7 月 15 日，美国 AI 公司 Thinking Machines 发布了第一个开源大模型 Inkling。9750 亿参数、多模态（文本 + 图像 + 音频）、Apache 2.0 许可。Hacker News 上拿到 805 分、206 条评论，登顶热度榜。
但 Thinking Machines 在官方公告里写了一句话：「Inkling 不是目前最强的模型，无论开源还是闭源。」
这很反常。通常公司发新模型恨不得把 benchmark 第一印在 T 恤上。Mira Murati 的前东家 OpenAI 从来不会在产品页写「我们其实不是最好的」。这家公司反着来。
HN 最高赞评论点出了背后的叙事：「别忘了——它是美国的。这是自 Llama 3 以来，第一个有竞争力的非中国开源模型。」
所以核心问题只剩一个：Inkling 到底能不能打？如果能，能打谁？
先看参数
Inkling 是个 Mixture-of-Experts 架构的 66 层 decoder-only transformer。9750 亿总参数，每次推理激活 410 亿——256 个专家中每 token 路由到 6 个，外加 2 个共享专家。注意力层混合了局部和全局窗口。上下文窗口 100 万 token。训练数据 45 万亿 token，涵盖文本、图像、音频和视频。
说人话版本：它是个大模型，但推理时只调用一小部分，所以成本可控。架构上没什么突破性创新，但工程实现完整——从 BF16 到 NVFP4 量化都支持，SGLang、vLLM、llama.cpp（Unsloth）、TokenSpeed 四个主流引擎在发布当天就有运行方案。
一个容易被忽略的细节：Inkling 是第一个开源的支持音频输入的大模型。目前 DeepSeek、Kimi、Qwen 的开源版本都不支持语音输入。这对某些语音交互、会议记录、播客分析类的微调场景有实际价值。
跟它一起发布的还有一个 Inkling-Small，120 亿激活参数，用同样的配方训练。目前只是预览，没有完整权重。
19 项 benchmark，逐项看
Thinking Machines 在 HuggingFace 上放了一个完整的 benchmark 对比表。我们把它拆开看，重点关注 Inkling 跟四个中国开源模型的正面交锋：DeepSeek V4 Pro、Kimi K2.6、GLM 5.2、Kimi K2.5。（表格也包含了三个闭源模型 Gemini 3.1 Pro、Claude Fable 5、GPT 5.6 Sol，但不是本文重点。）
| 评测类别 | 指标 | Inkling | DeepSeek V4 Pro | Kimi K2.6 | GLM 5.2 | 中国模型最优 |
|---|---|---|---|---|---|---|
| 推理 | HLE (纯文本) | 29.7% | 35.9% | 35.9% | 40.1% | GLM ✓ |
| 推理 | HLE (带工具) | 46.0% | 48.2% | 54.0% | 54.7% | GLM ✓ |
| 推理 | AIME 2026 | 97.1% | 96.7% | 96.4% | 99.2% | GLM ✓ |
| 推理 | GPQA Diamond | 87.2% | 88.8% | 91.1% | 89.5% | Kimi ✓ |
| 编程 | SWE-Bench Verified | 77.6% | 80.6% | 80.2% | — | DeepSeek ✓ |
| 编程 | SWE-Bench Pro | 54.3% | 55.4% | 58.6% | 62.1% | GLM ✓ |
| 编程 | Terminal-Bench 2.1 | 63.8 | 64.0 | 71.3 | 82.7 | GLM ✓ |
| Agent | GDPVal-AA v2 | 1233 | 1307 | 1190 | 1514 | GLM ✓ |
| Agent | MCP Atlas | 74.1% | 73.2% | 68.1% | 77.8% | GLM ✓ |
| Agent | Tau³-Banking | 23.7% | 25.8% | 20.6% | 26.8% | GLM ✓ |
| 事实性 | BrowseComp | 77.1% | 83.4% | 83.2% | — | DeepSeek ✓ |
| 事实性 | SimpleQA Verified | 43.9% | 57.0% | 38.7% | 38.1% | DeepSeek ✓ |
| 综合 | Global-MMLU-Lite | 88.7% | 89.3% | 88.4% | 89.2% | ≈平手 |
| 视觉 | MMMU Pro | 73.3% | — | 79.0% | — | Kimi ✓ |
| 安全 | FORTRESS (对抗) | 78.0% | 36.0% | 65.6% | 71.3% | Inkling ✓ |
| IFBench | 指令遵循 | 79.8% | 76.5% | 76.0% | 73.3% | Inkling ✓ |
数据来源：Thinking Machines HuggingFace 模型卡（2026-07-16）。Inkling 所有评测在 effort=0.99、temperature=1.0 下完成。
这张表看完，结论很清晰：
Inkling 在推理、编程、Agent 三条核心战线上全面落后于 GLM 5.2。 跟 DeepSeek V4 Pro 比各有胜负——Inkling 在 AIME 数学、MCP Atlas Agent、指令遵循上略强，在 HLE、GPQA、事实性、SWE-Bench 上略弱。跟 Kimi K2.6 比，编程和推理稍弱，但 Agent 任务上有来有回。
真正赢的只有两个维度：安全对抗和指令遵循。 FORTRESS 对抗攻击测试中，Inkling 拿到 78.0%，DeepSeek V4 Pro 只有 36.0%——不到一半。这意味着当你试图用对抗性 prompt 诱导模型做不安全的事时，Inkling 的抵抗力远强于 DeepSeek。IFBench 指令遵循也是 Inkling 最高（79.8%），说明它更「听话」——这对微调场景是个有意义的加分项。
但 SimpleQA 事实性只有 DeepSeek 的 77%（43.9% vs 57.0%），这是个大坑。如果用它做知识密集型任务，出错率会明显更高。
所以「能打过中国同行吗」的答案：打不过。但也没有被打得满地找牙。 它是一个中上水平的开源模型，放在 2026 年 7 月的竞争格局里，大致处于中国开源模型第二梯队上游的位置——强于 Kimi K2.5，跟 DeepSeek V4 Pro 有输有赢，整体被 GLM 5.2 压制。
「不是最强」，是一种选择
但这恰好回到了 Thinking Machines 公开说「不是最强」这件事上。
单独看 benchmark，Inkling 并不亮眼。但如果换个角度：把「最强」作为目标本身就是一种战略选择——OpenAI、Anthropic、Google 选的就是这条路，闭源、烧钱、追 SOTA。中国公司 DeepSeek、智谱也在这条路上，只不过选了开源发布。
Thinking Machines 选了另一条：做一个你可以随意改的基础模型。 Inkling 发布的第一天就上线了 Tinker 微调平台，他们甚至让模型自己写了一个微调脚本来自我训练——作为 demo 展示。
这种定位在数据里有支撑。Inkling 的指令遵循得分最高（IFBench 79.8%），对抗攻击下的安全保护最强（FORTRESS 78.0%），这两个指标恰好是做微调基础模型最重要的品质——你得先听话、不惹事，别人才敢拿来改。
再加上 Apache 2.0 许可——这是真正的开源许可，允许商用、修改、再分发，不像某些「开源」模型带了各种隐藏限制——Inkling 在法律层面的开放度比大多数中国开源模型要干净。
「它是美国的」
HN 上 paxys 那条「它是美国的」评论拿到了高赞，不是偶然。
过去两年，全球开源大模型的竞争格局呈现出一个令硅谷焦虑的局面：Meta 的 Llama 3（2024 年 4 月）之后，美国这边再没有出现过一个真正能跟中国开源模型掰手腕的选手。与此同时，中国这边月之暗面（Kimi 系列）、智谱（GLM 系列）、DeepSeek、阿里（Qwen）一个接一个地发布，把排行榜刷了又刷。
2025 年下半年，「开源 AI 的未来在中国」已经是行业里的主流叙事。Google 发了 Gemma、NVIDIA 发了 Nemotron——但社区反应普遍是「还行，但跟 Kimi / DeepSeek 不是一个级别」。
所以 Inkling 这天在 HN 上拿到 805 分，本质上不只是对一个模型的投票。它是美国技术社区累积了两年的焦虑的一次集中释放。
这种地缘叙事层面的情绪，有时候比 benchmark 数据本身更能推动模型的实际采用。开发者在两个能力相近的模型之间做选择时，「它是我们这边的」会成为一个真实的决策权重。
但也别高估「叙事溢价」
情绪可以推动第一波下载量，但留不住用户。
HN 评论区就有冷静的声音。用户 segmondy——一个日常使用 Kimi K2.7 的实际用户——说：「如果 benchmark 是真的，那 Inkling 确实可以进入日常候选名单。但我希望它至少在某些方面能打败所有其他开源模型。」这话翻译过来就是：目前的数据还没有说服我切换。
另一个用户 Topfi 指出了一个被营销叙事掩盖的事实：Cohere 的 North Mini Code（总部在多伦多）在编程能力上一直很有竞争力，但营销做得太差，社区讨论度极低。
现实是：Inkling 的发布是一个信号事件，但信号不等于战斗力。Thinking Machines 要想真正从 Kimi、DeepSeek、GLM 手里抢到用户，需要靠后续迭代把 benchmark 上的差距填平——尤其是在事实性和 HLE 这类硬核推理评测上。
Mira Murati 在公告结尾说了一句话：「Inkling 只是一个开始，这是我们模型家族的第一个发布。」去年的 OpenAI CTO，今年的开源创业者——她很清楚地知道，一个模型的发布不说明任何问题，持续的迭代能力才是。
Inkling-Small 的预览已经挂在 HuggingFace 上了。如果它能把 12B 激活参数做到接近 Inkling 大型号的水平，那对端侧部署和低成本微调的影响会更大——毕竟不是所有人都需要 9750 亿参数。
一条分岔路
Inkling 的发布，标志着开源大模型竞赛进入了一个新阶段：竞争不再只是谁更大、谁更强，而是谁更适合被拿走、被改造、被嵌入到别人的产品里。
DeepSeek、Kimi、GLM 在「更强」这条路上已经走得很远了。Inkling 选了「更容易被定制」这条路，赌的是企业更想要一块自己能雕刻的石头，不是一个全能神。
这个判断对不对，要看接下来几个月的实际采用数据。但在 2026 年 7 月 16 日这一天，有一件事是确定的：一个由前 OpenAI CTO 创办的美国公司，用一个主动承认「不是最强」的谦逊姿态，把「美国开源模型」这个话题重新带回了牌桌上。
而 GLM 5.2 和 DeepSeek V4 Pro 的研发团队，估计已经在看下一版该跑什么 benchmark 了。
参考链接：
- Thinking Machines: Introducing Inkling（thinkingmachines.ai）
- HuggingFace 模型卡 & Benchmark 对比（huggingface.co/thinkingmachines/Inkling）
- HN 讨论（item?id=48924912）
- TechCrunch: Thinking Machines amps up its bet against one-size-fits-all AI
- VentureBeat: Inkling focused on low cost and resistance to censorship