[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-89192":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"89192","ai","模型发布\u002F更新","Simon Willison 博客",80,"Thinking Machines Lab发布开放权重模型Inkling","Thinking Machines Lab发布开源模型Inkling(975B参数MoE,41B激活),多模态支持文本图像音视频。","Mira Murati的Thinking Machines Lab发布首个开放权重模型Inkling,这是继Nemotron、Gemma之后美国开源阵营的新选手,也是对中国开源模型崛起的一次正面回应。\n\n· Inkling是一个MoE Transformer,总参数975B,激活参数41B,Apache-2.0协议开源,训练数据涵盖文本、图像、音频、视频共45万亿token\n· 同时预告了更小版本Inkling-Small(276B总参数、12B激活),仍在测试中,权重待后续发布\n· 官方模型卡篇幅明显短于业内惯例,训练数据文档也语焉不详,只笼统提及数据来自公开互联网及第三方\n· Thinking Machines坦言Inkling并非当前最强模型,无论开源闭源都算不上前沿,而是定位为适合微调的强基座模型,主打配合自家Tinker训练平台使用\n· 实测的SVG鹈鹕骑自行车示例显示,其生图\u002F生成代码能力可用但不算惊艳\n\n对开发者而言,Inkling的价值不在于跑分登顶,而在于给美系开源生态添了一个可商用微调的重量级选项,值得关注它能否在Tinker生态里跑出差异化打法。","https:\u002F\u002Fsimonwillison.net\u002F2026\u002FJul\u002F16\u002Finkling\u002F#atom-everything",null,"2026-07-16 23:35:25"]