Thinking Machines首次发布开放权重模型｜Inkling共975B参数，每次激活41B
一句话总结
Thinking Machines发布975B参数开放权重模型Inkling，每个token激活41B参数。
Thinking Machines Lab首次发布自行从零训练的开放权重AI模型。7月15日发布的Inkling是一款975B参数多模态Mixture-of-Experts transformer，每个token激活41B参数，支持最长1M tokens上下文。公司同时预览Inkling-Small，后者共有276B参数、激活12B。
Inkling采用66层decoder，每个token从256个routed experts中选用6个。Thinking Machines称，预训练使用45万亿个文字、图像、音频和视频tokens，强化学习超过3000万次rollout，训练硬件为NVIDIA GB300 NVL72。
模型可以处理文字、图像和音频，并调节thinking effort。公司自行公布：SWE-bench Verified 77.6%、AIME 2026 97.1%、MMMU Pro 73.5%，同时承认Inkling并非整体最强模型。
完整权重采用Apache 2.0许可证放上Hugging Face。BF16 checkpoint至少需要2 TB VRAM；NVFP4版本降至600 GB，可以由4张NVIDIA B300运行。Tinker提供64K和256K上下文选项。
via MarkTechPost / Thinking Machines Lab / Inkling Model Card / Hugging Face
Inkling采用66层decoder，每个token从256个routed experts中选用6个。Thinking Machines称，预训练使用45万亿个文字、图像、音频和视频tokens，强化学习超过3000万次rollout，训练硬件为NVIDIA GB300 NVL72。
模型可以处理文字、图像和音频，并调节thinking effort。公司自行公布：SWE-bench Verified 77.6%、AIME 2026 97.1%、MMMU Pro 73.5%，同时承认Inkling并非整体最强模型。
完整权重采用Apache 2.0许可证放上Hugging Face。BF16 checkpoint至少需要2 TB VRAM；NVFP4版本降至600 GB，可以由4张NVIDIA B300运行。Tinker提供64K和256K上下文选项。
via MarkTechPost / Thinking Machines Lab / Inkling Model Card / Hugging Face
