影片筆記：20億美金燒光了？OpenAI前CTO發布模型慘遭滑鐵盧，真相背後竟然藏著這種陰謀！😱

一句話總結

前 OpenAI 高管 Mira Murati 創立 Thinking Machines 公司，耗資 20 億美元發布開源模型 Inkling（或稱 Inking/Incline）。儘管該模型在基準測試中表現平庸且架構借鑑中國模型，但透過「免費基礎模型 + 收費微調平台 Tinker」的商業模式，以及利用地緣政治合規需求，成功鎖定企業級 B2B 市場。

核心重點

戰略轉向與人才流失：

• OpenAI 在 2024 年底經歷高管離職潮，Mira Murati、John Schulman、Barret Zoph 等核心人員集體出走。
• 風投機構 A16Z 投資 20 億美元，使 Thinking Machines 估值達 120 億美元。
• 公司放棄與 OpenAI 在通用大模型跑分上的競爭，轉而專注於企業級 B2B 市場。

Inkling 模型技術細節：

• 架構：採用混合專家模型（MOE），總參數量約 9,750 億，僅啟用 410 億參數。
• 能力：上下文視窗 100 萬，預訓練數據 45 萬億 Tokens（含文本、影像、音訊）。
• 多模態：直接處理原始音訊和畫素訊號，跳過獨立編碼器。
• 許可證：Apache 2.0，權重發布於 Hugging Face。
• 表現：基準測試成績平庸，未進前五，被 Claude 5、GPT5.6S、Moonshot Kimi K3 等壓制。

三大核心機制：

• 智商調節器（Thinking Effort）：動態調節算力。低設置處理瑣碎任務（快、便宜）；高設置處理複雜邏輯（深度思考），表現可硬剛 NVIDIA NeoTron S3 Ultra，但僅消耗其 1/3 Token。
• 極度誠實（Epistemics 認知學）：訓練模型在結果不確定時承認「我不知道」，避免幻覺，適合金融與醫療領域。
• 山頂洞人語言：經過 3,000 萬輪強化學習，將內部思考過程簡化為關鍵詞，節省大量 Token。

商業模式：Tinker 微調平台：

• 痛點：企業缺乏 GPU 管理與訓練架構能力。
• 解決方案：推出自動化、傻瓜化的微調平台 Tinker（文中亦稱「聽課平臺」）。
• 變現邏輯：免費開源基礎模型 Inkling 作為誘餌，通過收費的微調服務變現。不賣通用 API，賣「量產專屬專家的兵工廠」。

地緣政治與市場定位：

• 借鑑中國技術：Inkling 底層工程思路借鑑中國開源模型 Deepseek V3（路由專家、Sigmoid 路由器、滑動視窗注意力），早期訓練甚至使用中國模型生成的合成數據。
• 合規避風港：利用美國監管層對海外模型（如阿里千問）的警告與調查，將 Inkling 定位為「純正美國血統」的合規避風港。
• 輕量化版本：推出 Inkling Small（總參數 2,760 億，啟用 120 億），適合本地伺服器私有化部署。

詳細大綱

I. 背景：OpenAI 的人才流失與 Thinking Machines 的成立

• 人才搶劫：2024 年底 OpenAI 高管離職潮，Mira Murati、John Schulman、Barret Zoph 等核心研究員集體離職。
• 風投注資：A16Z 投資 20 億美元，Thinking Machines 估值達 120 億美元。
• 市場預期：矽谷風投期待其推出顛覆 OpenAI 閉源霸權的產品，甚至預期 GPT6 級別的降維打擊。

II. 產品發布：Inkling 的平庸表現與技術細節

• 發布時間：2026 年 7 月中旬。
• 市場反應：基準測試成績平庸，未進前五。
• 被 Claude 5、GPT5.6S、Moonshot Kimi K3 等模型壓制。
• 技術規格：
• 總參數量：9,750 億（MOE 架構）。
• 啟用參數量：410 億。
• 上下文視窗：100 萬。
• 預訓練數據：45 萬億 Tokens（文本、影像、音訊）。
• 多模態處理：直接處理原始音訊和畫素訊號，跳過獨立編碼器。
• 許可證：Apache 2.0，權重發布於 Hugging Face。

III. 核心機制：反直覺的三個設定

智商調節器（Thinking Effort）：

• 動態調節算力消耗。
• 低設置：處理瑣碎任務（發票分類、客服），反應快、成本低。
• 高設置：處理複雜邏輯（程式碼修復、數學難題），進入深度思考。
• 效能對比：表現可硬剛 NVIDIA NeoTron S3 Ultra，但僅消耗其 1/3 Token。

極度誠實（Epistemics 認知學）：

• 訓練模型在結果不確定時承認「我不知道」，而非產生幻覺。
• 在預測未來事件準確率上超越 GPT5.5 和 Open4.8。
• 適合金融與醫療領域。

山頂洞人語言（Token 節省機制）：

• 經過 3,000 萬輪強化學習後，模型內部思考過程簡化為關鍵詞（如「需要確定價值問題」）。
• 節省大量 Token。

IV. 商業戰略：Tinker 微調平台與變現邏輯

• 微調痛點：企業缺乏技術能力進行模型微調（GPU 管理、訓練架構）。
• Tinker 平台：
• 傻瓜化、自動化微調服務。
• 演示案例：Inkling 在 Tinker 中自我生成訓練指令碼與數據，實現自動化自我微調。
• 商業模式：
• 免費基礎模型（Inkling）。
• 收費微調服務（Tinker）。
• 不賣通用 API，賣「量產專屬專家的兵工廠」。

V. 地緣政治與市場定位

• 中國模型的影響：
• Inkling 架構借鑑 Deepseek V3（路由專家、Sigmoid 路由器、滑動視窗注意力）。
• 早期訓練使用中國模型生成的合成數據。
• 中國模型因算力限制，在效率優化上領先。
• 美國企業的困境：
• 過去傾向使用便宜的海外開源模型（如阿里千問）。
• 監管層發出警告信，國會調查過度依賴海外模型的公司，起草採購禁令。
• Meta 收緊 Llama 系列授權。
• Inkling 的定位：
• 西方企業界唯一合法合規、純正美國血統的開源避風港。
• 推出輕量化版本 Inkling Small（總參數 2,760 億，啟用 120 億），適合本地伺服器私有化部署。

工具 / 模型 / 名詞整理

• 公司/組織：
• OpenAI
• Thinking Machines（公司名）
• A16Z（風險投資機構）
• Meta
• Moonshot
• NVIDIA（輝達）
• Hugging Face
• Openrouter
• Coinbase
• 橋水基金（Bridgewater，文中提及）
• 阿里（Alibaba，文中提及千問）

• 人物：
• Mira Murati（前 OpenAI 高管，Thinking Machines 創始人）
• John Schulman（OpenAI 聯合創始人）
• Barret Zoph（OpenAI 研究副總裁）

• 模型/產品：
• ChatGPT
• GPT3, GPT4
• GPT5.6S
• GPT5.5
• Open4.8
• Claude 5（文中亦提及 Claude fable 5）
• Kimi K3（Moonshot 出品）
• Inkling / Inking / Incline（Thinking Machines 發布的開源模型，逐字稿中名稱有混用）
• Inkling Small（輕量化版本）
• Tinker（微調平台，文中亦提及「聽課平臺」）
• NeoTron S3 Ultra（NVIDIA 模型/產品）
• Deepseek V3（中國開源模型）
• Llama 系列（Meta 出品）
• 千問（阿里出品）

• 技術/架構術語：
• MOE（混合專家模型）
• Apache 2.0 許可
• Epistemics（認知學訓練方法）
• Sigmoid 路由器
• 滑動視窗注意力
• Token（計費/運算單位）
• GPU 叢集
• 基準測試（Benchmark）

操作流程整理

基礎模型部署：

• 企業從 Hugging Face 下載 Apache 2.0 許可的 Inkling 模型權重。
• 根據需求選擇標準版或輕量化版 Inkling Small。

使用 Tinker 平台進行微調：

• 企業將專屬數據上傳至 Tinker 平台。
• Tinker 平台自動化生成訓練指令碼與數據。
• 執行自動化自我微調，生成企業專屬專家模型。

API 呼叫與調節：

• 企業通過 API 呼叫微調後的模型。
• 根據任務複雜度調節 Thinking Effort（智商調節器）：
• 簡單任務：低設置，快速回應，低成本。
• 複雜任務：高設置，深度思考，高準確率。

值得注意的限制或風險

• 基準測試表現平庸：Inkling 在基準測試中未進前五，被 Claude 5、GPT5.6S、Kimi K3 等壓制。
• 架構依賴性：Inkling 的底層工程思路借鑑中國開源模型 Deepseek V3，且早期訓練使用中國模型生成的合成數據。
• 合規風險：雖然定位為「純正美國血統」，但技術來源與中國模型高度相關，需面對監管層對海外模型依賴的調查與採購禁令風險。
• 技術門檻：儘管 Tinker 平台傻瓜化，但企業仍需理解 MOE 架構、Token 消耗與算力調節的基本概念。

逐字稿辨識疑點

• 模型名稱不一致：逐字稿中該模型被稱為 Inkling、Inking、Incline、Inkling。需查證 Thinking Machines 官方發布的模型正確名稱。
• 產品名稱不一致：微調平台被稱為 Tinker，後文又出現 聽課平臺（疑為 Tinker 的聽寫錯誤）。
• 模型名稱疑點：
• Claude fable 5：疑為 Claude 5 或特定版本名稱，需查證。
• GPT5.6S：需查證 OpenAI 是否發布此版本。
• Open4.8：需查證 OpenAI 是否發布此版本。
• NeoTron S3 Ultra：需查證 NVIDIA 是否發布此型號（通常為 Nvidia 的模型或晶片系列，名稱可能為聽寫錯誤，如 NeMo 或其他）。
• 人名拼寫：
• Mira Murati：正確拼寫通常為 Mira Murati。
• Barret Zoph：正確拼寫通常為 Barret Zoph 或 Barret Zoph（需查證 OpenAI 高管名單，通常為 Barret Zoph）。
• John Schulman：正確拼寫通常為 John Schulman。
• 公司名稱拼寫：
• thinking MACHINES：需查證 Thinking Machines 的正確大小寫或官方名稱。
• THINKING machine：需查證。
• 技術術語疑點：
• epistemics：通常拼寫為 Epistemology（認識論）或特定訓練方法名稱，需查證是否為該公司專有術語。
• 9,750億引數：需查證該模型確切參數量。
• 410億引數：需查證啟用參數量。
• 2,760億 / 120億：Inkling Small 的參數量需查證。
• 其他疑點：
• 2026年7月中旬：需確認影片發布時間與所述時間的關係，或是否為預測性內容。
• 45%的企業呼叫流量：Openrouter 的具體數據需查證。
• 84.7分：橋水基金微調千問模型的具體測試分數需查證。

可延伸追問

• Thinking Machines 官方是否已確認 Inkling 模型的正確名稱與技術規格？
• Tinker 平台目前的收費模式與具體服務內容為何？
• 美國監管層對海外開源模型的具體採購禁令草案內容為何？
• Deepseek V3 與 Inkling 在架構上的具體異同點為何？
• Inkling Small 在本地伺服器私有化部署的具體硬體要求為何？