Thinking Machines 发了 5940 亿的模型,权重推到下周

Inkling 2 Small 在 11 月 5 日上线。稀疏混合专家,总参数 5940 亿,每个 token 激活 170 亿,上下文窗口 100 万 token,能读图。SWE-Bench Pro v2 Hard 上 86.3%。推理和微调都能通过 Thinking Machines 的 Tinker 服务用上。
权重没放。实验室说 Apache 2.0 权重会在发布后那一周跟上,等外部安全测试和红队做完,具体哪天没说。
这个缺口就是故事。这次发布里所有有意思的地方,都住在「已经交付的」和「承诺过的」之间。
模型本身
5940 亿参数、激活 170 亿,把 Inkling 2 Small 放进了 2026 年多数前沿发布的同一个架构家族:你为一大池知识付费,每个 token 只算其中一片。100 万上下文加上图像输入,让它落在多模态智能体这一类,而不是聊天机器人这一类。
训练过程公开得够详细,能看出点东西。Thinking Machines 在 GB300 NVL72 机架上训练,初始预训练阶段 68 小时跑完,接着跑了一套九天的强化学习流程,中间还插了其他步骤。写代码的能力来自几十万个长周期挑战,其中有一批公司叫「自适应研究」的练习:任务要求模型去后训练神经网络、优化 kernel,以及做机器学习里别的活。
他们挑来展示这项能力的例子,换成我也会挑那个。他们让模型去微调 Qwen3.5-4B 以提升预测表现,模型在四个半小时里把基座的预测分数翻了一倍。
这是个小结果,含义不小。一个模型能在无人监督的情况下、花几个小时把另一个模型在特定任务上的表现做上去,那它就能被指着一个仓库说「把它变好」。它是不是稳定做到,是另一个问题,答案在榜单上。
几乎没人提的那部分
Inkling 2 Small 带一个视觉编码器,占 5940 亿参数里的 2.92 亿。在参数总数里这是零头,在实际能力上是件大事:模型能看见自己做出来的东西。
实验室给的例子是搭一个电商店。模型写完站点,然后去看渲染出来的商品页显示得对不对,而不是只读自己的代码找 bug。这补上了一个写代码的模型通常会留着的环路。大多数智能体能告诉你构建通过了。能告诉你页面看着不对的,少一些。
同一个环路也能用在生图上,模型可以目视检查它产出的图形质量。把视觉当成校验通道而不是输入模态,是个被低估的设计选择,而且当智能体接手更长的、失败看得见但不是以文字形式出现的任务时,这种东西会越来越重要。
榜单,以及挂在榜单上的说法
公布的数字让 Inkling 2 Small 在三个知识工作类榜单上超过了 Spark Open、Kimi K3 和另外几个开源模型,在好几个金融任务数据集上也领先。Artificial Analysis 说它在这个指数上追平了高推理档的 Gemini 3.8 Flash,还说权重一发,它就是中国之外最强的开源模型。
后半句承载的东西不少,而且它说的是一个你还下不下来的模型。
时间上还有个微妙的地方。11 月 4 日,Ricursive 放了 Ripple-65B Preview,Apache 2.0 的稠密模型,在 Terminal-Bench 2.1 上以 80.52 拿下美国开源权重模型的第一。据说 Inkling 2 Small 的卡上写,同一套 Terminus 框架下同一榜单是 81.3。所以纪录在两天里动了两次,而两个纪录里只有一个带着能下载的文件。
压着权重不发为什么说得通
明面上的理由是发布前要做外部安全测试和红队。这是正当做法。在这个市场里,它同时也是一层对冲。
开放权重是不可逆的。一家实验室把权重放出去,事后发现某项能力跟别的东西组合起来更危险,也收不回来。等一周在商业上几乎没有成本,因为 API 已经活着,收入马上就开始进。它给实验室一个公开的安全叙事,也给了把日期往后挪的余地。
等一周的代价是说法一直没法验证。「中国之外最强的开源模型」在有种子文件之前只是一句营销话。每拖一周,产品发布就多变成一分承诺,而承诺会被它们自带的不确定性打折,折扣正好是那么多。
这家实验室
商业背景很响。Business Insider 报道 Thinking Machines 正在以 400 亿美元投前估值融 50 亿,Accel 在谈领投,这会把估值从上一轮公开融资翻三倍多。公司去年拿过 20 亿的种子轮,估值超过 100 亿,更早一次想按 500 亿融资,据说没谈成。
创始团队走了大约三分之一,包括 Barret Zoph、Luke Metz 和 Andrew Tulloch。对这么年轻的公司来说,走的不少,跟 400 亿的估值放在一起也怪。反过来说,研究实验室不是一个乐队,要紧的是训练配方能不能传给留下来的人。
模型发布和融资消息撞在一起不是巧合。一个开源权重榜上的纪录、一份写清楚的训练配方、一个涉及模型自我改进的能力演示,正好是拿给投资人看的那一套,而他们被要求按上一轮的 40 倍给这家实验室定价。
更大的框
同一周,Ramp 的支付数据显示企业 AI 的 token 用量涨了 37.1%,花费涨 8.9%,大约 1% 的公司占了 80% 的支出,而这一群已经从夏天的顶点滑下来。
一家把 5940 亿模型卖进这个市场的实验室,必须回答一个硬问题:谁付钱。有预算的是写代码的那批客户。这解释了为什么这一轮里每个模型发布都拿 SWE-bench 和 Terminal-Bench 和知识工作开头,也解释了为什么微调那套故事跟模型卡一样重要。如果你的模型能在四小时里把客户手里的小模型变好,你卖的是服务,不是一个权重文件。
Inkling 2 Small 看起来是个强模型。有用的检验要等压缩包到了才做得成。在那之前,老实的总结是:Thinking Machines 公布了一组很好的结果、一份值得读的训练配方、一项确实被低估的能力,以及一个它没有承诺的日期。
相关文章
十份降级报告,没有一份改了订单数字
十份降级报告都在讲不确定性,没有一份改动订单。真正的变量是 158 美元的恐慌低点和 5.1% 的十年期收益率。
三十三年来第一次,黄仁勋不在电话会上
数字几乎无悬念,真正要看的是克雷斯如何在首次独自主持的电话会上回答指引、Rubin 与毛利率三个问题。
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。