首页 
Thinking Machines Inkling是Thinking Machines Lab于2026年7月15日发布的开源大模型，采用975B总参数、41B激活参数的稀疏Mixture-of-Experts架构。模型以Apache 2.0许可证发布，是该参数规模下许可证最宽松的开源模型之一，允许下游组织下载、微调与商业再分发而无需额外授权。
Thinking Machines Lab由前OpenAI首席技术官Mira Murati创办，聚焦可解释性与对齐研究。Inkling是该公司首批公开发布的模型之一，定价为输入1.87美元、输出4.68美元每百万token，在975B级开源模型中具有竞争力。模型定位为通用基础模型，适合企业自托管与二次开发。
稀疏MoE架构使Inkling在保持975B总参数容量的同时，将单token激活计算控制在41B，推理成本接近更小的稠密模型。模型适合需要数据主权与私有化部署的企业场景，可在自有基础设施上运行、检查与修改，不受专有API条款约束。
📋 技术规格
| 厂商 | Thinking Machines Lab |
|---|---|
| 模型分类 | 对话与文本生成 |
| 参数规模 | 975B总参数 / 41B激活参数（稀疏MoE） |
| 上下文窗口 | 未公开 |
| 最大输出 | 未公开 |
| 知识截止 | 2026-06 |
| API定价 | 输入: $1.87/百万token输出: $4.68/百万token |
⭐ 核心能力详解
975B稀疏MoE
975B总参数41B激活，容量接近万亿级，推理成本接近41B稠密模型
Apache 2.0最宽松
该参数规模下许可证最宽松，允许商业再分发与微调无需额外授权
企业自托管
可在自有基础设施运行，数据不离开安全边界，满足监管行业数据主权要求
对齐与可解释
Thinking Machines聚焦可解释性与对齐研究，模型设计注重安全可控
竞争性定价
输入1.87美元输出4.68美元每百万token，在975B开源模型中有价格优势
🎯 典型应用场景
受监管行业私有化部署：金融、医疗、政务在自有基础设施运行大模型，数据不离开安全边界。
企业定制微调：基于Apache 2.0许可对模型进行领域微调与再分发，构建专属能力。
数据主权AI架构：欧洲与主权AI需求企业自主掌控模型运行位置、运营方与使用条款。
通用对话与知识工作：作为企业内部通用基础模型，支撑客服、知识库、内容生成等场景。
💪 技术优势与差异化
- Apache 2.0许可为该参数规模最宽松，商业使用无法律审查负担
- 975B稀疏MoE兼顾容量与成本，推理经济性突出
- 支持完全私有化部署，满足数据主权与监管合规
- Thinking Machines聚焦对齐与可解释，模型安全可控
- 定价在975B开源模型中具竞争力
⚠️ 使用局限与注意事项
- 上下文窗口与最大输出官方未公开，需待正式文档
- Thinking Machines为新兴厂商，生态与工具链尚不成熟
- 975B总参数需较高内存硬件，部署门槛高于小模型
- 基准成绩官方未完整公布，能力定位需独立评测验证
💰 价格分析与成本建议
Inkling定价为1.87美元每百万token输入、4.68美元输出，在975B级开源模型中具竞争力。对自托管企业，总拥有成本需计入硬件折旧与运维；对API调用企业，价格低于多数闭源旗舰模型。建议先小规模验证再评估规模化采用。
👥 适用人群与企业
Thinking Machines Inkling主要面向受监管行业企业、主权AI需求机构、企业AI平台团队、定制微调开发者。通过云巴巴AI大模型广场可了解Thinking Machines Inkling的最新动态。
🏭 行业适配度评估
私有化部署数据零外泄，投研与风控场景
⚠ 975B部署需高端GPU集群
敏感病历数据本地处理
⚠ 医疗专业微调需额外投入
数据主权与自主可控
⚠ 硬件门槛与运维成本较高
可定制微调教学模型
⚠ 部署成本不适合小机构
工业数据本地推理
⚠ 实时性场景需评估
🔧 技术架构解析
Inkling采用稀疏Mixture-of-Experts架构，975B总参数分布在多个专家子网络中，门控函数将每个token路由到少量专家，单token激活参数仅41B。模型所有专家权重需同时驻留内存，部署需高端GPU集群。Apache 2.0许可证允许下游组织下载、微调、商业再分发。Thinking Machines Lab由Mira Murati创办，聚焦可解释性与对齐研究。
🔒 安全合规与数据隐私
| 数据训练策略 | 未公开（Thinking Machines未说明训练数据） |
|---|---|
| 合规认证 | Apache 2.0许可（最宽松） |
| 数据驻留 | 支持完全私有化部署，数据不离开客户基础设施 |
| 加密方式 | 由部署环境决定，自托管可完全控制加密 |
🏢 同厂商模型矩阵
Thinking Machines Lab旗下模型矩阵（新厂商，首批发布）
| 模型 | 定位 | 品类 | 特色 |
|---|---|---|---|
| Thinking Machines Inkling当前 | 旗舰开源 | chat | 975B MoE Apache 2.0最宽松 |
🧭 选型决策指南
Apache 2.0加975B容量，可完全自主掌控
675B参数部署门槛更低仍开源
闭源API能力强无需硬件投入
🏆 真实使用案例
📌 某金融机构用Inkling做私有化投研
📌 某欧洲企业用Inkling构建主权AI
💬 用户真实评价
Apache 2.0加975B参数，让我们能在自有集群跑接近万亿级模型，数据主权有保障。
Inkling的定价和许可对我们构建主权AI很有吸引力，但生态工具还需完善。
🌐 行业落地洞察
Inkling的发布体现开源大模型向万亿级参数加最宽松许可演进的趋势。Thinking Machines以Apache 2.0发布975B模型，直接对标Mistral Large 3与DeepSeek V4的开源策略，在数据主权与企业自托管市场形成差异化。Mira Murati的背景为该公司带来较高关注度，但生态工具链与独立评测仍是规模化采用的关键变量。EU AI Act 2026年8月生效前，主权AI需求将驱动此类开源模型增长。
💡 Prompt工程建议
利用Apache 2.0深度微调
许可允许商业再分发，可针对领域深度微调构建专属模型。
优化MoE路由配置
975B稀疏MoE可调整专家路由策略优化特定任务。
规划硬件资源
所有专家权重需驻留内存，按总参数而非激活参数规划GPU。
🔄 替代方案分析
Mistral 675B、DeepSeek 1.6T但激活49B，门槛相对低
API调用无部署成本，能力领先
Mistral法国合规，Inkling Apache 2.0可任意辖区部署
