IT之家 7 月 16 日消息，由前 OpenAI 首席技术官米拉 · 穆拉蒂（Mira Murati）创立的思维机器实验室（Thinking Machines Lab）最新推出 Inkling 多模态 AI 模型，被认为是美国最强的开源模型。
IT之家注：思维机器实验室由 OpenAI 前首席技术官 Mira Murati 牵头创立，团队阵容极为豪华，约三分之二的核心成员均来自 OpenAI，曾在该机构领导过前沿的研究、产品与安全工作。
官方公告称，Inkling 是该公司首个从零训练模型，采用混合专家（MoE）架构，总参数 975B、激活参数 41B，最长上下文 1M tokens。
在预训练环节，该模型覆盖 45 万亿 Tokens，数据类型包括文本、图像、音频和视频，官方目前已经在 Hugging Face 以及该公司自有 API Thinker 上开放权重。
科技媒体 venturebeat 指出，在以中国 AI 主导的开源模型中，Inkling 模型表现虽然不错，但在推理和编程方面依然存在差距：
GLM 5.2：
- GLM 5.2 在纯编码、智能体推理和复杂推理任务上均优于 Inkling。在 SWEBench Pro（公开）测试中，GLM 5.2 的得分为 62.1%，而 Inkling 为 54.3%；
- 在 Terminal Bench 2.1 测试中，GLM 5.2 的得分更是高达 82.7%，远超 Inkling 的 63.8%。
- GLM 5.2 在纯文本推理方面也表现出色，在 HLE（纯文本）测试中得分为 40.1%，而 Inkling 仅为 30.0%。
DeepSeek V4 Pro
- 在多个严格的编码和事实性测试领域，DeepSeek 保持优势，在 SWEBench Verified（80.6% 对 77.6%）和 SimpleQA Verified（57.0% 对 43.9%）测试中均击败了 Inkling。
- 然而，在数学问题求解方面，Inkling 成功超越了 DeepSeek V4 Pro，在 AIME 2026 测试中取得了 97.1% 的成绩，而 DeepSeek 的成绩为 96.7%。
Kimi K2.6：
- 该模型在多项技术基准测试中均优于 Inkling，在 GPQA Diamond（91.1% 对 87.9%）、BrowseComp（83.2% 对 77.1%）和带工具的 HLE（54.0% 对 46.0%）测试中得分更高。
- 然而，Inkling 在通用聊天指令跟踪方面表现更佳，在 IFBench 测试中得分为 79.8%，而 Kimi K2.6 为 76.0%。
在与美国本土开源对手的较量中，Inkling 展现出了强大的实力，并且大部分占据优势：
Nemotron 3 Ultra：
在推理和编码方面，Inkling 的表现始终更为优秀。Inkling 在 AIME 2026 测试中获得 97.1% 的分数，在 SWEBench Verified 测试中获得 77.6% 的分数，分别高于 Nemotron 的 94.2% 和 70.7%。
此外，Inkling 在智能体工作流程方面也遥遥领先，在 MCP Atlas 测试中获得 74.1% 的分数，而 Nemotron 仅为 44.7%。
和闭源模型对比：
与 Claude Fable 5、GPT 5.6 Sol 和 Gemini 3.1 Pro 等闭源巨头相比，Inkling 在极限推理和软件工程自主性方面落后，但在多模态方面仍然具有很强的竞争力。
编码与推理：
- 封闭模型保持绝对优势。Claude Fable 5（最高等级）在 SWEBench Verified 测试中得分高达 95.0%，在 HLE（仅文本）测试中得分 53.3%，远超 Inkling 的 77.6% 和 30.0%。GPT 5.6 Sol 在 Terminal Bench 2.1 测试中以 89.5 分遥遥领先，轻松超越 Inkling 的 63.8 分。
原生多模态处理：
- Inkling 的原生视觉和音频处理能力表现出色。在 MMMU Pro（标准 10）视觉基准测试中，Inkling 的得分为 73.3%，具有竞争力，但略逊于 Claude Fable 5 的 84.2% 和 GPT 5.6 Sol 的 83.0%。
- 在音频处理方面，Inkling 在 MMAU 测试中取得了令人瞩目的 77.2% 的成绩，与 Gemini 3.1 Pro 的 82.5% 差距不大。
热门跟贴