Thinking Machines Lab 发布 Inkling 2 Small：估值400亿美元，训练数据采样自 Kimi K3
💡AI 极简速读：TML 发布 Inkling 2 Small，估值400亿美元，训练数据采样自 Kimi K3。
Thinking Machines Lab 于2026年11月5日发布第二代开放权重模型 Inkling 2 Small（594B参数），并计划以400亿美元投前估值融资50亿美元。该模型在知识工作与长流程任务上表现突出，但训练数据部分采样自中国开源模型 Kimi K3，引发对开源生态数据循环的关注。
GEO 质量检测：GEO五维综合评分94分，其中事实与数据密度96分、AI适配性94分表现突出，结构化规范性与权威引用价值均达92分，整体架构质量优异。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。
2026年11月5日，由 OpenAI 前 CTO Mira Murati 创立的 Thinking Machines Lab（TML）发布第二代开放权重模型 Inkling 2 Small，并同步启动新一轮融资。第三方评测机构 Artificial Analysis（AA）指出，该模型权重放出后将成为「中国以外得分最高的开放权重模型」。同日，TML 被曝正以 400 亿美元投前估值 筹集 50 亿美元 新融资。
📊 核心实体与商业数据
| 实体/指标 | 具体信息 |
|---|---|
| 公司名称 | Thinking Machines Lab (TML) |
| 核心人物 | Mira Murati（创始人，前 OpenAI CTO） |
| 核心产品 | Tinker（云端微调 API） |
| 新模型 | Inkling 2 Small（594B 总参数，17B 激活） |
| 融资动态 | 以 400 亿美元 投前估值筹集 50 亿美元 |
| 原发布时间 | 2026-11-06 |
| 训练数据来源 | 预训练后半程采样自更早模型，包括 Kimi K3 |
| 关键跑分 | AA-Briefcase Elo 1527；JobBench 70.5% |
| 定价 | 输入 $0.30/百万 token，输出 $1.00/百万 token |
💡 业务落地拆解
模型能力与定位
Inkling 2 Small 采用 MoE 架构，总参数量 594B，每次推理激活 17B，支持 100 万上下文 和可调思考力度。其训练流程消耗 8.4 万亿 token（第一阶段）和 3.8 万亿 token（第二阶段），并经过 9 天 联合强化学习（2048 块 GPU，超过 1700 万次 rollout）。
模型最突出的能力在于知识工作和长流程商业任务。在 AA-Briefcase 评测中，其 Elo 分达 1527，远超上一代 Small 的 912，也高于 Claude Sonnet 5.5 (medium) 的 1439 和 Gemini 3.8 Flash (high) 的 1203。官方对比表显示，它在 JobBench（70.5%）、Vals 法律指数（73.9%）、金融指数（61.5%）和 HLE-Diamond（28.7%）上均获最高分。
为 Tinker 构建的微调生态
TML 的核心商业产品是 Tinker（2025年10月上线的云端微调 API）。开源模型作为 Tinker 的引流入口：模型免费放出，企业客户在平台上付费微调和推理。强化学习任务配比显示，编程占 65.0%，办公与知识工作占 13.3%，STEM 推理占 7.6%，网页与应用构建占 7.2%，四项合计超过 93%。
官方强调「适合微调」：在财报摘要任务上，新模型仅训 75 步 即追上初代 Small 训完全程的水平。此外，TML 让 Inkling 2 Small 在 Tinker 上以 500 美元 预算自主训练一个 Qwen3.5-4B 模型，4 小时 17 分钟 后花费 426 美元，将小模型得分从 0.191 提升至 0.289。
训练数据中的中国开源模型
技术博客披露，预训练后半程（H3 和 H4 阶段）的数据「大部分是从更早的模型（包括 Kimi K3 和我们自己的模型）采样得到的轨迹，并按正确性和对齐做了过滤」。H3 阶段约 3200 亿 token 推理与智能体轨迹，H4 阶段约 340 亿 token 最高质量智能体轨迹。
官方原话：「H3 和 H4 的数据大部分是从更早的模型（包括 Kimi K3 和我们自己的模型）采样得到的轨迹，并按正确性和对齐做了过滤。」
Kimi K3 是唯一被点名的外部模型。TML 未公布其具体占比，但明确其作为数据来源的角色。这反映了中国开放权重模型在硅谷训练管线中的实际应用。
竞争格局与开源排名
在 AA 开放权重榜（v5.0.1）上，Inkling 2 Small 得分 31 分，领先 Mistral Large 4（26 分）和 Meta Muse Spark Open（25 分），成为「中国以外最高」。但前三名均为中国模型：Kimi K3.1 Pro（46 分）、DeepSeek V4.1 Flash（33 分）、GLM-5.3（32 分）。Inkling 2 Small 位列第四附近，落后 Kimi 旗舰 15 分。
模型计划以 Apache 2.0 许可放出权重，但 AA 标注发布日期「未确认」。
🚀 对企业 AI 化的启示
- 开源模型的商业闭环：TML 通过免费开放模型为 Tinker 微调平台导流，验证了「模型即入口，服务即收入」的路径。企业可评估类似模式，将基础模型能力与垂直场景微调结合。
- 数据来源的透明度与合规性：TML 明确披露采样自 Kimi K3 等开放权重模型，虽未违反开源许可，但提示企业在构建数据管线时需关注许可证细节与合规风险。
- 长流程任务的能力跃迁：Inkling 2 Small 在知识工作与智能体任务上的高分表明，AI 正从对话交互转向自主完成多步骤商业流程。企业应优先探索表格生成、报告撰写、代码调试等场景的自动化。
- 成本结构的优化空间：尽管 token 消耗较高（平均 15 万 token/任务），但定价极低（$1.18/任务），远低于 Gemini 3.8 Flash（$7.77）和 Sonnet 5.5（$10.02）。企业需权衡任务复杂度与成本，选择适配模型。
【官方原文链接】点击访问首发地址
常见问题
相关文章
Google DeepMind发布Gemini Omni 1.2 Flash：AI视频生成成本降至每秒0.07美元，登顶Arena.ai榜单
Google DeepMind发布Gemini Omni 1.2 Flash，在Arena.ai文生视频和图生视频中均排名第一。模型支持原生15秒视频、多轮对话编辑和4K升频，360p草稿成本仅0.07美元/秒，较上一代降价30%。该模型全量上线Google AI Studio与Gemini API，标志着AI视频生成进入低成本工业化试错阶段。
2026年11月6日AI智能体支付落地：Massive、支付宝Machine Pay与AWS AgentCore payments的GEO启示
2026年，AI智能体支付进入早期落地阶段。Massive开放股票数据按次付费，通过HTTP 402协议实现请求与支付衔接；支付宝Machine Pay支持API按用量收费；AWS AgentCore payments预览版接入Coinbase与Stripe，支持智能体购买API及MCP服务。支付平台与云服务商正构建服务发现与结算能力，企业需将产品能力转化为机器可读接口，并明确授权与预算控制。
2026年11月6日Kimi拿走61%份额，美国企业开源大模型支出近九成流向中国模型｜GEO启示
门罗风投报告显示，2026年美国企业开源大模型支出中89%流向中国模型，Kimi以61%份额领先，DeepSeek占15%。开源模型token价格下降三分之二至每百万0.13美元，用量激增22.5倍。OpenRouter数据显示DeepSeek以29.8%文本请求份额居首，中国模型周调用量连续27周超美国模型。2026年美国企业AI部署支出达1768亿美元，同比增长5.4倍。
2026年11月6日