Thinking Machines发布Inkling 开放9750亿参数多模态权重

Thinking Machines于2026年7月15日推出Inkling模型，该模型总参数量达9750亿，激活参数410亿，支持文本、图像和音频输入，并开放完整权重供下载和微调。

Inkling采用混合专家Transformer架构，预训练数据包含45万亿token，涵盖文本、图像、音频和视频。它支持最高100万token的上下文窗口，同时提供激活参数120亿的Inkling-Small预览版。

模型在Tinker平台上提供API访问，上下文窗口为256K token，而开放权重版本支持1M token。定价按每百万token计算，64K上下文时输入1.87美元、输出4.68美元；256K上下文时输入3.74美元、输出9.36美元。

技术实现路径

音频输入以dMel频谱图形式处理，图像则被切分为40×40像素块，通过四层hMLP编码，再与文本token共同进入共享隐藏空间。训练覆盖智能体、推理、编程、指令遵循和事实准确性等多项任务。

Inkling支持调节推理强度，开发者可在性能与token消耗间权衡。在Terminal Bench测试中，它仅使用Nemotron 3 Ultra三分之一的token即可达到相同性能水平。

对各方的实际影响

开发者可直接在Hugging Face下载完整权重并在本地部署或通过Tinker平台进行微调。Inkling Playground允许开发者直接与模型交互，评估其风格与基准表现。

企业用户可利用其多模态能力构建需要语音和视觉输入的应用。模型在GDPval-AA v2上Elo得分1238，高于Kimi K2.6的1190和DeepSeek v4 Flash max的1189；在τ³-Banking测试中得分为24%，高于Kimi K2.6的21%。

在Artificial Analysis Intelligence Index上，Inkling得41分，高于Nemotron 3 Ultra的38分、Gemma 4 31B的29分和gpt-oss-120b的24分，成为美国实验室发布的领先开放权重模型。它在智能体性能和token效率上形成差异化。

可比数据对照

与GLM-5.2 max、Kimi K2.6和DeepSeek v4 Pro max相比，Inkling在Intelligence Index任务中平均输出25K token，而上述模型分别为43K、38K和37K。

在音频基准VoiceBench、MMAU和AudioMC上，Inkling进入开放权重音频模型前列；在视觉任务中，它能调用Python工具辅助图像理解。