Thinking Machines 憋了一年，一出手就是 975B 开源权重
Mira Murati 的实验室是过去一年 AI 圈最响亮的沉默。融了几十亿，把 OpenAI 半个对齐和研究团队挖了过来，发过几篇博客，但你真正能下载的东西一个没有。今天这个局面结束了。Inkling 发布，而且不是玩具。
这是一个混合专家架构的 transformer，总参数 9750 亿，激活 410 亿，上下文窗口 100 万 token。预训练用了 45 万亿 token，横跨文本、图像、音频和视频，后训练又砸进去超过 3000 万次强化学习 rollout。架构上它没用主流的 RoPE，改用相对位置编码，还把滑动窗口注意力和全局注意力按 5 比 1 交错——这是在赌长上下文真的能用，而不是塞进窗口就算数。
成绩单接近前沿。AIME 2026 拿到 97.1，GPQA Diamond 87.2，SWEBench Verified 77.6。做 agent 的人应该盯着 SWEBench 这个数字，因为它意味着这东西能真的去关掉 GitHub 上的 issue，而不是只会答题。而且整个模型是开源权重，挂在 Hugging Face 上，能在他们的 Tinker 平台上微调，不想自己跑 975B 的话还能通过 Together 和 Fireworks 调用。
它的意义超出榜单上又多一个模型。一个顶级的、前 OpenAI 班底的实验室，把一个接近前沿的多模态模型直接放进了公共领域，还内置了"思考多努力"的旋钮和校准过的不确定性。开源前沿不再只属于中国的几家实验室和 Meta。Murati 选择用送出权重的方式来竞争，这重新定义了谁有资格在一个自己完全掌控的模型上，去搭真正严肃的 agent。
细节和权重在 https://thinkingmachines.ai/news/introducing-inkling/
← 返回所有文章
这是一个混合专家架构的 transformer，总参数 9750 亿，激活 410 亿，上下文窗口 100 万 token。预训练用了 45 万亿 token，横跨文本、图像、音频和视频，后训练又砸进去超过 3000 万次强化学习 rollout。架构上它没用主流的 RoPE，改用相对位置编码，还把滑动窗口注意力和全局注意力按 5 比 1 交错——这是在赌长上下文真的能用，而不是塞进窗口就算数。
成绩单接近前沿。AIME 2026 拿到 97.1，GPQA Diamond 87.2，SWEBench Verified 77.6。做 agent 的人应该盯着 SWEBench 这个数字，因为它意味着这东西能真的去关掉 GitHub 上的 issue，而不是只会答题。而且整个模型是开源权重，挂在 Hugging Face 上，能在他们的 Tinker 平台上微调，不想自己跑 975B 的话还能通过 Together 和 Fireworks 调用。
它的意义超出榜单上又多一个模型。一个顶级的、前 OpenAI 班底的实验室，把一个接近前沿的多模态模型直接放进了公共领域，还内置了"思考多努力"的旋钮和校准过的不确定性。开源前沿不再只属于中国的几家实验室和 Meta。Murati 选择用送出权重的方式来竞争，这重新定义了谁有资格在一个自己完全掌控的模型上，去搭真正严肃的 agent。
细节和权重在 https://thinkingmachines.ai/news/introducing-inkling/
评论