Thinky发布975B多模态开源模型

Thinky 今日发布其首个全尺寸开源模型 Inkling，官方明确表示这不是一个 SOTA 模型，而是作为美国开源模型的实用基线。公司员工反复强调这是第一天发布，是未来迭代的基础，而非最终前沿。

Inkling 是一个多模态 MoE 模型，总参数 975B，激活参数 41B，采用 Apache 2.0 许可。它支持文本、图像和音频输入，文本输出，开源权重支持 1M 上下文，API 支持 256K。

Inkling-Small 作为预览版发布，总参数 276B，激活参数 12B，采用类似训练配方，性能在多项评估中意外地具有竞争力。

社区技术解读揭示了多项架构选择：混合注意力机制，局部-全局层比为 5:1，窗口大小 512；使用相对位置编码/相对注意力偏置替代 RoPE，被多位评论者称为大规模模型中最新颖的选择之一。

在注意力/FFN 流周围添加短卷积层，MoE 使用 2 个共享专家（而非常见的 1 个），并采用无辅助损失负载均衡。优化器方面，社区推断使用 muP 和 MuonC/AdamC，后者得到优化器专家 Aaron Defazio 的确认。

这些架构细节来自社区技术解读，未经官方确认，但多位技术专家一致指出其创新性。

第三方基准显示，Inkling 在 Artificial Analysis 智能指数上得分为 41，为美国开源模型最高，领先于 Nemotron 3 Ultra（38）、Gemma 4 31B（29）和 gpt-oss-120b（24）。

在 Design Arena 的 Agentic Web App Arena 中，Inkling 排名第 9，Elo 1257，与 Claude Opus 4.6 和 Gemini 3.5 Flash 同档，是排名最高的美国开源模型。

具体基准上，GDPval-AA v2 Elo 1238，高于 Kimi K2.6（1190）和 DeepSeek v4 Flash max（1189）；τ³-Banking 24%，高于 Kimi K2.6（21%）和 DeepSeek v4 Flash max（23%）。但独立评论者指出，它仍落后于 GLM 5.2 和 Kimi K2.6 等中国模型。

发布首日即获得 vLLM、SGLang、Modal、Baseten、Databricks、Hugging Face 等广泛生态支持，包括量化工具和社区工具。

训练从去年冬天开始，从一月中旬起由小团队构建编码、推理和智能体训练。模型支持可控推理努力级别，用户反馈其推理简洁、工具调用强。

训练数据量为 45T 令牌（部分来源称 48T），涵盖文本、图像、音频和视频。