在大型模型逐渐走向封闭服务和高额推理成本之际，开放权重模型重新成为企业部署与定制的重要选择。美国Thinking Machines Lab发布首个通用模型Inkling，允许开发者下载、运行并进一步微调模型权重。该公司由前OpenAI首席技术官Mira Murati于2025年创立，定位并非单纯追逐排行榜第一，而是为企业和研究机构提供可控制、可定制的人工智能基础模型。

Inkling采用混合专家架构，总参数规模为9750亿，但每次推理约激活410亿参数，在模型容量和实际计算成本之间寻求平衡。官方模型卡显示，它支持文本、图像和音频输入并输出文本，标准上下文窗口达到100万令牌；在Tinker训练平台上还提供不同长度配置。模型面向知识问答、数学与科学推理、代理式编码、工具使用、预测与置信度评估等任务，并允许用户调整推理强度。

Thinking Machines强调，Inkling是从头训练的开放权重模型，可通过Tinker平台面向特定行业和数据进行微调。该模型在综合基准上尚未全面超过最先进的封闭模型，但在代理任务、代码和多模态输入方面表现出竞争力。更重要的是，企业可以在自有环境中控制模型版本、推理成本和数据边界，而不必完全依赖外部接口。

开放权重并不等同于完全开源。Inkling公开模型权重，但训练数据、完整训练流程和部分工程细节并未全部开放；其规模也意味着本地运行仍需要专业加速器集群。因此，Thinking Machines仍将Tinker作为重要商业入口。Inkling反映出基础模型市场的新分层：头部封闭模型继续争夺极限能力，开放权重模型则突出可控性、成本和行业适配。