Thinking Machines Lab 發佈首個開放權重模型 Inkling,支援文字、圖像及語音推理
Thinking Machines Lab、オープンウェイトAIモデル「Inkling」を公開 ——テキスト・画像・音声を横断して推論
Thinking Machines Lab 於 2026年7月15日發佈首個 AI 模型 Inkling,公開模型權重,支援文字、圖像及語音輸入並以文字輸出。
Inkling 可按任務連續調整推理用量,降低成本與等待時間,或為較難任務分配更多推理資源,呈現推理開銷與任務需求之間的可調取捨。
Thinking Machines Lab於2026年7月15日發佈其首個AI模型「Inkling」。這是一款可跨文字、圖像及語音進行推理的通用模型,並公開了模型權重。發佈時,Inkling已可透過該公司的服務「Tinker」進行微調,亦可在Inkling Playground試用。
文字・圖像・語音支援,推理量亦可調節
Inkling作為多模態模型,可接收文字、圖像及語音作為輸入,並輸出文字。
Inkling亦具備「continuous thinking effort」功能,可按任務連續調節用於推理的token數量。減少推理量可以降低成本及等待時間;面對較困難的任務時,則可分配更多推理量。Thinking Machines Lab表示,調整推理量設定後,可以用較少token達到相同的評測分數。
根據已公開的模型卡,Inkling採用Mixture of Experts(MoE)架構。總參數數量為9750億,其中每個token的處理會使用410億個參數。它可處理最多100萬token的上下文。官方公告列出的後訓練項目包括數學、智能體編寫程式碼及使用工具、語音、圖像、聊天和安全性。
Thinking Machines Lab共同創辦人兼行政總裁Mira Murati亦在X表示,Inkling是「從零開始訓練的首個模型」。
作為能力指標,該公司表示,在語音評測基準VoiceBench、MMAU及AudioMC中,Inkling位列開放權重模型前列。模型卡亦載有將thinking effort設為最高值0.99時的評測結果。在測試終端機實際操作的Terminal-Bench 2.1中,Inkling取得63.8%。評估解決真實GitHub儲存庫問題能力的SWE-bench Verified得分為77.6%;考核研究生程度科學知識及推理能力的GPQA Diamond則為87.2%。
公開模型權重,可透過Tinker進行微調
模型權重已在Hugging Face公開。使用者可在自行準備的GPU環境上,使用支援Inkling的vLLM或SGLang執行下載的權重。Inferact透過vLLM、RadixArk透過SGLang支援Inkling。
該公司提供的Tinker由同日起支援為Inkling進行微調。此外,自公開首日起,第三方服務Together AI、Fireworks AI、Modal、Databricks及Baseten均提供Inkling API。
Thinking Machines Lab將Inkling定位為模型家族的第1款產品,並介紹了以相同方法訓練的輕量版本「Inkling-Small」。該公司表示,計劃日後公開其模型權重。
來源:gihyo.jp · gihyo.jp