由OpenAI前首席执行官与首席运营官携手创立的Thinking Machines Lab，近日正式推出了一款名为Inkling-Small的开源人工智能模型，引发科技界广泛关注。该模型采用2760亿参数的混合专家（MoE）架构，但在实际推理过程中仅激活120亿参数，实现了性能与效率的双重突破。
在终极考试推理测试中，Inkling-Small取得了31.6%的优异成绩，较原版29.7%的表现提升显著。编码任务方面，该模型通过率突破80%，在全算力档位均展现出超越原版的稳定性能。这种突破性表现得益于其创新的动态参数激活机制，既保证了复杂任务的处理能力，又大幅降低了计算资源消耗。
多模态处理能力是Inkling-Small的另一大亮点。该模型原生支持文本、图像、音频的多模态输入输出，具备处理百万级超长上下文的能力。无论是文档分析、图像识别还是音频处理，开发者都能通过统一接口实现高效交互，这为跨模态应用开发开辟了新的可能性。
针对不同应用场景，Inkling-Small提供了灵活的推理强度调节功能。开发者可根据实际需求，在算力消耗与模型效果之间找到最佳平衡点。这种设计特别适合资源受限的边缘计算场景，使得高性能AI模型能够部署在更广泛的设备上。
作为完全免费开源的模型，Inkling-Small为中小企业和个人开发者提供了低成本部署AI的优质选择。其开源协议允许商业应用，配合详尽的技术文档和社区支持，预计将推动AI技术在更多领域的落地应用。目前，该模型已在GitHub等平台开放下载，配套开发工具包也同步发布。
