Thinking Machines，這家由前 OpenAI CTO Mira Murati 創立的 AI 實驗室，於 2026 年 7 月 31 日釋出了其第二款模型 Inkling Small。據 Artificial Analysis 的測試，這款開放權重推理模型在智慧指數上得分為 40，僅比其前代 Inkling 的 41 分低 1 分，但引數量卻不足 Inkling 的三分之一（總引數 2760 億，活躍引數 120 億）。Artificial Analysis 表示，沒有同等或更小尺寸的開放模型得分更高。

Inkling Small 在多項編碼和推理基準上超越了其更大的兄弟模型。在 Humanity's Last Exam 上，Inkling Small 得分 32%，而 Inkling 為 30%；在 GPQA Diamond 上，Inkling Small 得分 89%，Inkling 為 87%。然而，它在基於代理的任務和事實知識方面表現落後，但 token 效率顯著更高，平均每個任務輸出 24K token，相比之下 Deepseek V4 Flash 為 45K，GPT-5.4 mini 為 78K。

該模型支援文本、影像和語音輸入，上下文視窗為 256K token，並以 Apache 2.0 許可證釋出。權重已上傳至 Hugging Face，使用者還可以通過 Tinker Playground 在瀏覽器中進行微調。Thinking Machines 將其模型定位為使用者自有資料微調的基礎，一些人認為這可能是 AI 的下一個前沿。

這一發布反映了 AI 領域對模型效率的關注日益增加。隨著模型規模不斷膨脹，計算成本成為重要考量，Inkling Small 展示了通過最佳化架構和訓練方法，在較小規模下實現接近甚至超越大模型效能的可能性。對於投資者而言，這可能意味著 AI 產業的競爭焦點正從單純的規模競賽轉向效率與成本效益的平衡。

Thinking Machines 由 Mira Murati 於 2025 年創立，此前她曾擔任 OpenAI 的技術長。該公司的首款模型 Inkling 於 2026 年初發布，定位為開放權重推理模型。Inkling Small 的推出進一步豐富了其產品線，並可能吸引更多希望以較低成本獲得高效能模型的開發者與企業使用者。

儘管 Inkling Small 在部分基準上表現優於 Inkling，但在代理任務和事實知識方面仍有差距，這表明不同模型各有側重，使用者需根據具體應用場景選擇。此外，其高效的 token 使用可能降低推理成本，這對於大規模部署尤其重要。

總體而言，Inkling Small 的釋出展示了小模型在特定任務上的競爭力，可能推動行業對模型效率的進一步重視。隨著 AI 應用場景的多樣化，兼顧效能與效率的模型或將獲得更多市場青睞。