Inkling：全模态开源模型来了
Inkling: Our Open-Weights Model
我们发布了全新开源模型 Inkling，它原生支持文本、图像、音频和视频的多模态推理。这款模型拥有 9750 亿总参数量，支持 100 万 token 上下文，并经过 45 万亿 token 训练。Inkling 并非追求单一领域的极致性能，而是致力于成为通用的基础模型，让用户能通过 Tinker 平台轻松微调。它具备可控的思考成本，能在性能与效率间灵活平衡，甚至能自我微调。无论是构建 Web 应用还是处理复杂的多模态任务，Inkling 都展现了强大的通用能力，旨在让每个人都能定制属于自己的 AI。
我们训练 Inkling 是为了在各个领域都具备扎实的能力，而不是在单一领域追求最顶尖的表现，以便为未来我们将要训练的模型奠定基础。
HN 评论区
294- 有评论者指出，针对特定领域任务微调的开源模型能以极低成本达到接近 Frontier 模型的性能，这为中小企业提供了替代昂贵闭源 API 的可行路径。
- 一位亲历者分享测试经验称，Inkling 在 OpenAI 兼容接口下表现有潜力，但在其自有评估中仍落后于 GPT-5.4 和 GPT-5.6 Luna。
- 有观点认为，当前企业面临巨大的 Token 成本压力，Inkling 这类专注于可微调性而非盲目刷榜的模型，在 GTM、客服等场景能带来 80% 以上的成本节省。
- 关于模型主权，有评论者反驳了单一通用模型的假设，主张联合国六种官方语言应各自拥有独立的专用 LLM，以消除特定文化或政治偏见。
- 针对开源定义，有评论者尖锐批评当前趋势是“开放权重”而非真正的“开源”，甚至调侃行业正滑向“开放氛围（open-vibes）”的许可类别。