# Thinky 发布 Inkling：9750 亿参数、410 亿活跃的多模态开源模型，目前美国最强 Apache 2.0 基座

> 原标题：[AINews] Thinky's Inkling: 975B-A41B multimodal, new best American Apache 2.0 open model (with Inkling-Small, 276B-A12B)

- 来源：Latent Space
- 发布时间：2026-07-16T06:18:05.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/45381
- 原文：https://www.latent.space/p/ainews-thinkys-inkling-975b-a41b

## 摘要

Thinky 推出了 Inkling，一个总参数量 9750 亿、每次推理激活 410 亿参数的混合专家模型。它能直接处理文字、图片、音频和视频，支持最长 100 万 token 的上下文窗口。模型用 45 万亿个多模态 token 训练，采用 Apache 2.0 协议开源，发布当天就得到了 vLLM、Hugging Face 等工具链的支持。团队明...

## 推荐理由

Thinky 第一个完整模型发布，975B MoE 架构、Apache 2.0 开源，填补了美国开源阵营的空缺。Mira Murati 的团队背景、100 万 token 上下文和原生多模态能力同时打中了热度、硬核度和身份认同三个点。没给到 90 分以上是因为目前只有团队自己公布的跑分数字，正文没披露独立第三方的验证结果，这点先别太激动。

## 锐评

Inkling 最值得看的是定位：不追 SOTA，而是做一个美国本土的、Apache 2.0 协议的多模态开源基座。975B 总参数量、41B 激活参数，用 45 万亿个多模态 token 训练，支持 100 万 token 上下文窗口，这些数字说明它规模够大、训练数据量也足。但团队和独立评测都承认，它在部分基准上还跑不过中国最好的开源模型和闭源模型。

技术上，它原生处理文字、图片、音频，不是后期拼接的多模态，这点对需要直接处理混合输入的开发者比较友好。同一天还发了 Inkling-Small，激活参数降到 120 亿，用类似配方训练，主打更低成本和延迟。vLLM 和 Hugging Face 当天就接入了，工具链跟得快。

正文没披露训练成本、推理延迟的具体数字，也没给出跟 DeepSeek 等模型的直接对比表。Mira Murati 说这是“第一个模型”，John Schulman 补充预训练去年冬天才开始，团队规模不大。如果是真的，这个产出效率挺高，但长期能不能持续迭代、生态能不能起来，还得看后续动作。