Thinking Machines 开源 Inkling：975B 多模态 MoE，支持调节思考强度

首次发布 2026年7月15日传播指数 67

Thinking Machines 开源原生多模态 MoE 模型 Inkling，总参数 975B、激活 41B，支持 1M 上下文。最值得关注的是，它支持可控思考强度以平衡性能与延迟，并已上线 Tinker 平台供微调。轻量版 Inkling-Small 也同步开启预览。

Thinking Machines 开源的 Inkling 是一个总参数 975B、激活 41B 的多模态 MoE 模型，支持 1M 上下文，原生理解文本、图像和音频。

它最实用的地方，是把思考强度做成了可调节的开关，让你在推理速度和解题质量之间灵活权衡。

它能做什么

Inkling 不是专门刷单一榜单的特化模型，而是一个兼顾多模态理解与 Agent 工具调用的底座。

在代码与 Agent 任务上，它可以一次性写出包含嵌入式浏览器助手的 Web 应用，或者通过 40 轮代码审查反馈自动迭代出多人在线贪吃蛇游戏。

它的多模态能力是原生支持的，不用外挂独立编码器。音频直接转成 dMel 频谱图，图像则切成 40x40 像素的 patch，通过四层 hMLP 轻量映射后与文本 token 一同处理。

在视觉任务中，它还能在推理阶段主动调用 Python 工具做缩放和裁剪。不过需要注意，模型目前的输出端仍仅限文本、代码和结构化数据。

另一个亮点是可控思考强度。在 Terminal Bench 2.1 测试中，Inkling 跑出与 Nemotron 3 Ultra 相当的编码成绩，消耗的 token 数量只有后者的三分之一。

Inkling 的规模非常大，普通消费级显卡完全跑不动完整版。

官方放出的完整权重高达 1.9 TB，NVFP4 量化版也要 592 GB 显存。社区 Unsloth 已经压出了 GGUF 格式，极限的 1-bit 量化版体积仍有 270 GB，但极低比特压缩会损失相当多的推理质量。

如果你只想做低成本推理或本地验证，官方同步预览了轻量版的 Inkling-Small。它的总参数降到 276B，激活仅 12B，运行延迟和显存门槛低得多，只是 Agent 编码能力有一定缩水。

权重目前已经公开在 Hugging Face，开发者也可以直接登录 Tinker 控制台的 Inkling Playground 在线体验对话与微调。

如果你需要一个具备原生听觉与视觉理解、同时支持深度定制的开源大底座，Inkling 值得拉进环境测一测。

但如果只看纯文本和纯代码能力，在第三方独立榜单上，它的速度与综合跑分不如 GLM 5.2 或早先的 DeepSeek V4。我们认为，Inkling 真正的定位不是全能冠军，而是一个给企业用来针对私有业务做二次微调的多模态骨架。