Inkling.

Inkling 开源权重模型

Inkling 是由 Thinking Machines 团队从头训练并完全开源的混合专家（MoE）大语言模型，总参数量达 9750 亿，激活参数量 410 亿，支持最高 100 万 token 的超长上下文窗口。该模型原生具备文本、图像、音频和视频的多模态理解能力，并通过可控推理机制在性能与成本之间实现灵活平衡，为开发者和企业提供了高度可定制的人工智能基础底座。

产品亮点

• 开源可定制：完整权重在 Hugging Face 公开发布，支持自由下载、微调和部署，无需依赖第三方 API
• 超长上下文：支持最高 100 万 token 上下文窗口，可处理超长文档、视频序列和复杂多轮对话
• 原生多模态：统一处理文本、图像、音频和视频输入，无需额外编码器即可实现端到端多模态推理
• 可控推理成本：通过调节推理 effort 参数（0.2-0.99），在性能与 token 消耗之间灵活权衡，同等性能下 token 消耗仅为同类模型的三分之一
• 高效架构设计：采用无编码器架构处理音视频，结合滑动窗口与全局注意力层的 5:1 交错设计，兼顾效率与长序列建模能力
• 强化学习规模化：基于 3000 万+ rollout 的大规模异步 RL 训练，推理性能随计算量对数线性提升

应用场景

• 智能体开发与工具调用：作为代码生成、浏览器自动化、多工具协作任务的基座模型，支持 SWE-bench、Terminal Bench 等编程基准测试
• 多模态交互系统：为实时语音对话、视觉理解、屏幕共享等场景提供背景推理能力，支撑下一代人机协作界面
• 领域专属模型定制：通过 Tinker 平台进行微调，快速适配金融分析、法律研究、医疗诊断等垂直领域的专业需求
• 长内容理解与生成：处理超长视频分析、多章节文档摘要、复杂项目代码库理解等需要大上下文窗口的任务
• 预测与决策支持：凭借校准后的概率输出和指令遵循能力，适用于事件预测、风险评估等需要量化不确定性的场景

目标受众

Inkling 主要面向需要高度可控、可定制 AI 能力的技术团队——包括希望在私有环境部署大模型的企业开发者、致力于构建垂直领域 AI 应用的初创公司、以及研究多模态推理和强化学习的前沿 AI 研究人员。对于关注数据隐私、推理成本和模型可解释性的组织而言，Inkling 提供了闭源模型之外的灵活替代方案。