Mira Murati的第一张牌
前OpenAI CTO Mira Murati创立的Thinking Machines Lab，7月17号掏出了第一款基础模型——Inkling。
9750亿参数，MoE架构，激活410亿，完整开放权重。这不是个PPT，是真能下载跑的模型。
有意思的是，Inkling没去卷"最大最强"那个榜单，主打的是一个均衡和可定制。
原生音频，是个亮点
Inkling是目前最大的原生支持音频的开放权重模型。预训练吃了45万亿token，文本、图像、音频、视频全涵盖。
为什么这个重要？因为之前能处理音频的开放模型要么小、要么是后接的。原生意味着音频不是"翻译"过来的，是模型脑子里直接有的东西——延迟低、理解更准。
- VoiceBench：91.4%
- MMAU：77.2%
对做语音Agent、播客转写、实时翻译的开发者来说，这是个好消息。
可控的"思考深度"
Inkling有个设计挺聪明：思考深度可以调。
在Terminal Bench 2.1上，Inkling用大约三分之一的token，就追平了Nemotron 3 Ultra的表现。
翻译一下：省token。对那些要跑大量推理的团队，token就是钱，能省三分之二是实打实的成本优势。
安全分意外地高
开放权重模型最常被质疑的就是安全。Inkling这次在FORTRESS对抗性测试里拿了78.0%——开放权重里最高分。StrongREJECT 98.6%。
不是说它绝对安全，但在"敢开放"这件事上，Thinking Machines Lab把功课做了。毕竟开放权重意味着谁都能本地部署，安全门槛不能低。
其他几个硬分
- SWE-bench Verified：77.6%
- GPQA Diamond：87.2%
- AIME 2026：97.1%
编程、研究生级问答、数学竞赛——三项都不拉胯。但Murati团队反复强调一点：他们要的不是刷榜，是均衡。
还有个小的
同期放出的还有Inkling-Small，2760亿参数（激活120亿），在推理和agent任务上接近大号版本，适合对成本敏感的部署。
微调走Tinker，API在TogetherAI、Fireworks、Modal、Databricks、Baseten都能用。开放权重意味着你可以本地跑、自己改。
怎么看
Mira Murati从OpenAI出来创业，外界盯了很久。第一张牌打成这样——不追榜单第一，追均衡和可定制，挺符合她一贯的风格。
开放权重这场仗，现在玩家越来越多：月之暗面的K3走规模，Meta的Llama走生态，DeepSeek走性价比，现在Inkling走"原生多模态+可控成本"。路线分叉了，对开发者是好事。
但提醒一句：开放权重不等于免费午餐。本地部署要GPU、要运维、要安全团队盯。模型白给了，养它的成本一分没少。