由OpenAI前技術長米拉·穆拉蒂創立的Thinking Machines Lab，於當地時間7月15日釋出了成立以來的首款模型Inkling。這款採用混合專家架構的模型，總引數量達9750億，每處理一個Token啟用410億引數，預訓練使用45萬億個Token，支援最長100萬Token上下文，可理解文字、圖片和音訊並以文字輸出。模型採用Apache 2.0許可證開放權重，允許開發者下載部署或通過Tinker平台微調。

Inkling最引人關注的是其技術來源。Thinking Machines在技術報告中明確寫道，Inkling的混合專家設計“主要沿用了DeepSeek-V3”，包括大量專家模組、每個Token只調用一小部分以及無輔助損失負載均衡等設計。後訓練冷啟動階段，公司使用了開放權重模型生成的合成數據做監督微調，其中明確提到了月之暗面的Kimi K2.5。這意味著，一家由OpenAI前CTO創辦的美國實驗室，首款模型架構來自中國DeepSeek，訓練資料又藉助了Kimi。

然而，Inkling在多項基準評測中表現不及中國競品。在“人類最後的考試”純文本評測中，Inkling得分29.7%，Kimi K2.6和GLM 5.2分別達35.9%和40.1%；加入工具後Inkling升至46%，仍低於Kimi K2.6的54%和GLM 5.2的54.7%。在軟體工程能力評測SWE-Bench Pro中，Inkling得分54.3%，Kimi K2.6為58.6%，GLM 5.2達62.1%；Terminal Bench 2.1上差距更明顯，Inkling僅63.8%，Kimi K2.6和GLM 5.2分別達71.3%和82.7%。Inkling在網頁應用設計、音訊理解和安全性評測中表現較好，部分數學任務上也能超過Kimi和DeepSeek，但綜合推理、程式設計和智慧體能力尚未進入開放模型第一梯隊。

價格方面，Inkling同樣不具優勢。在Tinker平台上，64K版本每100萬Prefill Token收費1.87美元（限時五折價），每100萬Sample Token收費4.68美元；256K版本分別達3.74美元和9.36美元。作為對比，Kimi K2.6官方API每100萬輸入和輸出Token分別收費0.95美元和4美元，GLM 5.2分別為1.4美元和4.4美元。Inkling的預填充價格接近Kimi K2.6的兩倍，生成價格也高於兩者。

Thinking Machines的背景讓這一結果更顯微妙。公司2025年2月亮相時團隊約30人，其中約三分之二來自OpenAI，其餘來自Meta和Mistral，創始團隊包括OpenAI聯合創始人John Schulman、前研究副總裁Barret Zoph等。穆拉蒂本人2018年加入OpenAI，參與DALL-E、Codex、ChatGPT和Sora等產品，2022年升任技術長，2023年11月曾短暫擔任臨時CEO。公司尚未推出產品時就完成20億美元種子輪融資，估值達120億美元，投資方包括安德森·霍洛維茲、輝達、AMD和簡街等。

分析認為，穆拉蒂可能從一開始就沒打算靠Inkling爭奪基準評測第一。隨著美國對中國AI模型的監管收緊，相關部門已就資料安全、模型來源發出警告，部分使用中國模型的企業受到調查。Inkling作為美國公司開發的開放權重模型，採用Apache 2.0許可證，支援私有部署和定製，能為美國企業提供合規風險更低的選擇。OpenRouter資料顯示，2026年2月以來中國模型在美國企業呼叫Token中每週佔比超30%，最高達46%，而2025年上半年平均僅4.5%。Inkling正是瞄準了這一正在形成的空缺——它不需要在所有評測中擊敗中國模型，只需成為那些不敢繼續使用中國模型的美國企業可接受的選擇。這也解釋了其更高定價：政策替Inkling縮小了競爭範圍，效能和價格差距便不那麼致命。

然而，這套生意的代價可能由美國企業承擔。美國之外的公司仍可自由選擇GLM、Kimi和DeepSeek等更強、更便宜的基礎模型，而美國企業可能被迫採用效能稍弱、價格更高的本土替代品，形成結構性競爭劣勢。華盛頓原本希望用限制保護美國AI公司，結果可能先為Inkling這樣的“貴替”創造了市場。