# Thinking Machines 开源 Inkling：一个 975B 参数、专为微调设计的多模态模型

> 原标题：Inkling

- 来源：Product Hunt · AI
- 发布时间：2026-07-20T04:25:48.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/45599
- 原文：https://www.producthunt.com/products/tinker-2

## 摘要

Thinking Machines 在 Product Hunt 上发布了 Inkling，一个 975B 参数的混合专家（MoE）模型，每次推理实际激活 41B 参数，支持 100 万 token 的上下文窗口。它原生处理文本、图片和音频，你可以手动控制它“思考”的深度。模型权重用 Apache 2.0 协议开源，主打让你拿去微调。配套的 Tinke...

## 推荐理由

Thinking Machines 扔了个 975B 参数的 MoE 开源模型，实际干活只动用 41B 参数，推理成本应该不高。100 万上下文加原生多模态，规格表看着挺能打。但正文没给任何跑分或真实延迟数据，所以分数先压一压，别急着冲太高。

## 锐评

Thinking Machines 在 Product Hunt 上发了 Inkling，一个总参数量 975B、实际干活只调用 41B 参数的混合专家模型。这种“大模型壳、小模型开销”的设计，好处是推理成本低，同时能塞进 100 万 token 的上下文窗口，一次处理整本书都没问题。模型原生支持文本、图片和音频，还允许手动控制它“思考”的深度，等于把算力分配权交给了你。权重用 Apache 2.0 协议开源，主打让你拿去微调，配套的 Tinker API 专门做 LoRA 微调，省去自己搭基础设施的麻烦。

不过，这篇发布稿没披露任何基准测试成绩，也没提 API 调用的价格。一个模型好不好用、贵不贵，这两项是硬指标，缺了就没法判断它跟同类产品比到底什么水平。另外，100 万 token 上下文在实际长文本任务里表现如何、可控推理深度的效果上限在哪，也都需要后续实测验证。目前能确定的是，它给想自己掌控数据和算法的研究员提供了一个低门槛的微调入口，但值不值得上车，得等跑分和账单出来再说。