商傳媒｜林昭衡／綜合外電報導
思維機器實驗室（Thinking Machines Lab）近期發表了其首個開源權重人工智慧模型 Inkling，強調該模型具備高度客製化能力，而非追求極致的原始運算性能。此舉旨在為產業提供更具彈性、能針對特定需求微調的 AI 解決方案。
根據《Digit》報導，Inkling 採用了 Mixture-of-Experts（MoE）Transformer 架構，總參數達到 9,750 億個，其中包含 410 億個活躍參數。這款多模態模型能處理自然語言、圖像、音訊及影片等多種格式的資料。其上下文視窗（Context Window，模型在單次處理中可理解的資訊量）最高可達 100 萬個 Token，並在 45 兆個 Token 的數據集上進行訓練。思維機器實驗室也提供一個較小的預覽版本 Inkling-Small，使用 120 億個活躍參數。
儘管思維機器實驗室坦承 Inkling 在多項基準測試中，如 SWE-Bench、HLE 和 SimpleQA，表現仍遜於 Claude、GPT 和 Gemini 等前沿模型，且在部分編碼與推理測試中亦不如 Nemotron 3 Ultra 和 GLM 5.2，但該公司認為 Inkling 的核心價值在於其卓越的客製化能力。其理念是，一個更廣泛、全面的通用模型，比高度優化的前沿模型更適合進行專業化應用。
Inkling 的微調能力表現突出，它能自行生成微調任務、創造合成評估數據，並將新的權重載回程式碼代理（coding agent）。此外，開發者還能控制 Inkling 的思考努力程度，在模型運行時優先考量速度或成本而非品質。報導指出，在 Terminal Bench 2.1 基準測試中，Inkling 僅用三分之一的 Token 消耗，便達成了與 Nemotron 3 Ultra 相當的性能，並在 Cognition 的抗審查評估中展現良好成果。
自 2026 年 7 月 17 日起，Inkling 已可透過思維機器實驗室的微調訓練平台 Tinker、Hugging Face，以及 Together AI、Fireworks、Databricks 和 Baseten 等推論夥伴取得。思維機器實驗室正將其賭注押在可客製化的中階通用模型上，期盼為開源權重社群帶來價值。對於開發者而言，關鍵在於此類模型在特定應用場景下，能否在成本效益方面超越利用更智慧、封閉模型的 API 服務。
