非完全相同的计费口径。但按照上述价格粗略比较，Inkling的预填充价格接近Kimi K2.6的两倍，生成价格也高于Kimi K2.6和GLM5.2，暂时没有体现出价格优势。 于是，Thinking Machines的首款模型呈现出一种有些微妙的局面：架构参考DeepSeek，后训练借力Kimi，综合性能没有超过中国头部开放模型，调用价格反而更贵。 02 穆拉蒂的选择 考虑到穆拉蒂和Thinking Machines的背景，这样的选择便更加耐人寻味。 如果Inkling来自一家普通的AI创业公司，借鉴DeepSeek、借助Kimi训练，或许还没有这么耐人寻味。偏偏它来自Thinking Machines——一家几乎可以称为“OpenAI校友会”的公司。 2025年2月，Thinking Machines正式亮相时，团队只有约30人，其中大约三分之二来自OpenAI，其余成员主要来自Meta和Mistral。 创始团队一度包括OpenAI联合创始人John Schulman、OpenAI前研究副总裁Barret Zoph，以及Lilian Weng、Andrew Tulloch和Luke Metz等研究人员。 这些人分别参与过OpenAI的强化学习、后训练、预训练、安全和推理研究。路透社当时甚至直接形容，穆拉蒂从前东家挖走了至少20名研究人员。 站在这群OpenAI校友中间的穆拉蒂，当然是最特殊的一个。
o | 她于2018年加入OpenAI，先后参与DALL-E、Codex、ChatGPT和Sora等产品，2022年升任首席技术官，负责协调研究、模型训练、安全和产品落地。 作者声明：该图片由AI生成 2023年11月，OpenAI董事会突然罢免Sam Altman后，穆拉蒂还曾短暂担任临时首席执行官。她的角色更接近技术和产品的总负责人，对OpenAI的模型研发流程和产品化路径有着完整了解。 换句话说，Thinking Machines从成立之初就不缺OpenAI经验。 穆拉蒂和她的团队知道一家顶级闭源实验室如何开发模型，也亲历了ChatGPT从研究成果变成全球产品的全过程。当这群人离开OpenAI，从零搭建自己的技术体系时，外界自然会期待他们拿出一条带有OpenAI印记的路线。 结果，Inkling最明确的技术来源却指向了中国。这很容易被理解成一个戏剧性的信号——最了解OpenAI的一群人离开OpenAI后，最终选择了中国模型的技术蓝图。 不过，这个结论还需要拆开来看。 OpenAI近年来的前沿模型全部采用闭源路线，外界拿不到模型权重，也不了解完整的架构、训练数据和后训练方案。穆拉蒂即使熟悉OpenAI内部技术，也不能把前东家的商业机密直接搬进新公司。DeepSeek和Kimi则公开了权重或技术报告，架构、训练方法和工具链都可以合法研究和复用。
p | Inkling本身也是一款开放权重模型。对于一家想要建设开放模型生态的公司来说，从DeepSeek、Kimi等开放模型中吸收成熟方案，属于顺理成章的工程选择。
q | 今天开发一款开放模型，完全避开中国团队已经公开的成果，反而要付出更高的试错成本。 因此，Inkling借鉴中国模型，并不能直接证明穆拉蒂认为DeepSeek的技术全面领先OpenAI。双方公开程度不同，可供借鉴的条件也完全不同。
r | 但这件事依然释放了一个清晰的信号：至少在开放权重领域，中国模型已经成了美国AI团队的重要参考系。
s | 所以，借鉴中国模型并不难解释。真正需要回答的问题是：Thinking Machines吸收了现成的架构和训练经验，为什么最终做出的Inkling性能更弱、价格更高？ 穆拉蒂拥有顶尖团队、充足资金和英伟达最新的训练系统。
t | 她没有理由看不到Inkling与中国模型之间的性能和价格差距。 既然如此，“贵替”很可能就是一个经过计算的选择。 03 “一般般”，就够了 按照Thinking Machines获得的待遇，Inkling原本不该只是一款“够用”的模型。
u | 2025年7月，公司尚未推出任何产品，就完成了20亿美元种子轮融资，估值达到120亿美元，投资方包括安德森·霍洛维茨、英伟达、AMD和简街等。四个月后，Thinking Machines又传出新一轮融资谈判，目标估值高达500亿美元，尽管交易最终没有官宣完成，外界已经将它视为OpenAI和Anthropic的潜在对手。 因此，当Inkling以一款性能不如中国模型、价格还更贵的产品亮相时，难免显得低于预期。 可从商业角度看，穆拉蒂可能从一开始就没打算用它争夺基准评测第一名。 Thinking Machines公司强调的是开放权重、多模态能力和可定制性，希望企业通过Tinker对它进行微调，把Inkling改造成客服、编程助手、行业智能体等专用模型。穆拉蒂押注的市场，对基准评测第一名没有那么执着。企业更在意模型能否私有部署、能否掌握数据、能否按照自己的业务继续训练。 此前，这类需求很大一部分被中国开放模型接住了。
v | 美国的OpenAI和Anthropic长期坚持闭源，Meta的Llama 4表现不及预期后，也逐渐收缩开放路线。
w | 与此同时，DeepSeek、Kimi、Qwen和GLM持续开放权重，性能越来越接近美国闭源模型，价格却低得多。 美国企业很快用脚投了票。 根据OpenRouter向CNBC提供的数据，2026年2月以来，中国模型在美国企业经由该平台调用的Token中，每周占比都超过30%，最高一度达到46%。2025年上半年的平均占比还只有4.5%。
x | Cursor开发Composer 2时测试了多款基础模型，最终选择Kimi K2.5，理由也很直接——它在评测中表现最强。桥水基金则通过Tinker微调阿里的Qwen，得到的定制模型以更低成本超过了部分顶级闭源模型。 中国开放模型由此成了美国企业降低AI成本的一条捷径。只不过，这条路正在承压。 与此同时，美国对中国AI模型的监管氛围正在收紧。相关部门已经围绕数据安全、模型来源和供应链风险发出警告，部分使用中国模型的企业也受到调查。即便尚未形成统一限制，政策上的不确定性已经足以影响企业选择，尤其是涉及政府业务和敏感数据的公司。 这正是Inkling的市场空间。 它是一款美国公司开发、采用Apache 2.0许可证、支持私有部署和定制的开放权重模型。
y | 美国企业选择它，不必担心使用中国模型引发的政治争议，也更容易通过政府客户和大型公司的合规审查。 Inkling真正的价值，来自这种合规确定性。
z | 穆拉蒂显然看到了这个正在形成的空缺。
| 作者声明：该图片由AI生成 Thinking Machines吸收DeepSeek和Kimi的公开成果，再把它们转化成一款由美国公司提供的模型。Inkling不需要在所有基准评测中击败中国模型，只需要成为那些不敢继续使用中国模型的美国企业可以接受的选择。 这也解释了它为什么敢于更贵。政策替Inkling缩小了竞争范围，性能和价格上的差距便没那么致命。对于一些美国企业来说，一款稍弱、稍贵但风险较低的模型，已经足够。
| 从这个角度看，Inkling更能证明穆拉蒂懂得做生意。
| 不过，这套生意成立的代价，可能由美国企业承担。 美国之外的公司仍然可以自由选择GLM、Kimi和DeepSeek，在更强、更便宜的基础模型上开发产品；美国企业却可能被迫采用性能稍弱、价格更高的本土替代品。基础模型的能力差距会继续传递到微调后的产品中，最终形成结构性的竞争劣势。 华盛顿原本希望用限制保护美国AI公司，结果可能先替Inkling这样的“贵替”创造了市场。对穆拉蒂来说，“一般般”已经够了。对美国AI产业来说，这份“够用”则意味着成本的升高和竞争力的下降。
Current article:http://www.caonaishengpengchuali.shop/news/20260826_493829.xls
Published on:18:10:11
