离开OpenAI一年半，Mira Murati 交出了第一份答卷
2026年7月16日，Mira Murati 在 X 上发了一条帖子："Our first model, Inkling. Trained from scratch, weights are open, fine-tunable on Tinker today."
简单，直接，像她当年在 OpenAI 发布会上的风格。
但这条帖子背后藏着一个让整个 AI 圈都在议论的细节：这个从零训练、9750亿参数的模型，架构借鉴了中国 DeepSeek-V3，后训练数据用了月之暗面的 Kimi K2.5。
一个前 OpenAI CTO，带着120亿美元种子轮融资（史上最大种子轮），200人团队，花了一年半——做出来的第一个模型，技术底座是中国的。
Inkling 是什么：不争最强，争"最可控"
先说模型本身。Inkling 是一个 MoE（混合专家）架构模型：
- 总参数：9750亿
- 激活参数：410亿（单次任务只调用约4%的参数）
- 训练数据：45万亿 Token（文本+图像+音频+视频）
- 上下文：100万 Token
- 许可证：Apache 2.0（完全开放权重，无商用限制）
- 硬件：Nvidia GB300 NVL72
Thinking Machines Lab 在博客里直接承认：Inkling "不是当前最强模型，无论闭源还是开源"。在 Terminal Bench 2.1 上，它落后于 GPT-5.6、Claude Fable 5 和 Kimi K2.6。
但它做了两件闭源巨头不做的事。
第一，开放权重。 你可以下载完整权重，部署在自己服务器上，按需微调。GPT-5.6 和 Claude Fable 5 做不到这一点。
第二，把"可定制"做成核心卖点。 配套的 Tinker 平台允许开发者用笔记本电脑微调这个近万亿参数的模型，不需要搭超算集群。
为什么架构借了 DeepSeek
这不是偶然。DeepSeek-V3 的 MoE 架构今年已成为多个新兴模型的参考蓝本，原因很直接：低成本、高性能、稀疏激活。
Inkling 的设计目标从一开始就不是"刷榜"，而是"用三分之一的 Token 消耗达到同等编码性能"。在 SWE-bench Verified 上，Inkling 拿到 77.6%，超过英伟达 Nemotron 3 的 71.9%，但 Token 消耗只有后者的三分之一。
DeepSeek-V3 的架构让这件事变得可能：9750亿参数的模型，每次推理只激活410亿，计算成本降低60%以上。
后训练阶段使用 Kimi K2.5 生成的数据，则是另一个信号。中国模型的推理质量已经好到可以用来"教"其他模型了。Thinking Machines Lab 确认，早期后训练数据部分使用了 Kimi K2.5 的输出，之后大规模强化学习接管。
这对开发者意味着什么
如果你是用 AI 编程的开发者，Inkling 的出现带来三个实际变化：
1. 开源编码模型多了一个靠谱选项。 之前开源编码赛道主要是 Qwen-Coder 和 DeepSeek-Coder。Inkling 的 SWE-bench 77.6% 直接杀入第一梯队，而且 Apache 2.0 协议没有商用限制，企业可以放心用。
2. 微调门槛大幅降低。 Tinker 平台号称用笔记本就能微调万亿参数模型。如果属实，中小企业终于可以在自有数据上定制编码助手，而不是把代码库上传给闭源 API——后者意味着你的核心资产在别人服务器上跑。
3. Token 经济学有了新参照。 Inkling 用三分之一的 Token 消耗达到 Nemotron 3 Ultra 同等性能。当你评估自己的 AI 编程成本时，这是一个新的基准线：如果你的模型 Token 消耗高于这个水平，该考虑换方案了。
真正的赌注：开放权重能不能赢
Murati 的创业逻辑和她在 OpenAI 时完全相反。OpenAI 走闭源路线，靠 API 锁定用户。Thinking Machines Lab 走开放权重路线，赌的是"AI 应该去中心化，由用户塑造而非由几家公司固化"。
微软 CEO Satya Nadella 最近也说了类似的话：用闭源模型的企业，不仅在付订阅费，还在通过 prompt 和修正把自己的业务知识输送出去。
但开放权重路线的挑战也很现实：安全管控更难、变现模式不清晰、竞争对手也在做可定制模型。Inkling 在生物武器、网络攻击等高风险场景的安全测试达标了，但团队自己承认开放权重的安全管控仍是持续难题，计划第三季度推出动态权限管理系统。
一个判断
Mira Murati 离开 OpenAI 时，很多人猜测她要做什么。现在答案清楚了：她要做 OpenAI 不愿意做的事——把前沿模型的开源做到极致，然后用"可定制"打出差异化。
Inkling 不是最强的模型，但它可能是目前"最可控的前沿模型"。当闭源巨头的 Token 价格越降越低、但企业账单越烧越高时，"把模型下载下来自己跑"这件事，突然变得有吸引力了。
至于架构借了 DeepSeek、数据用了 Kimi——这不是丢人的事。这恰恰说明，在大模型的工程实践上，中国团队已经走到了被美国创业公司主动借鉴的位置。