米拉·穆拉蒂（Mira Murati）——这位曾担任OpenAI首席技术官的科技界知名人物，如今正以全新身份引领AI领域的创新浪潮。她创立的Thinking Machines Lab近日正式推出首款AI模型Inkling，以"开放权重"模式打破行业常规，为开发者提供可自由定制的底层架构。这一举措被视为缩小与OpenAI、Anthropic等顶尖实验室技术差距的重要战略。
Inkling模型采用独特的参数架构设计，总参数规模达9750亿个，但仅410亿个参数处于活跃状态。这种"动态激活"机制使模型在保持近万亿级参数容量的同时，显著降低计算资源消耗。据实验室测试数据显示，该模型在处理用户查询时，实际调用的计算量仅为传统大型模型的5%-8%，推理速度提升3倍以上。
技术路径选择上，Thinking Machines展现出鲜明的差异化策略。模型基础架构借鉴了中国团队开发的DeepSeek-V3模型，后训练阶段则引入月之暗面公司Kimi K2.5生成的数据进行优化。这种跨机构技术融合模式，在当前AI领域封闭竞争的环境中显得尤为突出。实验室负责人解释称："我们更关注如何让先进技术真正服务于开发者社区，而不是单纯追求参数规模的竞赛。"
配套发布的云端微调工具Tinker构成完整技术生态。这款面向开发者的平台允许用户通过笔记本电脑直接对模型进行定制训练，无需构建复杂的超级计算基础设施。实验室提供的案例显示，某医疗研究团队利用Tinker在48小时内完成了针对罕见病诊断的模型优化，成本较传统方式降低80%。
安全性验证方面，Thinking Machines委托第三方机构进行了全面风险评估。测试覆盖生物武器研发、网络攻击辅助等12类高危场景，模型在97%的测试用例中表现出预期的安全约束。但实验室同时承认，开放权重模式带来的可定制性可能引发新的安全挑战，目前正在研发动态防护机制，计划通过持续更新安全补丁的方式应对潜在风险。
市场定位上，Inkling明确避开与GPT-4、Claude等顶级模型的正面竞争。实验室将目标用户锁定在中小企业和科研机构，强调"够用且经济"的核心优势。初步定价方案显示，标准版模型调用成本仅为行业平均水平的60%，定制化服务则采用"按效果付费"的创新模式。
行业观察家指出，这种"精准卡位"策略可能重塑AI市场竞争格局。当头部企业聚焦于突破技术极限时，Thinking Machines选择在成本效率维度开辟新赛道。其开放权重模式若能建立完善的开发者生态，或将催生大量垂直领域专用模型，形成不同于现有闭源体系的创新路径。
