Inkling：开放权重的多模态混合专家模型

模型概述

Thinking Machines Lab 发布了 Inkling，一款全新的开放权重模型，旨在推动 AI 定制化的民主化。Inkling 是一个混合专家（Mixture-of-Experts）Transformer 模型，拥有 975B 总参数，其中 41B 为活跃参数，支持高达 1M token 的上下文窗口。该模型在 45 万亿 token 的文本、图像、音频和视频数据上进行了预训练。与 Inkling 一同发布的还有 Inkling-Small 预览版，一个仅 12B 活跃参数的轻量模型，性能依然强劲，同时成本和延迟更低。

核心能力

• 原生多模态推理：Inkling 能够直接处理文本、图像和音频信息，无需额外模块。
• 可控思考努力：模型可以平衡性能与成本，通过调节思考深度来适应不同任务。
• 通用性：它被训练为一个广泛而均衡的基础模型，在多个领域表现强劲，易于适应下游任务。
• 开放微调：Inkling 的完整权重可用，并已在 Tinker 平台上支持微调，让开发者能够量身定制。

自我微调演示

为了展示定制化的实际效果，团队演示了 Inkling 自我微调的能力：在 Tinker 上，模型自己编写并执行了一个微调作业，使其成为一个“禁止使用字母 e”的 lipogram 模型，最终成功完成更新。这一过程充分展现了 Inkling 的灵活性和 Tinker 平台的便利性。

基准测试表现

Inkling 并非当前最强模型，但它是一个优秀的开放权重基础模型。在广泛的基准测试中（包括代理、推理、编码、指令跟随、事实性、视觉和音频任务），Inkling 展现了与其他顶级模型（如 Nemotron 3 Ultra、GLM 5.2、GPT-5.6 Sol 等）相当的竞争力，尤其在多模态和代理任务上表现突出。

代理编码与工具使用

• 模型能够在一轮对话中构建出功能完整的 Web 应用程序，并作为一个嵌入式 AI 助手，通过自然语言指令操作该应用界面。
• 在 Design Arena 的 Agentic Web Dev 排行榜上，Inkling 位列最强开放权重模型之一，超越了众多封闭模型。
• 能够生成具有统一风格和设计的复杂多页 PDF 文档，如一份精美的《全球早餐》美食旅行杂志。
• 通过一个长达 40 轮迭代的反馈循环，与 GPT Codex 合作改进了在线多人蛇游戏，展示了其持续学习和从反馈中改善的能力。

未来展望

Inkling 是 Thinking Machines Lab 模型家族的首个成员。团队表示将持续构建这一系列模型，进一步降低定制化门槛，让更多用户和场景受益于强大且可控的 AI 能力。模型现已通过 Hugging Face 和 Tinker 平台开放。

原标题：Inkling: Our Open-Weights Model。 HN 原始发布时间：2026年7月16日星期四。当前记录为 722 分、184 条评论。

阅读原文 · 查看 HN 讨论