Knowledge File / AI小生意项目库

2026-08-01 4 浏览免费阅读

Thinking Machines押注效率而非规模，推出第二款模型Inkling Small

Q: 这篇文章和哪些AI专题相关？

它适合放在AI副业、AI工具、AI超级个体专题里阅读。 关联原因：这篇内容命中「项目、小生意、变现」等主题信号。；这篇内容命中「模型」等主题信号。；这篇内容命中「效率」等主题信号。

Thinking Machines发布开源推理模型Inkling Small，以不到三分之一的参数接近Inkling的性能，在多项测试中反超，且token效率大幅提升，定位为可微调的基础模型。

SOURCE / AI小生意项目库 MIN / 9 ACCESS / 免费阅读 POST / 2026-08-01 01:41:50

原贴

查看原文

作者：Matthias Bastian 来源站点：the-decoder.com 原贴时间： 2026-08-01 01:41:50

原文

Thinking Machines, the AI lab from former OpenAI CTO Mira Murati, has released Inkling Small. According to Artificial Analysis , the open-weights reasoning model scores 40 on the Intelligence Index, one point below Inkling (41), with less than a third of the parameters (276 billion total, 12 billion active). AA says no open model of equal or smaller size scores higher. Inkling Small beats its bigger sibling on several coding and reasoning tests, including Humanity's Last Exam (32% vs. 30%) and GPQA Diamond (89% vs. 87%). It falls behind on agent-based tasks and factual knowledge but is far more token-efficient, averaging 24K output tokens per task compared to 45K for Deepseek V4 Flash and 78K for GPT-5.4 mini. The model handles text, image, and speech inputs, has a 256K-token context window, and ships under Apache 2.0. Weights are on Hugging Face , and users can fine-tune it in the browser via Tinker Playground . Thinking Machines positions its models as a foundation for fine-tuning with users' own data . Some see this as the next frontier in AI . Ad DEC_D_Incontent-1 Ad Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.

中文翻译

Thinking Machines，这家由前OpenAI CTO Mira Murati创办的AI实验室，发布了Inkling Small。据Artificial Analysis称，这个开放权重推理模型在智能指数上得分为40，比Inkling（41）低1分，而参数不到其三之一（总参数2760亿，激活参数120亿）。AA表示，同等或更小规模的开源模型没有得分更高的。Inkling Small在多项编码和推理测试中胜过其更大的兄弟型号，包括Humanity's Last Exam（32%对30%）和GPQA Diamond（89%对87%）。它在基于智能体的任务和事实知识上表现落后，但token效率要高得多，每个任务平均输出24K个token，而Deepseek V4 Flash为45K，GPT-5.4 mini为78K。该模型处理文本、图像和语音输入，具有256K token的上下文窗口，并以Apache 2.0许可发布。权重可在Hugging Face上获取，用户可以通过Tinker Playground在浏览器中微调模型。Thinking Machines将其模型定位为用户使用自己数据进行微调的基础。一些人认为这是AI的下一个前沿。

核心信息

Thinking Machines发布开源推理模型Inkling Small，以不到三分之一的参数接近Inkling的性能，在多项测试中反超，且token效率大幅提升，定位为可微调的基础模型。

Thinking Machines发布开源推理模型Inkling Small，以不到三分之一的参数接近Inkling的性能，在多项测试中反超，且token效率大幅提升，定位为可微调的基础模型。
原贴提到：Thinking Machines, the AI lab from former OpenAI CTO Mira Murati, has re
来源：the-decoder.com

详细解读

Thinking Machines发布第二款模型Inkling Small，其核心信号是AI竞赛从参数规模转向效率优化。该模型以不到Inkling三分之一的参数（总参数量2760亿，激活120亿）实现了智能指数40，仅比Inkling低1分，且在Humanity's Last Exam和GPQA Diamond等多项测试中超越更大的模型。这证明模型性能提升不再单纯依赖参数量，架构设计和数据质量可能更具决定性。

为什么重要？在算力成本高企的背景下，Token效率成为关键指标。Inkling Small平均每任务输出24K token，远低于Deepseek V4 Flash的45K和GPT-5.4 mini的78K，这意味着推理成本大幅降低。对于需要高频调用模型的企业，使用该模型可显著节约预算，同时保持接近顶尖模型的推理能力。此外，Apache 2.0开源许可和浏览器内微调工具进一步降低了定制门槛，让中小团队也能基于此构建垂直应用。

对谁有价值？首先是有模型定制需求的开发者，可以基于Inkling Small进行微调，快速获得专属模型；其次是追求成本效益的AI应用企业，尤其适合代码生成、知识问答等任务；最后是AI研究者，模型效率与性能的对比数据为研究提供新视角。

可以怎么行动？建议技术团队下载Hugging Face上的权重，使用Tinker Playground在浏览器中体验微调流程，评估其在目标场景的表现。对于非技术决策者，应关注模型部署成本，优先考虑将Inkling Small嵌入现有产品，替代更昂贵的闭源API。同时，由于模型在智能体任务和事实知识上存在短板，部署前需充分测试场景适配性。

风险或限制：该模型在基于智能体的任务和事实知识上落后于大模型，可能不适合需要复杂工具调用或百科全书式问答的场景；开放权重虽被大力推崇，但可能被用于恶意用途，部署方需遵守使用规范。此外，模型更新速度较快，需关注后续版本迭代。

信息差价值

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Thinking Machines押注效率而非规模，推出第二款模型Inkling Small》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

参考来源

Matthias Bastian 原帖

TOPIC HUBS

延伸专题

AI副业 AI副业：小生意、项目机会与可收费交付

这篇内容命中「项目、小生意、变现」等主题信号。

AI工具 AI工具：模型、插件、自动化与实战场景

这篇内容命中「模型」等主题信号。

AI超级个体 AI超级个体：个人品牌、效率系统与技能杠杆

这篇内容命中「效率」等主题信号。

AI SUMMARY

这篇文章回答了什么