01、
OpenAI前首席技术官穆拉蒂，推出了一款中国模型的“贵替”。
Thinking Machines发布的首款模型Inkling，其混合专家架构主要沿用DeepSeek-V3，后训练冷启动阶段亦使用了月之暗面Kimi K2.5等开放模型生成的数据。然而在多项基准评测中，Inkling的表现落后于Kimi和GLM，调用价格却更高。
对一家融资20亿美元、估值120亿美元，且团队汇聚大量OpenAI前员工的明星公司而言，这一结果无疑低于预期。
但穆拉蒂或许从最初就没指望Inkling能冲到榜首。随着美国企业使用中国模型面临越来越多不确定性，一款性能尚可、支持定制、合规风险更低的本土开放模型，早已找到自己的落脚点。“贵替”不强，也无所谓；市场，自会找上门。
文章配图-1
7月15日，当地时间，Thinking Machines Lab发布旗下首款模型Inkling。
单看配置，这款模型的规格足够撑起一家明星AI实验室的门面。
Inkling采用混合专家架构，总参数量达9750亿，每处理一个Token激活410亿参数；预训练使用45万亿个Token，数据覆盖文本、图像、音频与视频，最长支持100万个Token的上下文。它能理解文字、图片和音频，最终以文字输出结果，还支持调节“思考强度”，在性能、速度与成本之间权衡取舍。
Inkling同时开放模型权重，采用宽松的Apache 2.0许可证。开发者可下载权重自行部署，也可通过Thinking Machines旗下的Tinker平台对模型进行微调。
公司明确定位：与其直接挑战ChatGPT的普通用户群，Inkling更适合作为企业开发AI应用的底座。
但真正引发关注的，藏在技术报告的后半部分。
Thinking Machines在介绍架构时坦承，Inkling的混合专家设计“主要沿用了DeepSeek-V3”。它也设置了大量专家模块，每个Token仅调用其中一小部分，并沿用了DeepSeek-V3的无辅助损失负载均衡方案。
中国模型的影响不止于架构。
在训练阶段，公司为启动后训练，先用开放权重模型生成的合成数据进行了监督微调，其中明确提到了Kimi K2.5。
整条技术路径已然清晰：一家由OpenAI前首席技术官创办的美国实验室，首款模型沿用DeepSeek架构，又借助Kimi生成的数据完成冷启动。
借鉴开放模型本身无可厚非。DeepSeek与Kimi均公开权重，允许开发者使用，科研与工程本就建立在成果共享之上。更尴尬的是，即便吸收了中国模型的技术，Inkling的性能仍未超越其“老师”。
Thinking Machines对此并未回避。发布文中直言：“Inkling并非目前表现最强的模型，无论开放模型还是闭源模型。”
从其公布的评测结果来看：
- 在“人类最后的考试”纯文本评测中，Inkling得分为29.7%，Kimi K2.6与GLM 5.2分别为35.9%与40.1%；
- 加入工具后，Inkling提升至46%，仍低于Kimi K2.6的54%与GLM 5.2的54.7%；
- 在真实软件工程能力评测SWE-Bench Pro中，Inkling得分为54.3%，Kimi K2.6为58.6%，GLM 5.2达62.1%；
- Terminal Bench 2.1上差距更为明显，Inkling为63.8%，Kimi K2.6与GLM 5.2分别达到71.3%与82.7%。
当然，Inkling也并非全无优势。它在网页应用设计、音频理解与安全性评测中表现稳健，部分数学任务甚至略胜Kimi与DeepSeek。
但综合推理、编程与智能体能力来看，它尚难跻身开放模型第一梯队。
性能未达顶尖，价格亦无惊喜。
Tinker平台中，64K版本Inkling每100万Prefill Token收费1.87美元，每100万Sample Token收费4.68美元。前者可粗略视为输入成本，后者接近生成成本；而这已是“限时五折价”。256K版本价格更高，分别为3.74美元与9.36美元。
对比之下，Kimi K2.6官方API每100万输入与输出Token收费分别为0.95美元与4美元，GLM5.2分别为1.4美元与4.4美元。
Tinker提供训练与采样服务，计费口径与普通模型API不完全一致，但粗略比较可得：Inkling的预填充价格接近Kimi K2.6的两倍，生成成本也高于后者与GLM5.2，价格优势尽失。
于是，Thinking Machines的首款模型呈现出一种微妙状态：架构取法DeepSeek，训练借力Kimi，综合性能不及中国头部开放模型，调用价格反而更高。
文章配图-2
这选择背后的考量，更值得推敲。
若Inkling出自一家寻常AI创业公司，借鉴DeepSeek、依赖Kimi训练，或许尚可理解。偏偏它来自Thinking Machines——一家几乎可称为“OpenAI校友会”的机构。
2025年2月，公司正式亮相时，团队规模约30人，其中约三分之二来自OpenAI，其余多为Meta与Mistral背景。
创始团队曾包括OpenAI联合创始人John Schulman、前研究副总裁Barret Zoph，以及Lilian Weng、Andrew Tulloch、Luke Metz等研究骨干。这些人在OpenAI时期分别参与强化学习、后训练、预训练、安全与推理研究。路透社当时便称，穆拉蒂从旧东家挖走了至少20名研究人员。
在这群OpenAI前员工中，穆拉蒂身份尤为特殊。
她于2018年加入OpenAI，参与DALL-E、Codex、ChatGPT与Sora等产品，2022年升任首席技术官，统筹研究、训练、安全与产品落地。2023年11月，OpenAI董事会罢免Sam Altman后，她曾短暂任临时首席执行官。她的角色更偏向技术和产品的总控，对OpenAI的模型研发流程与产品化路径有完整掌握。
换言之，Thinking Machines自成立起便不缺OpenAI经验。
穆拉蒂与她的团队清楚顶级闭源实验室如何造模型，也亲历ChatGPT从研究走向全球产品的全过程。当这群人从零开始搭建自己的技术体系，外界自然期待一条带有OpenAI印记的路径。
结果，Inkling最明确的技术源头，却是中国。
这很容易被视作一个戏剧性信号——最懂OpenAI的人离开后，最终选择了中国模型的技术蓝图。
但需拆开看。
OpenAI近年所有前沿模型均走闭源路线，模型权重不对外，架构、训练数据与后训练方案均不公开。穆拉蒂即便熟悉内部流程，也无法将前东家的商业机密直接搬入新公司。而DeepSeek与Kimi则公开权重或技术报告，架构、训练方式与工具链均可合法研究与复用。
Inkling本身亦为开放权重模型。对一家致力于构建开放生态的公司而言，借鉴DeepSeek、Kimi等已公开成果，属于自然选择。
今日开发开放模型，若刻意避开中国团队公布的成果，反而需付出更高试错成本。
因此，Inkling参照中国模型，并不能说明穆拉蒂认为DeepSeek技术全面胜出。两者公开程度不同，可供参考的条件亦异。
但这件事释放了一个清晰信号：至少在开放权重领域，中国模型已成美国AI团队的重要参照。
因此，借鉴中国模型不难理解。真正需追问的是：为何吸收现成架构与训练经验后，Inkling性能更弱、价格更高？
穆拉蒂手握顶尖团队、充足资金与英伟达最新训练系统，不可能忽视性能与价格的差距。
既然如此，“贵替”或是一次深思熟虑的落子。
“一般般”，就够了。
以Thinking Machines获得的待遇，Inkling本不该只是一款“够用”的产品。
2025年7月，公司尚未推出任何产品，便完成20亿美元种子轮融资，估值达120亿美元，投资方包括安德森·霍洛维茨、英伟达、AMD与简街。四个月后，又传出新一轮融资谈判，目标估值高达500亿美元，尽管最终未官宣，外界已视其为OpenAI与Anthropic的潜在对手。
因此，当Inkling以性能弱于中国模型、价格更高的姿态亮相，难免令人失望。
但从商业逻辑出发，穆拉蒂或许从一开始就无意争第一。
公司强调开放权重、多模态能力与可定制性，希望企业通过Tinker平台对模型微调，将其转化为客服、编程助手、行业智能体等专用模型。她押注的市场，对评测第一不那么执着。企业更关心模型能否私有部署、数据能否掌控、能否按业务继续训练。
此前，这类需求被中国开放模型大量承接。
美国的OpenAI与Anthropic长期坚持闭源，Meta的Llama 4表现不佳后亦收缩开放路线。与此同时，DeepSeek、Kimi、Qwen与GLM持续开放权重，性能日益逼近美国闭源模型，价格却低得多。
美国企业早已用行动投票。
据OpenRouter向CNBC提供的数据，自2026年2月起，中国模型在美国企业经该平台调用的Token中，每周占比均超30%，最高达46%。2025年上半年平均占比仅4.5%。
Cursor开发Composer 2时测试多款基础模型，最终选中Kimi K2.5，理由简单：评测表现最强。桥水基金则通过Tinker微调阿里的Qwen，定制模型以更低成本超越部分顶级闭源模型。
中国开放模型由此成为美国企业降低AI成本的一条捷径。可这条路正承受压力。
与此同时，美国对中国AI模型的监管氛围持续收紧。相关部门已就数据安全、模型来源与供应链风险发出警告，部分使用中国模型的企业被调查。即便尚未形成统一限制，政策不确定性已足够影响企业选择，尤其涉及政府业务与敏感数据时。
这正是Inkling的空档。
它由美国公司开发，采用Apache 2.0许可证，支持私有部署与定制。企业选择它，不必面对中国模型引发的政治争议，也更容易通过政府客户与大型企业的合规审查。
Inkling真正的价值，在于这种合规确定性。
穆拉蒂显然看准了这个正在成形的缺口。
Thinking Machines吸收DeepSeek与Kimi的公开成果，将其转化为一款由美国公司提供的模型。Inkling无须在所有评测中击败中国模型，只需成为那些不敢继续用中国模型的企业可接受的选项。
这也解释了它为何敢定价更高。政策压缩了竞争范围，性能与价格差距便不再致命。对某些美国企业而言，一款稍弱、稍贵但风险更低的模型，已足够。
从这角度看，Inkling更说明穆拉蒂懂生意。
但这份生意的代价，可能由美国企业承担。
美国以外的公司仍可自由选择GLM、Kimi与DeepSeek，在更强、更便宜的基础模型上开发产品；美国企业却可能被迫采用性能稍弱、价格更高的本土替代品。基础模型的差距将传递至微调后产品，最终形成结构性劣势。
华盛顿原想用限制保护美国AI公司，结果可能先为Inkling这类“贵替”创造了市场。对穆拉蒂而言，“一般般”已足够。对美国AI产业而言，这份“够用”意味着成本上升与竞争力下降。