由OpenAI前首席技术官米拉·穆拉蒂创立的Thinking Machines Lab，于当地时间7月15日发布了成立以来的首款模型Inkling。这款采用混合专家架构的模型，总参数量达9750亿，每处理一个Token激活410亿参数，预训练使用45万亿个Token，支持最长100万Token上下文，可理解文字、图片和音频并以文字输出。模型采用Apache 2.0许可证开放权重，允许开发者下载部署或通过Tinker平台微调。

Inkling最引人关注的是其技术来源。Thinking Machines在技术报告中明确写道，Inkling的混合专家设计“主要沿用了DeepSeek-V3”，包括大量专家模块、每个Token只调用一小部分以及无辅助损失负载均衡等设计。后训练冷启动阶段，公司使用了开放权重模型生成的合成数据做监督微调，其中明确提到了月之暗面的Kimi K2.5。这意味着，一家由OpenAI前CTO创办的美国实验室，首款模型架构来自中国DeepSeek，训练数据又借助了Kimi。

然而，Inkling在多项基准评测中表现不及中国竞品。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35.9%和40.1%；加入工具后Inkling升至46%，仍低于Kimi K2.6的54%和GLM 5.2的54.7%。在软件工程能力评测SWE-Bench Pro中，Inkling得分54.3%，Kimi K2.6为58.6%，GLM 5.2达62.1%；Terminal Bench 2.1上差距更明显，Inkling仅63.8%，Kimi K2.6和GLM 5.2分别达71.3%和82.7%。Inkling在网页应用设计、音频理解和安全性评测中表现较好，部分数学任务上也能超过Kimi和DeepSeek，但综合推理、编程和智能体能力尚未进入开放模型第一梯队。

价格方面，Inkling同样不具优势。在Tinker平台上，64K版本每100万Prefill Token收费1.87美元（限时五折价），每100万Sample Token收费4.68美元；256K版本分别达3.74美元和9.36美元。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，GLM 5.2分别为1.4美元和4.4美元。Inkling的预填充价格接近Kimi K2.6的两倍，生成价格也高于两者。

Thinking Machines的背景让这一结果更显微妙。公司2025年2月亮相时团队约30人，其中约三分之二来自OpenAI，其余来自Meta和Mistral，创始团队包括OpenAI联合创始人John Schulman、前研究副总裁Barret Zoph等。穆拉蒂本人2018年加入OpenAI，参与DALL-E、Codex、ChatGPT和Sora等产品，2022年升任首席技术官，2023年11月曾短暂担任临时CEO。公司尚未推出产品时就完成20亿美元种子轮融资，估值达120亿美元，投资方包括安德森·霍洛维茨、英伟达、AMD和简街等。

分析认为，穆拉蒂可能从一开始就没打算靠Inkling争夺基准评测第一。随着美国对中国AI模型的监管收紧，相关部门已就数据安全、模型来源发出警告，部分使用中国模型的企业受到调查。Inkling作为美国公司开发的开放权重模型，采用Apache 2.0许可证，支持私有部署和定制，能为美国企业提供合规风险更低的选择。OpenRouter数据显示，2026年2月以来中国模型在美国企业调用Token中每周占比超30%，最高达46%，而2025年上半年平均仅4.5%。Inkling正是瞄准了这一正在形成的空缺——它不需要在所有评测中击败中国模型，只需成为那些不敢继续使用中国模型的美国企业可接受的选择。这也解释了其更高定价：政策替Inkling缩小了竞争范围，性能和价格差距便不那么致命。

然而，这套生意的代价可能由美国企业承担。美国之外的公司仍可自由选择GLM、Kimi和DeepSeek等更强、更便宜的基础模型，而美国企业可能被迫采用性能稍弱、价格更高的本土替代品，形成结构性竞争劣势。华盛顿原本希望用限制保护美国AI公司，结果可能先为Inkling这样的“贵替”创造了市场。