OpenAI前CTO穆拉蒂首作Inkling：中美大模型角色反转
OpenAI前首席技术官穆拉蒂（Mira Murati）离开老东家后的首款作品，意外地将中美大模型的角色关系颠倒了过来。7月15日，她创办的Thinking Machines Lab发布首款模型Inkling，采用混合专家架构，主要沿用DeepSeek-V3设计，后训练阶段还借助了月之暗面Kimi K2.5等开放模型生成的合成数据。然而结果颇为微妙：在多项基准评测中，Inkling落后于Kimi和GLM，调用价格反而更高。
硬件配置撑得起排面
单看参数，Inkling确实具备明星实验室的实力。该模型总参数量达9750亿，每处理一个Token激活410亿参数；预训练消耗45万亿Token，数据涵盖文本、图像、音频与视频；最长支持100万Token上下文，能理解文字、图片和音频，以文字形式输出，还可通过调节思考强度在性能、速度与成本之间取舍。模型采用Apache 2.0许可证开放权重，开发者既能下载自行部署，也可通过Tinker平台微调。公司定位明确：Inkling更适合充当企业开发AI应用的底座，而非直接与ChatGPT争夺普通用户。
技术路线引关注：中国模型成关键参考
真正引人注意的藏在技术报告后半段。Thinking Machines明确写道，Inkling的混合专家设计主要沿用了DeepSeek-V3，设置大量专家模块、每个Token只调用其中一小部分，并采用其无辅助损失负载均衡设计。中国模型的影响还延伸至训练阶段：为启动后训练，公司先用开放权重模型生成的合成数据做监督微调，其中明确提到了Kimi K2.5。
一条完整路线由此浮现——一家由OpenAI前CTO创办的美国实验室，首款模型沿用DeepSeek架构，又借助Kimi的数据完成后训练起步。Thinking Machines也坦然承认：Inkling并非目前表现最强的模型，无论开放模型还是闭源模型。
Benchmark数据：性能落后，价格更高
具体数字对比鲜明。在人类最后的考试（Humanity's Last Exam）纯文本评测中，Inkling得29.7%，Kimi K2.6和GLM 5.2分别达到35.9%与40.1%；加上工具后Inkling升至46%，仍低于Kimi K2.6的54%和GLM 5.2的54.7%。在考察真实软件工程能力的SWE-Bench Pro中，Inkling为54.3%，Kimi K2.6是58.6%，GLM 5.2达到62.1%。差距在Terminal Bench 2.1上最刺眼：Inkling仅63.8%，Kimi K2.6和GLM 5.2分别有71.3%和82.7%。
价格方面同样未给惊喜。Tinker平台上64K版本每100万Prefill Token收费1.87美元、每100万Sample Token收费4.68美元，且已是限时五折价；256K版本分别涨至3.74和9.36美元。对比Kimi K2.6官方API输入0.95美元、输出4美元，GLM 5.2为1.4和4.4美元，Inkling的预填充价格接近Kimi K2.6的两倍。
OpenAI校友会的特殊身世
Thinking Machines几乎堪称OpenAI校友会。2025年2月亮相时团队约30人，三分之二来自OpenAI，其余主要来自Meta和Mistral，创始阵容包括John Schulman、Barret Zoph、Lilian Weng等人，路透社称穆拉蒂从前东家挖走至少20名研究人员。穆拉蒂本人2018年加入OpenAI，参与过DALL-E、Codex、ChatGPT和Sora，2022年升任CTO，2023年11月董事会罢免Altman后还短暂出任临时CEO。
这样一群最懂OpenAI的人离开后，外界本期待一条带着OpenAI印记的路线，结果最明确的技术来源却指向中国模型。但需注意：OpenAI近年前沿模型全部闭源，外界拿不到权重，也不了解完整架构与训练方案；DeepSeek和Kimi则公开了权重或技术报告，架构、训练方法和工具链都可以合法研究复用。Inkling本身也是开放权重模型，从DeepSeek、Kimi等开放模型吸收成熟方案，是顺理成章的工程选择。
贵替背后的商业计算
真正的问题是：为何Thinking Machines吸收了现成架构和训练经验，做出的Inkling却性能更弱、价格更高？
按公司拿到的待遇，这本不该只是一款"够用"的模型。2025年7月，公司尚未推出任何产品，就完成20亿美元种子轮、估值120亿美元，投资方包括a16z、英伟达、AMD和简街；四个月后新一轮谈判目标估值一度高达500亿美元。但从商业角度看，穆拉蒂可能从一开始就没打算用它争基准第一。
公司强调的是开放权重、多模态与可定制性，希望企业经Tinker微调，把Inkling改造成客服、编程助手、行业智能体等专用模型。穆拉蒂押注的市场，对基准第一并不执着，企业更在意模型能否私有部署、能否掌握数据、能否按自己的业务继续训练。
政策东风创造的"贵替"市场
此前这类需求很大程度上被中国开放模型承接。OpenRouter数据显示，2026年2月以来，中国模型在美国企业经该平台调用的Token中每周占比都超过30%，最高一度达46%，而2025年上半年平均仅4.5%。Cursor开发Composer2时选了Kimi K2.5，桥水基金通过Tinker微调阿里Qwen，以更低成本超过部分顶级闭源模型。
但美国对中国AI模型的监管氛围正在收紧。相关部门已围绕数据安全、模型来源和供应链风险发出警告，部分使用中国模型的企业受到调查。政策不确定性足以影响企业选择，尤其是涉及政府业务和敏感数据的公司。
这正是Inkling的市场空间：它是一款美国公司开发、采用Apache 2.0、支持私有部署和定制的开放权重模型。美国企业选它，不必担心使用中国模型引发的政治争议，也更容易通过合规审查。Inkling真正的价值来自这种合规确定性——穆拉蒂把DeepSeek和Kimi的公开成果，转化成一款由美国公司提供的模型。它不需要在基准里击败中国模型，只需成为那些不敢继续用中国模型的美国企业可以接受的选择。
这也解释了它为何敢定更高价：政策替它缩小了竞争范围，性能与价格的差距便没那么致命。对一些美国企业来说，一款稍弱、稍贵但风险低的模型，已经足够。
结构性代价谁来承担
从这个角度看，Inkling反而证明了穆拉蒂懂做生意。但这套生意成立的代价，可能由美国企业承担。美国之外的公司仍可自由选择GLM、Kimi和DeepSeek，在更强更便宜的基础模型上开发产品；美国企业却可能被迫采用性能稍弱、价格更高的本土替代品，基础模型的能力差距会继续传递到微调后的产品，最终形成结构性竞争劣势。
华盛顿原本想用限制保护美国AI公司，结果可能先替Inkling这样的"贵替"创造了市场。对穆拉蒂来说，一般般已经够了；对美国AI产业来说，这份"够用"意味着成本升高与竞争力下降。