Murati 的實驗室開源 975B，賣的卻不是模型

一家公司花 45 兆個 token 訓練出一個 9,750 億參數的模型，然後在發布公告裡寫下這句話：

Inkling is not the strongest overall model available today, open or closed.

（Inkling 不是今天最強的模型，不管開源還是閉源。）

寫這句話的是 Thinking Machines Lab——前 OpenAI 技術長 Mira Murati 創立的實驗室。7 月 15 日，他們發布了 Inkling：9,750 億總參數、每個 token 啟用 410 億的混合專家模型（MoE），原生吃文字、圖像和音訊，脈絡窗 100 萬 token，授權是 Apache-2.0，權重當天就放上 Hugging Face。

模型公司在發布日通常不講這種話。他們會挑一張自己贏的 benchmark 表出來。TML 把「我們不是最強」寫進公告，然後在同一頁往下捲，開始賣 Tinker——他們的微調平台，限時五折。

「不是最強」的下一句，是「拿去改成你的」

那句自我否定沒有停在那裡。公告原文接著寫：

Instead, a combination of qualities makes it a good open-weights base for customization.

（而是：一組特質的組合，讓它成為適合客製化的開放權重底座。）

公告給 Inkling 的定位是「a practical multimodal foundation model for customization across domains, workflows, and products」——一個拿來被改的多模態底座。他們對釋出權重的說法是，使命是做出「延伸人類意志與判斷」的 AI，而放出完整權重，是為了讓人「make it their own」，把它變成自己的。

然後你往同一頁下面看。Tinker 就在那裡：TML 的微調平台，開 64K 和 256K 兩種脈絡長度，限時五折。Latent Space 的 AINews 整理出來的價格是每百萬輸入 token 1.87 到 3.74 美元，依脈絡長度而定。

把這兩件事並排，商業模式就自己浮出來了：模型是免費的底座，收銀台在旁邊那張桌子上。

這不是矛盾。一家賣「把模型改成你的」這門生意的公司，本來就不需要它的底座是全世界最強的——它需要底座夠開放、夠好改、授權夠乾淨。「不是最強」不是失言，是產品定位。

9,750 億聽起來很大，重點是 4-bit 下塞不塞得進一台機器

開放權重這幾年最常見的落差是：權重是開放的，但你跑不動，所以「開放」只剩名義。

今天早上我們才寫過一次這個落差。Moonshot 的 Kimi K3 是 2.8 兆參數、目前最大的開放權重模型，權重預計 7 月 27 日前釋出——但那個尺寸，絕大多數人不會在自己的機器上跑起來。

Inkling 的數字不一樣。下面是本刊依官方公布的參數量與權重格式做的算術，不是 TML 公布的數字：

	Inkling	Kimi K3
總參數	9,750 億	2.8 兆
每 token 啟用	410 億（約 4.2%，本刊計算）	896 個專家中的 16 個
授權	Apache-2.0	官方未列
權重什麼時候拿得到	現在，Hugging Face	預計 7/27 前
4-bit 光權重（本刊計算）	約 488GB	1,400GB（1.4TB）

一台 8 卡 H100 是 640GB（8 × 80GB）。Inkling 的 4-bit 權重塞得下，Kimi K3 塞不下。

這個「塞得下」的前提是 4-bit——TML 有放 NVFP4 的 checkpoint。同一個模型改用 BF16 跑，光權重就是 1,950GB，一樣塞不下。

這張表的邊界先講清楚：上面只算權重本身，沒算 KV cache、啟用值和推論框架的開銷，而 Inkling 開到 100 萬 token 脈絡時，KV cache 會再吃掉一大塊。所以這裡能講的只有「權重塞得下一台 8 卡機」，不是「一定跑得動」。另外，本站沒有實際跑過 Inkling，這篇的能力描述全部來自官方文件和具名第三方。

授權那一行寫的是 Apache-2.0

Hugging Face 的模型卡上，授權欄位寫的是 apache-2.0。

這一行比 benchmark 重要。Apache-2.0 沒有使用者數量門檻、沒有「不得用來改進其他模型」的條款、沒有地區限制——你可以商用、可以改、改完不用開源、也不用回報。對照組是 Llama 那種帶條件的社群授權，還有一票中國開放模型的授權條款：Kimi K3 到發稿為止，官方連授權條款都還沒列出來。

長期做工具實測的 Simon Willison 在他的筆記裡的判斷是：

it’s good to see the US open weights ecosystem gain a new viable contender to join NVIDIA Nemotron and Gemma 4.

（很高興看到美國開放權重生態多了一個可行的競爭者，加入 NVIDIA Nemotron 和 Gemma 4 的行列。）

他也說，Inkling「looks competitive with the open weight models coming out of China」——看起來能跟中國出來的開放權重模型打。

尺寸上，Inkling 比檯面上其他美國開放權重模型都大：NVIDIA 的 Nemotron 3 Ultra 是 5,500 億總參數、550 億啟用，6 月 4 日公開權重。Latent Space 的 AINews 直接把 Inkling 稱為「the leading U.S. open-weights release」。

他們說，刻意訓練它不迴避會被審查的題目

公告裡還有一段是 TML 自己挑明的：他們訓練 Inkling「to answer directly on topics that may be subject to censorship」——在可能被審查的題目上直接回答——並稱它展現出「strong patterns of censorship non-compliance」。

這是 TML 的說法，不是第三方測出來的。但它講給誰聽很清楚：現在最好用的開放權重模型有一大半出自中國實驗室，而授權條款和審查，是企業要導入時會被法務和老闆問到的兩件事。TML 在公告裡把這兩格都填了——Apache-2.0 一格，不迴避審查一格。

它不會幫你贏 benchmark，這件事他們先說了

所以 Inkling 對你有沒有用，看你要它做什麼。

如果你要的是今天最強的模型，TML 已經幫你回答了：不是它。他們自己的對照表上，Claude Fable 5 和 GPT-5.6 Sol 就擺在那裡。自報的數字是 SWEBench Verified 77.6%、AIME 2026 97.1%、HLE 29.7%、MMMU Pro 73.5%——這幾組全是 TML 自報，沒有獨立複現。

如果你要的是一個授權沒有但書、原生吃圖跟音訊、4-bit 下一台 8 卡機塞得下權重的底座，打算拿自家資料把它改成你的——那市面上現在多了一個選項，今天就能下載。順帶一提，比較小的 Inkling-Small（2,760 億參數、120 億啟用）還在測試，官方說測完才放權重，先別排進計畫。

接下來能盯的是 Tinker。TML 的收銀台在那裡，有多少人真的把 Inkling 改成自己的東西，會顯示在 Tinker 的定價、以及第三方微調模型有沒有冒出來——不會顯示在 TML 的發稿裡。