拿著20億美元的頂級風投
帶著矽谷最強的AI大腦團隊
秘密研發了將近兩年
所有人都以為他們要掏出
一個秒殺一切的終極武器結果呢
前幾天他們剛釋出的新模型
連基準測試的前五名都進不去
甚至被一些開源模型按在地上摩擦
2024年底的那場Openai高管離職潮
現在回過頭來看
完全就是一場精心策劃的人才搶劫
Mira Murati
這個曾經短暫接管過Openai
也是一手主導了chatgpt
開發上線的核心人物
走的時候可不是孤身一人
他前腳剛邁出大門
後腳Openai的聯合創始人John Schulman
研究副總裁Barret Zoph
還有一整票的核心高階研究員
就跟著遞了辭呈
這些人加起來
基本上抽乾了Openai半個研究大腦
在矽谷
頂尖的AI研究員比H100晶片還要稀缺
Meta帶走的不是幾個高階打工人
而是一整套被驗證過無數次
從GPT3到GPT4跑通過的大模型
訓練方法論和工程落地經驗
這幫人見識過世界上最大
規模的算力叢集是怎麼運轉的
也踩過無數個導致模型崩潰的暗坑
所以當他們宣佈要自立門戶的時候
整個風險投資圈都瘋了
矽谷的風投最懂算賬
也最擅長FOMO
A16Z直接拍了20億美元現金
在這個連名字都還沒完全敲定
一行產品程式碼都沒寫的新團隊桌上
公司最後定名叫thinking MACHINES
總齒輪估值直接衝到120億美元
啥產品都沒有
就值120億
這在別的行業叫龐氏騙局
但在這兩年的AI圈
這叫搶佔最後一張
通往AGI時代的船票
風投們賭的是什麼
賭的是Milla這幫人能搞出一個
徹底顛覆Openai閉源霸權的新生態
大家都在等等這兩年時間裡
這20億美元能燒出
什麼驚世駭俗的怪物
整個行業都在屏息以待
等著看GPT6級別的降維打擊
然後時間來到2026年7月中旬
也就是上週
沉積了一年半的thinking MACHINES
終於憋出了他們的大招
開源模型代號Inking
結果釋出會一開
科技圈直接傻眼了
這個號稱砸了重金閉關
兩年訓練出來的模型
在各種測試基準上的成績堪稱平庸
前面有Claude fable 5和
open AI自家的GPT5.6S
這兩座大山穩如泰山
旁邊連同一天釋出的Moonshot的Kimi K3
這種2.8萬億引數的
怪物都能跟它硬剛
甚至把它比下去
Inkling的成績在開源模型
裡撐死只能算箇中遊
而且最慘的是時機
Inkling剛釋出一天
Kimi K3就火爆到把算力全燒穿了
直接把Inkling的熱度搶得一乾二淨
我們來看看這20億砸出來的
技術底子到底長什麼樣
Inkling是一個總引數量達到
9,750億的混合專家模型
也就是大家常說的MOE架構
聽起來接近萬億引數
挺唬人對吧
但實際上因為MOE的機制
每次處理TOKEN的時候
只有410億的引數被啟用
參與計算
它支援100萬的上下文視窗
用了整整45萬億個TOKEN的
文本影像和音訊資料
從頭開始預訓練
這裡面最值得一提的是
它徹底改變了多模態的處理方式
現在市面上大多數
所謂的原生多模態模型
其實也就是在外面掛了個殼
遇到圖片和聲音
得先過一遍獨立的編碼器
翻譯成模型能懂的TOKEN
然後再處理
但incline跳過了這一步
它是直接處理原始的
音訊和畫素訊號的
這種底層架構的重寫難度極大
也是這群前Openai班底實力的體現
而且比起Meta那種由一群
法務寫出來的偽開源協議
thinking MACHINES這次玩的非常野
直接上了Apache 2.0許可
沒有任何廢話
模型權重直接扔在hugging face上
你想怎麼用怎麼用
你想怎麼改怎麼改但是
哪怕有這些底層架構上的
創新和厚道的開源協議
也掩蓋不了一個致命的問題
它的絕對智商不夠高
在這個AI神仙打架
恨不得跑分差個小數點都要
發兩篇論文吹捧一下的2026年
花20億美元就做出一個引數
啟用量410億的還行的模型
這怎麼看都像是一筆鉅虧的買賣
那些業內研究員看完程式碼和
跑分後的評價出奇的一致很酷
但在投資人耳朵裡
花了20億得到一句很酷
大概等同於你花了
幾百塊錢請女神吃米其林
她最後對你說你是個好人
這是一種非常體面的敷衍
為什麼會這樣
難道是Mira的團隊江郎才盡了
還是說離開大廠的算力支援
這幫天才也玩不轉了
絕對不是
這裡就出現了一個巨大的反常識
也是全網絕大多數人看走眼的地方
所有人都覺得做大模型
就得像搞軍備競賽一樣
更高更快更強
誰的跑分高誰就是老大
但這已經是兩年前老掉牙的玩法了
現在做模型
拼絕對智商的邊際
成本已經高到離譜
為了在基準測試上
提高那1%的準確率
你需要多燒幾個億的
電費和海量的算力
還需要去各種犄角旮旯裡
清洗根本不存在的高質量資料
Mira在open AI待了那麼久
他比任何人都清楚算力
成本這筆賬是怎麼算的
他太知道閉源大模型那個瘋狂燒錢
靠無限堆引數換微小
效能提升的死衚衕在哪裡
如果你開了一家估值120億的公司
你的目標絕對不是去打贏
一場毫無意義的跑分比賽
而是要建立一個
能夠造血的商業帝國
所以當你發現一群世界上最
聰明最懂AI底層邏輯的人
在一個關鍵的時間節點
做了一個看起來平庸的產品時
千萬不要覺得他們蠢
他們只是在玩一個你
沒看懂的高階遊戲
Inkling在跑分上的拉胯和它的平庸
完全是精準的商業算計
因為thinking MACHINES壓根就沒想過去搶
那頂世界第一聰明模型的皇冠
把一個智商只排在中游
但是算力消耗極低
響應極快
並且完全開源的模型免費扔給市場
這只是他們整盤大棋的第一步
這20億美元的彈藥
其實全部打在了Incline
反直覺的核心機制設計
以及他們那個真正用來
收割市場的秘密武器上
如果你以為這個連前五都進
不去的模型就是故事的結尾
那你完全低估了企業級
b to b市場的殘酷程度
Inkling為了商業化落地
甚至主動閹割掉了自己的部分人性
只為了省下那點可憐的TOKEN費用
它的內部運作邏輯
以及thinking MACHINES接下來
要靠什麼把這120億估值變現
才是整個科技圈真正
應該感到恐懼的東西
當我們把Inkling內部那個
控制智商的旋鈕拆開
你就會明白
未來的AI戰場根本不在排行榜上
他那所謂的平庸跑分
其實是一種極度剋制的表現
Mira的團隊在Inkling裡埋了三個反直覺
甚至有點瘋狂的設定
這三個設定
每一個都在精準聚集那些
每天要處理上千萬次AI
呼叫的企業客戶的痛點
第一個設定
我稱之為智商調節器
inkling內建了一個叫思考
力度thinking effort的旋鈕
這個設計簡直是天才
現在市面上大模型
你問它1+1等於幾
和問它幫我寫個微服務架構程式碼
它在後臺呼叫的
算力資源幾乎是一樣的
這就像是你開著一輛
耗油量巨大的重型卡車
就為了去樓下便利店買包煙
這在企業級應用裡是
奢侈且不合理的浪費
但有了這個旋鈕
遊戲規則變了
當你需要它處理海量的發票
分類客服閒聊這些瑣碎任務時
你可以把旋鈕調低
這個時候的inling反應極快
成本低到令人髮指
雖然只會給出非常基礎的即時答案
但完全夠用
而當你碰到了核心業務邏輯
複雜的程式碼修復
或者需要深度推理的數學難題時
你把旋鈕直接拉滿
這個時候Inkling會瘋狂消耗算力
進入深度思考模式
它的表現能直接在基準測試裡硬剛
甚至超過輝達的NEOTRON S3 Ultra
而且只需要消耗後者1/3的TOKEN
這意味著什麼
這就意味著企業客戶
終於可以真正意義上的
控制自己的算力成本了
當你每天需要執行
幾百萬次AI agent的時候
能夠動態調節算力支出
這省下來的錢都是實打實的淨利潤
第二個設定更反常識
他被訓練的極度誠實
現在大部分模型都有個臭毛病
就是幻覺嚴重
不管你問什麼
他都要強行給你一個答案
哪怕是胡說八道
也要說的一本正經
在寫小說或者陪你聊天的時候
這叫創造力
但在企業級應用裡
比如金融預測或者醫療診斷
這種自信的胡說八道是致命的所以
thinking MACHINES用了一種叫做
epistemics認知學的訓練方法
簡單來說就是重賞那些
敢於承認我不知道的行為
團隊用強化學習瘋狂的訓練inclin
當你對結果不確定的時候不要猜
直接告訴我你搞不定
結果就是Inkling在預測
未來事件的準確率上
直接幹翻了GPT5.5和OPEN4點八
拿到了世界第一的成績對於
華爾街的對沖基金或者
醫療行業的巨頭來說
一個關鍵時刻能
果斷說出我算不出來
這題超綱了的模型
比一個只會拍腦袋瞎蒙的
全能天才要靠譜一萬倍
第三個設定可以說非常黑色幽默了
為了極致的節省成本
inking在經歷了3,000
萬輪的強化學習之後
竟然自己進化出了山頂洞人語言
什麼意思呢
現在的模型在處理複雜問題時
內部會有一段思考過程
大多數模型的內心
獨白是標準的英語
我認為我們現在需要分析這個問題
以確定它的核心價值
但這需要消耗大量的TOKEN
Inkling發現語法在這個
過程中純粹是浪費資源
於是他的內心獨白變成了這樣
需要確定價值問題
只要幾個關鍵詞
效果一模一樣
但省下了海量的TOKEN
這聽起來很好笑
但這背後透露出的
是恐怖的效率壓榨
所以你看懂了嗎
這根本不是一個用來在
排行榜上刷存在感的花瓶模型
這是一個為了大規模
企業級應用量身定製的
精明極度摳門
但在關鍵時刻絕對靠譜的基礎設施
然而哪怕Inclin有這些精妙的設計
它依然只是個不賺錢的開源模型
真正用來把那120億估值變現的
是隨之而來的那個
叫Tinker的微調平臺
這才是thinking MACHINES
真正的商業核武器
前面我們說過Inkling開源了
你拿走隨便用
他們一分錢不收
但在實際操作中
如果你是一個大企業的CTO
你拿到了這個模型
你會發現你根本用不了
因為你要讓這個模型懂你的業務
懂你的財務資料
懂你的客戶習慣
你需要用你自己的
資料對它進行微調
微調這個事
門檻高的離譜
你需要懂複雜的訓練架構
需要管理成堆的GPU叢集
還需要處理隨時
可能崩潰的訓練程式碼
絕大多數企業根本
沒有這種技術能力
這時候thinking MACHINES微笑著走出來了
指著Tinker平臺說老闆
你看模型我免費送你了
但你微調起來太費勁了對吧
來用我們的Tinker平臺吧
你不用管什麼底層架構
不用管算力節點
直接把你的私有資料喂進來
點幾個按鈕
我們全自動幫你訓練出一個專屬
於你的垂直領域的超級專家模型
在他們的演示裡
更恐怖的一幕出現了
他們連上聽課平臺
給Inclin下達了一個指令
讓他剝奪自己使用字母e的能力
接下來讓人頭皮發麻的事情發生了
Inclin自己在Tinker裡寫
了一套訓練指令碼
自己生成的訓練資料
自己跑完了整個訓練任務
然後載入了新的權重覆蓋自己
它實現了徹底的自動化自我微調
這就是Mira Murati真正的野心
她壓根就不想做下一個Openai
去賣那種千篇一律按
字數收費的全能型API
在這個多模型共存
甚至連開源模型都能在垂直
領域打爆閉源模型的時代
做單一的基礎模型已經是一片紅海
thinking MACHINES的真實玩法是
用一個表現穩定可控性極強並且
完全免費的開源模型作為誘餌
把所有渴望擁有獨立AI
大腦的企業吸引過來
然後再用一個傻瓜化
自動化的微調平臺把他們鎖死
賺取高昂的平臺服務費
他們不賣最聰明的通用大腦
他們賣的是量產專屬專家的兵工廠
當有一天
全世界數以萬計的企業都在用
Tinker平臺微調自己的財務模型
客服模型醫療模型時
誰還在乎Inkling在那個所謂的
基準測試排行榜上排第幾名
所以那20億美金花的冤嗎
一點都不冤
Mira帶著最頂級的團隊
跳出了Openai閉源爭霸的死局
轉身在企業級定製服務這條賽道上
築起了一道深不見底的護城河
他們不僅沒有搞砸
反而在下一盤足以顛覆
整個AI商業格局的超級大棋
我們來聊一個矽谷科技圈
不太願意放在臺面
上大肆宣揚的秘密
Inlink那套高效的混合
專家MOE架構其實大有來頭
如果你找個懂行的AI架構師
把Inlink的底層程式碼扒開看
看它的256個路由專家設計
sigmoid路由器
甚至是滑動視窗注意力的比例
你會發現一個讓人
下巴掉下來的事實
它的核心工程思路跟中國
開源大模型Deepseek V3的架構
幾乎是一個模子刻出來的
不僅如此
在早期的訓練階段
thinking MACHINES甚至大量使用了另一款
中國模型生成的合成數據來打底
一家估值120億美元的純
血美國頂尖AI實驗室
由open a i的前CTO帶隊
手裡握著一堆當今
最強的Nvidia算力晶片
結果最後端出來的旗艦模型
居然大量借鑑了中國
開源模型的工程藍圖
很多外行看到這可能要開噴了
覺得這幫天才是不是江郎才盡
只會抄作業
但站在商業和工程的客觀角度來看
這是一個特別清醒且務實的決定
這幾年因為算力晶片被卡脖子
中國的大模型團隊沒辦法
像Openai那樣閉著眼睛靠
瘋狂堆算力來暴力破局
他們被逼無奈
只能在演算法的效率記憶體
最佳化和引數排程上死磕
結果反而把開源模型的執行效率
給硬生生逼到了一個全新的高度
Miro的團隊太清楚這一點了
工程技術面前沒有面子問題
既然別人在效率最佳化
上已經跑通了最優解
開源協議也允許
那直接拿來用
站在前人的肩膀上繼續往前跑
就是最聰明的做法
這直接導致他們連跑帶顛
只用了不到9個月的時間
就把這個9,750億引數的
龐然大物給搞定了說到這
你可能會問一個直擊靈魂的問題
既然中國的開源模型效率這麼高
能力這麼強
連Kimi K3這種怪物
都已經能在程式碼和前端
設計上跟Claude 5硬剛了
而且使用成本幾乎跟白送一樣
那美國的那些大企業幹嘛不直接
去用這些現成的免費中國模型
他們何必還要費勁
巴拉地去用什麼Inkling
還要去花錢買Tinker平臺的服務呢
這個問題正好點破了thinking MACHINES
這盤大棋最核心的商業命門
事實上美國的資本家們一點都不傻
在Inkling釋出之前
美國企業界確實出現過
一陣瘋狂的薅羊毛熱潮
去看看Openrouter之前的TOKEN路由
資料就會發現在某個高峰起
大概有45%的企業呼叫流量全都
悄悄跑到了國外的開源模型上
像Coinbase這種級別的大廠
都在默默把自己的AI agent遷移過去
因為成本能直接砍掉一半以上
模型好用又便宜
資本家當然會用腳投票
比如全球最大的對沖基金橋水
他們就自己拿業務資料
微調了阿里的千問模型
結果在金融推理測試裡
直接跑出了84.7分的高分
把一眾昂貴的閉源
通用模型按在地上打
而成本甚至不到原來的1/10
便宜的專屬小模型能
打爆昂貴的通用大模型
這個賬大家都會算
但好日子沒過多久
一道來巨大的政策鐵拳砸了下來
由於這些模型實在太好用
蔓延速度太快
美國監管層坐不住了
各種警告信開始滿天飛
國會委員會甚至開始著手調查那些
過度依賴海外開源模型的技術公司
相關的政府甚至在起草採購禁令
對於那些掌握著海量敏感資料
業務流水動輒百億級別的華爾街
投行醫療巨頭和科技大廠來說
這種地緣政治帶來的合規
風險是絕對不可承受的
哪怕模型再便宜
一旦被打上資料安全風險的標籤
對企業來說就是一顆隨時會爆的雷
更要命的是
原本在開源生態裡扛大旗的Meta
最近也開始收緊政策
把LLAMA系列的後續版本推向了
更加封閉的商業授權路線
就在這個特殊的節骨眼上
西方大企業的面前出現
了一個巨大的真空地帶
他們極度渴望用開源
模型來降低算力成本
極度需要通過微調來
保護自己的私有資料
但他們現在不敢用國外的免費模型
又發現本土的開源
大廠開始設圍牆了
這時候你再看Inkling的釋出
是不是有一種恍然大悟的感覺
Inkling根本就不需要去爭奪
什麼全球最聰明大模型的虛名
它的真實身份
是西方企業界當下
唯一一個合法合規
擁有純正美國血統
且效能足夠能打的開源避風港
Mira的團隊不僅給了大家
一個安全的基礎設施
甚至還貼心的推出了一個
代號為Inkling small的輕量化版本
這個小版本的總參
數量被壓到了2,760億
每次處理問題只啟用120億個引數
但它在很多複雜的推理測試上
得分甚至超過了那個大塊頭的原版
這簡直就是專門為那些想要在
公司內部本地伺服器上跑
私有化部署的老闆們量身定做的
你公司伺服器不夠大
沒關係用inkling small
你沒有技術人員搞微調
沒關係買我們的Tinker平臺服務
你擔心資料洩露和政治風險
更沒關係
我們是拿了A16Z20億
美金的本土正規軍
程式碼就在hugging face上開源放著
乾乾淨淨
把所有線索串聯在一起
THINKING machine的終極商業
版圖就徹底清晰了
離開Openai的Mira Murati從來就
沒想過要在這個早就殺成
一片紅海的通用大模型賽道里
再去造一個一模一樣的ChatGPT
那是一條靠無休止燒投資人的錢
巨大的政策來維持的瘋狂內卷之路
他用這20億美金
深深在Openai的閉源帝國旁邊
挖出了一條全新的護城河
他看準了未來AI的形態
絕對不是一個無所不能的神
而是千千萬萬個在各個
細分領域裡任勞任怨
便宜好用且資料完全歸
企業自己所有的專才
所以他借用了行業裡驗證
過最高效的開源架構
加上團隊變態的成本控制能力
做出了inclin這個誘餌
然後再利用地緣
政治帶來的合規恐慌
順理成章的把這群焦頭爛額的
企業大客戶全部圈進了自己
真正賺錢的Tinker微調平臺裡
花20億美元做了一個
跑分進不了前五的模型
聽起來是個笑話
但如果這20億買下的是未來10年整個
企業級AI定製市場的超級入口呢
那這就是一場教科書
級別的商業降維打擊
在大家都盯著跑分排行榜
爭得面紅耳赤的時候
有人已經悄悄把未來淘金熱裡
唯一合規的鏟子製造廠給買下來了
這才是這筆120億估值的交易背後
最讓人細思極恐的真相
好啦今天咱們就到這裡
看懂了這家公司的玩法
你就會對接下來科技巨頭們的走向
有一個全新的認知
別忘了點贊訂閱
有什麼看法
咱們評論區見