Thinking Machines Lab 是由 OpenAI 前首席技术官米拉·穆拉蒂创立的人工智能初创公司，如今发布了旗下首款模型，一款名为 Inkling 的开放权重系统。对于业内最受关注、融资最为雄厚的新兴实验室之一而言，这是一座实打实的里程碑。该公司在推出任何一款产品之前，就已以120亿美元估值募得约20亿美元资金。这款模型直接体现了公司的核心押注：能够被各类机构自行调整适配的人工智能，将击败当前各大实验室所出售的一刀切模型。

Inkling 是一款混合专家(MoE)模型，拥有9750亿总参数，其中约410亿活跃参数会在任一具体任务中被激活，这一设计既压低了算力成本，又为模型提供了极为庞大的知识储备可供调用。它在涵盖文本、图像、音频和视频的45万亿个token上完成训练，因此能够原生地在所有这些输入之间进行推理，而不是在文本模型上勉强加装额外的感官。它有两项选择尤为突出：它给出经过校准的答案，会主动标示自身的不确定性，而非自信地臆测；它还允许用户上下调节思考投入，从而在速度与质量之间做出权衡。

最引人注目的是它的定位。Thinking Machines 坦言，Inkling 并非当今最强的模型，无论闭源还是开源。它并不追逐排行榜榜首，而是着眼于打造一款全面、高效、并且最重要的是可适配的模型。据称在编程任务上，要取得同样的结果，它所消耗的token约为同类模型的三分之一；而在与投资公司 Bridgewater 合作的一项案例研究中，它在金融推理上以极低的成本达到了84.7%的准确率。它的卖点不是成为最出色的通用聊天机器人，而是成为一个供他人塑造的坚实基础。

实验室更宏大的计划正是在这里浮现。Inkling 意在通过 Thinking Machines 的微调平台 Tinker 进行定制，如此一来，企业便能让它适配自身的数据与工作流程，而不必租用一款行为受制于他方、无法改动的固化模型。这是穆拉蒂及其团队本月所阐述的一个主张的具体化：人工智能的未来是分布式的、可定制的，由使用它的人来塑造，而不是少数几家巨型闭源模型让所有人以相同条款租用。

它之所以重要，是因为 Inkling 把一个逆向的论点变成了你真正可以下载到手的东西。人工智能领域的主流策略一直是打造越来越大的前沿模型，再出售其使用权，而大部分关注度依旧流向那些刷出最高基准分数的一方。Thinking Machines 押注的是：开放性与适应性，也就是一款开放权重模型加上调优它的工具，对许多机构而言将比在某项测试上的绝对优势更为重要。这一押注能否奏效尚无定论，而且按公司自己的说法，这并非市面上最强大的模型。但它出自穆拉蒂的团队，坐拥雄厚的资金与聚光灯，因此这也是迄今为止对“人工智能赢家不过是训练出单一最大‘大脑’者”这一观念最具说服力的挑战之一。