近日，科技领域迎来一则重磅消息：由OpenAI前首席执行官与首席运营官携手创立的Thinking Machines Lab正式推出全新开源模型——Inkling-Small。这款模型凭借其独特的架构设计与卓越性能，迅速成为开发者社区热议的焦点。
Inkling-Small采用2760亿参数的混合专家（MoE）架构，但在实际推理过程中仅需激活120亿参数。这种设计不仅大幅降低了计算资源消耗，更在性能上实现突破——其终极考试推理得分达31.6%，超越原版Inkling的29.7%；编码任务通过率突破80%，在全算力档位均保持对原版的优势。对于追求高效能与低成本的开发者而言，这一特性具有显著吸引力。
多模态处理能力是该模型的另一大亮点。Inkling-Small原生支持文本、图像、音频的跨模态交互，可处理百万级超长上下文内容。无论是分析复杂文档、识别图像细节，还是理解音频信息，均能展现出色的综合处理能力。这种能力为金融、医疗、教育等领域的应用开发提供了更广阔的想象空间。
更值得关注的是，Inkling-Small的推理强度可根据实际场景动态调整。开发者既能选择极致性能模式应对高复杂度任务，也可切换至轻量模式节省算力资源。这种灵活性使得模型既能满足科研机构对精度的要求，也能适配中小企业对成本控制的需求。
目前，Thinking Machines Lab已将Inkling-Small完全开源，开发者可自由获取模型代码与权重文件。这一举措不仅降低了AI技术落地门槛，更可能推动多模态大模型在垂直领域的快速普及。对于正在寻找高性价比AI解决方案的团队而言，这无疑是一个值得深入探索的新选项。
