如果你在美国刷到一条新闻：OpenAI 前 CTO Mira Murati 出来创业，新公司 Thinking Machines Lab（TML）发布了首个大模型 Inkling。点进去再看细节，会发现两件让海外华人很爽的事——
第一，这家公司的联合创始人里有一位华人研究员翁荔（Lilian Weng），前 OpenAI 研究安全 VP；第二，这个被硅谷寄予厚望的模型，骨架用的是中国 DeepSeek-V3 的 MoE 设计，后训练数据还用了月之暗面 Kimi K2.5 生成的语料。
换句话说，一款顶着“美国开源新王”名号的模型，骨子里有不少中国 AI 的基因。对海外华人来说，这不只是八卦，而是一个信号：中国 AI 的底层技术，正在被全球顶级团队认可。
目录
- Inkling 到底是什么？
- 为什么说它身上有中国 AI 的基因？
- 性能不是最强，但性价比很能打
- 海外华人怎么用上 Inkling？
- 适合海外华人的 4 个真实使用场景
- 先别兴奋，这几个坑要知道
- 结论：值得尝鲜，但不必换主力
Inkling 到底是什么？
Inkling 是 Thinking Machines Lab 在 2026 年 7 月 15 日发布的开源基础模型，采用 Apache 2.0 协议开放权重。核心规格看一眼：
| 指标 | Inkling | Inkling-Small |
|---|---|---|
| 总参数量 | 9750 亿 | 2760 亿 |
| 激活参数 | 410 亿 | 120 亿 |
| 上下文窗口 | 最高 100 万 token | 未公开 |
| 预训练数据 | 45 万亿 token（文本/图像/音频/视频） | 同系列 |
| 协议 | Apache 2.0 | Apache 2.0 |
| 自托管显存 | BF16 需 2TB+ / NVFP4 需 600GB+ | 更低 |
它主打三个卖点：原生多模态（文本、图像、音频一起处理）、可控推理强度（effort 0.2–0.99 可调）、可微调（通过 Tinker 平台用普通笔记本就能做工业级微调）。
官方自己也说得很老实：Inkling 不是当前最强的模型，开源闭源都不是。它更像一个“六边形战士”底座——能力均衡、成本低、能改。
为什么说它身上有中国 AI 的基因？
这件事在海外华人圈子里被讨论最多。三个事实：
1. 翁荔是联合创始人
翁荔本科北大，CMU 硕士，OpenAI 早期员工，后来做到研究安全 VP。她离职加入 TML 的消息本身就让很多华人 AI 从业者振奋。Inkling 发布当天，她在 X 上发文介绍模型，语气很务实：基础能力均衡、可定制、可落地。
2. 架构大量参考 DeepSeek-V3
TML 官方博客没有避讳，直接写明 Inkling 的 MoE 架构借鉴了 DeepSeek-V3。具体包括：256 个路由专家 + 2 个共享专家，每个 token 激活 6 个专家，sigmoid 路由器加无损负载均衡。
DeepSeek-V3 是中国深度求索的成果，以“小激活、大参数”的稀疏架构出名。美国明星独角兽做新模型，首选不是从头造轮子，而是参考中国方案，这本身就说明中国 AI 在架构层面的影响力。
3. 后训练用了 Kimi K2.5 生成的数据
月之暗面的 Kimi K2.5 被用于 Inkling 的后训练数据生成。Kimi 的长上下文和中文能力在业内有口皆碑，这也让很多人好奇：Inkling 对中文任务的处理，会不会比 Llama、Mistral 这类西方开源模型更顺手？
我的实测感受是：中文指令遵循比 Llama 3 好，但和 Kimi、豆包这类原生中文模型比，语气还是偏“翻译腔”。如果你主要用中文，Inkling 可以作为辅助工具，但暂时替代不了国产模型。
性能不是最强，但性价比很能打
Inkling 的 benchmark 成绩对得起“均衡”二字。下面这张表是和当前主流模型的横向对比：
| 基准测试 | Inkling | GPT-5.6 Sol | Claude Fable 5 | Kimi K2.5 | GLM 5.2 |
|---|---|---|---|---|---|
| HLE（文本推理） | 29.7% | 47.2% | 53.3% | 约 35% | 40.1% |
| AIME 2026（数学） | 97.1% | 99.9% | 约 98% | 约 96% | 约 95% |
| GPQA Diamond（科学） | 87.2% | 94.1% | 约 92% | 约 90% | 约 88% |
| SWEBench Verified（代码） | 77.6% | 82.2% | 95.0% | 约 78% | 约 76% |
| Terminal Bench 2.1 | 63.8% | 89.5% | 约 80% | 约 72% | 82.7% |
| FORTRESS 安全对抗 | 78.0% | 未公开 | 未公开 | 未公开 | 未公开 |
数据来源：Thinking Machines Lab 官方模型卡与第三方评测汇总。
可以看出，Inkling 在数学和科学推理上接近第一梯队，但复杂代码和终端任务明显弱于 GPT-5.6 Sol 和 Claude Fable 5。真正让它出彩的是Token 效率：在 Terminal Bench 2.1 上，Inkling 达到同等性能只用了 Nemotron 3 Ultra 约三分之一的 token。
对海外开发者和创业者来说，这意味着 API 账单能省不少。
海外华人怎么用上 Inkling？
这是最关键的问题。好消息是：Inkling 对海外用户很友好，不需要中国手机号，注册门槛也不高。
| 使用方式 | 适合谁 | 门槛 | 成本 |
|---|---|---|---|
| Tinker 平台 Playground | 想快速体验的普通用户 | 邮箱注册 | 限时 5 折 |
| Tinker API | 开发者/企业 | API Key | 按 token 计费 |
| Together AI / Fireworks / Modal | 已有海外 API 生态的开发者 | 对应平台账号 | 各平台定价 |
| Hugging Face 下载权重 | 有算力资源的研究者/公司 | 需高端 GPU 集群 | 硬件成本 |
| llama.cpp / vLLM / SGLang | 想本地部署的技术团队 | 编译+配置能力 | 硬件成本 |
普通用户最省事的路径是Tinker 控制台：进去点 Inkling Playground，直接聊天或做 Agent 式网络搜索。API 用户可以直接在 Tinker 拿 key，也可以走 Together AI、Fireworks 这些熟悉的平台。
想自己跑权重的话，官方要求 BF16 版本至少 2TB 显存（8 张 NVIDIA B300 或 16 张 H200），NVFP4 量化版降到 600GB（4 张 B300 或 8 张 H200）。这个门槛基本把个人用户挡在门外，但中小企业租用云端 GPU 还是可以玩的。
适合海外华人的 4 个真实使用场景
1. 中英双语内容创作
Inkling 原生支持多语言，加上 Kimi 数据的后训练，中文理解和英文输出之间的切换比较自然。适合写中英双语博客、LinkedIn 帖子、海外华人社区文案。
2. 海外创业/小团队的 AI 客服
用 Tinker 微调一个基于 Inkling 的客服机器人，处理中英文咨询。因为是开源权重，数据不会被锁死在 OpenAI 或 Anthropic 的封闭系统里，合规上更可控。
3. 学术研究/论文辅助
100 万 token 上下文 + 多模态，适合扔进去整篇 PDF 论文或一组实验数据，让它帮忙总结、找漏洞、写代码。
4. 编程 Agent 原型开发
Inkling 在 SWEBench 上 77.6% 的成绩不算顶尖，但做原型、写脚本、处理中等复杂度代码足够用。关键是 token 便宜，试错成本低。
先别兴奋，这几个坑要知道
- 中文不如国产模型地道。虽然用了 Kimi 数据，但 Inkling 的语料主力还是英文，写中文文章会有轻微的“西化”语感。
- 自托管成本极高。个人用户别想着本地跑完整版，Playground 或 API 才是现实选择。
- 生态刚起步。比起 Llama 3 的周边工具链，Inkling 的社区、教程、微调案例还很少，遇到问题要自己动手。
- 安全策略偏保守。FORTRESS 安全分高是好事，但也意味着某些敏感话题它可能直接拒答，做研究用途时要预留备用方案。
结论：值得尝鲜，但不必换主力
Inkling 最大的意义不是“打败 GPT-5.6”，而是证明了另一种路线可行：不堆极限性能，靠稀疏架构、可控成本、开放权重和企业可定制性，走出一条实用主义道路。而这条路，中国团队 DeepSeek、Kimi、智谱已经走了一段。
对海外华人来说，Inkling 现在最适合的角色是“第二把刀”：用来处理中英双语任务、做低成本 API 实验、或者作为可微调的私有 AI 底座。日常聊天和复杂代码，ChatGPT、Claude、豆包、Kimi 仍是更顺手的选择。
如果你在海外做 AI 创业或内容创作，建议现在就去 Tinker Playground 试试，重点测三件事：中文输出自然度、长上下文稳定性、和你现有工作流的整合成本。试完再决定是否投入。
相关阅读：
- Kimi K3 发布：1M 上下文 + 2.8T 参数，海外华人使用指南
- 2026年7月AI模型价格战：GPT-5.6、Claude Sonnet 5、Grok 4.5、DeepSeek V4 横评
- 2026年AI Agent工具横评：ChatGPT Work、Claude Cowork、Manus、Genspark 海外华人选哪个？
本文发布于 2026 年 7 月 21 日。AI 工具更新频繁，定价与功能可能随时变化，请以官方页面为准。如果你有海外使用 AI 工具的具体问题，欢迎在评论区留言。