2026年7月16日，由多位前DeepMind和Google Brain研究员创立的Thinking Machines Lab正式发布了其首个AI模型——Inkling。这款拥有9750亿参数的开源模型，以其独特的视频和音频理解能力，迅速引起了业界的广泛关注。在OpenAI、Anthropic等巨头主导的AI战场上，Inkling的亮相不仅意味着一个新玩家的入场，更代表了一种“开放+多模态”的技术路线选择。
万亿参数时代的“减法”与“加法”
9750亿参数——这一数字虽然仍略低于GPT-4传闻中的万亿规模，但已经迈入了“准万亿”俱乐部。值得注意的是，Inkling完全开源，这与Anthropic的闭源策略以及OpenAI部分开放的做法形成鲜明对比。在开源社区，此前最大的多模态开源模型参数规模多在百亿至千亿级别，Inkling将这一门槛大幅提升。Thinking Machines Lab创始人表示：“我们相信AI的进步应该由全世界共同参与，开源不仅能加速研究，也能降低对大公司的依赖。”不过，9750亿参数的模型训练成本极高，其开源许可证是否包含商业限制、能否在消费级硬件上运行，仍有待观察。
编者按：Inkling的发布时机非常微妙。2026年正值多模态AI竞赛白热化阶段，谷歌Gemini Ultra 2、OpenAI GPT-5均已具备强大的视频理解能力，但均不开源。Thinking Machines Lab选择在这个节点推出开源多模态模型，颇有“挑战者”的姿态。然而，开源模型的质量与实用性能否与闭源标杆匹敌，是社区关注的核心问题。
训练数据：视频与音频的深度融合
根据官方披露的技术报告，Inkling的训练数据包含超过数十亿小时的视频片段及对应的音频轨道，覆盖从教学讲座、电影片段到社交媒体视频的广泛内容。与市面上仅支持图像或文本的模型不同，Inkling能够同时解析视频中的动态画面、字幕、语音以及背景音，从而实现对场景、事件和情感的多维理解。例如，在一个厨房教学视频中，Inkling不仅能识别出厨师切菜的步骤，还能通过音频判断出菜刀撞击砧板的节奏是否正常，甚至根据语调变化感知厨师的讲解情绪。这种能力让Inkling在视频内容检索、自动标注、教育辅助等领域具备了独特优势。
与Anthropic和OpenAI的差异化竞争
目前，Anthropic的Claude系列以安全对齐见长，OpenAI的GPT系列以通用性和生态建设著称。Thinking Machines Lab则试图通过“极致多模态+开源”来打造差异化定位。公司CTO在接受WIRED独家采访时透露：“我们的目标是让AI真正看见和听见世界，而不仅仅是处理文本。Inkling只是第一步，未来我们还会加入触觉、嗅觉等感知模态。” 这一愿景与近年来AI科研界追求的“世界模型”高度契合。但挑战也是显而易见的：Anthropic和OpenAI均拥有庞大的用户基础和开发者生态，Thinking Machines Lab需要快速聚集社区力量，才能避免“开源但无人问津”的窘境。
开源社区的反应与潜在影响
消息公布后，GitHub上Inkling的基础模型代码仓库已获得超过1万颗星。多位知名AI研究者公开表示赞赏，但也有人对训练所需的硬件门槛表示担忧——运行完整的Inkling模型可能需要至少8块H200 GPU。不过，Thinking Machines Lab计划推出多个小型蒸馏版本，以适应不同计算资源的需求。此外，模型授权采用“ThinkingML Open License”，允许研究用途和商业用途，但要求衍生作品必须保持开源。这一“类AGPL”的条款意在防止大公司利用开源模型闭源获利，但也可能限制其商业化推广。
WIRED分析：Inkling的发布再次印证了“开放AI”运动的影响力。从Meta的LLaMA系列到Mistral的Mistral Large，开源模型正在逐步缩小与闭源模型的差距。但多模态领域的数据和计算门槛更高，Thinking Machines Lab能否像LLaMA一样引发社区热潮，还需时间检验。
未来展望：从模型到智能体生态
Thinking Machines Lab在宣布Inkling的同时，还透露正在开发基于该模型的智能体框架，使开发者能够构建能够与用户实时进行视频对话、完成复杂任务的应用程序。公司计划在2026年底开放API，并推出类似“应用商店”的插件市场。如果这一生态构想得以实现，Inkling将不仅是模型，更是下一代AI平台的基础设施。但对于这样一个初创团队而言，与已具备成熟生态的对手竞争，无疑是一场硬仗。
本文编译自WIRED
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接