摘要：
前 OpenAI 首席技术官 Mira Murati 创办的 Thinking Machines Lab 在 7 月 15 日发布首个自研模型 Inkling，并开放权重。Inkling 采用混合专家（MoE）Transformer 架构，总参数 975B、激活参数 41B，上下文窗口最高 100 万 tokens，预训练用了 45 万亿 tokens 的文本、图像、音频与视频数据，原生支持文本、图像、音频输入。官方公布的成绩为 AIME 2026 97.1%、GPQA Diamond 87.2%、SWEBench Verified 77.6%，并称在同等编程表现下的 token 消耗约为英伟达 Nemotron 3 Ultra 的三分之一。模型支持调节「思考强度」，在速度与质量之间取舍。同期还放出轻量版 Inkling-Small 预览，276B 总参数、12B 激活。完整权重已上架 Hugging Face，同时提供 NVFP4 检查点格式，并可在该公司的定制平台 Tinker 上微调。

正文（译文）：
Thinking Machines Lab 今日发布 Inkling，这是我们的开源权重模型。

Inkling 是一个混合专家架构的 Transformer，总参数 975B，激活参数 41B，我们把它定位为一个覆盖面广、能力均衡的基础模型。它的上下文窗口最高支持 100 万 tokens，预训练数据量为 45 万亿 tokens，涵盖文本、图像、音频和视频。

在多模态处理上，Inkling 原生支持文本、图像与音频。音频输入使用 dMel 频谱图表示，图像则被切分为 40×40 像素的патches，通过一层轻量的 hMLP 编码进入模型。

在评测方面，Inkling 于 AIME 2026 取得 97.1%，GPQA Diamond 87.2%，SWEBench Verified 77.6%，在文本、智能体、多模态与音频等多类评测中均具备竞争力。模型支持可控的思考强度，开发者可以据此在性能与 token 效率之间做权衡。

我们同时放出 Inkling-Small 的预览版本，它采用 276B 参数的混合专家架构，激活参数 12B，训练配方与 Inkling 相近，能以更低的成本和延迟取得不错的表现。该版本仍在完成测试，目前为预览状态。

Inkling 的完整权重已发布在 Hugging Face，提供标准与 NVFP4 两种检查点格式。从今天起，你也可以在 Tinker 上对 Inkling 进行微调。