翁荔刚回OpenAI，Thinking Machines反手甩出新模型

半个月前，Thinking Machines 的首个模型 Inkling 刚在 AI 圈掀起巨浪，今天第二款重磅模型又来了——Inkling-Small。276B 总参数、12B 激活参数、原生多模态、100 万 token 上下文，这配置放在任何基准上都不是吃素的。

有意思的是，Inkling-Small 的体量只有初代 Inkling 的四分之一，却在多项指标上实现了对「万亿大哥」的反超。这剧情，比剧本还戏剧化。

在 ARC-AGI-2 上，Inkling-Small 直接刷新了开源 SOTA。回看这家公司这几天的动态，剧情跌宕起伏——联创翁荔官宣离职仅两天，OpenAI 便证实了她的回归，带队攻坚「递归自我提升」（RSI）。结果第三天，新模型的「全量权重」就甩了出来。

全新 Inkling-Small 登场，276B 击败万亿

官博介绍中，Inkling-Small 是 MoE 架构，总参数 2760 亿，单次推理激活 120 亿。相较初代 Inkling，体量浓缩成四分之一。正如 PyTorch 大神 Horace He 所言，「Inkling-Small 根本不用举全村之力，直接沿用前代技术就成了」。最硬核的是，体量小了，综合实力反而显著提升。

在数学、推理、智能体编码、多模态基准中，Inkling-Small 堪比甚至超越了 Inkling 和 DeepSeek V4 Flash。

在 HLE、Terminal-Bench、IFBench 这三个核心指标上，Inkling-Small 每一 FLOP 换来的性能都高于 Inkling。曲线全程压在老大哥上面。

多模态那边几乎没掉队——图表理解、视觉推理、语音理解、长音频推理，Inkling-Small 在评测中「接近」原版，代价却低得多。其他基准测试成绩如下：

一个体积只有四分之一的模型，在推理和智能体任务上把老大哥按在了地上，这事本身就值得细品。

后训练细节，全公开了

至于怎么做到的，官方把方法写得很细，关键是两步。

Inkling-Small 的训练开始时间晚于 Inkling，于是把前一轮踩过的坑全部吃进去了——预训练数据配比改了，机器学习配方重新精炼过。更关键的，是两步操作：第一步，用 Inkling 当老师做 on-policy 蒸馏，先出一个 preview 检查点；第二步，从这个检查点接着跑了整整两周的智能体编码强化学习。于是就有了「学生超过老师」的结果。仅用两周时间，就把差距拉回来，还反超了。

这意味着 Thinking Machines 直接跑通了一条能反复出模型的产线。第一个模型是作品，第二个模型是产能证明。

120 亿激活，才是真正的分水岭

对绝大多数开发者来说，真正关心的是，自己能不能用起来？原版 Inkling 门槛非常高，BF16 检查点最低要求 2TB 聚合显存——示例配置是 8 张 B300 或 16 张 H200；就算换成 NVFP4 量化版，也还要 600GB 起步。

Inkling-Small 把这门槛整个往下拽了一大截。LMSYS 的说法很直接：276B 总参数配 12B 激活，是强化学习的甜点位，LoRA 和全参数训练都变得「够得着」。以前只有大厂能玩的模型定制，现在一个中等规模的团队，也有机会真的把它训成自己的东西。实测显示，8 张 B200、TP8、NVFP4、batch size 1 的同一套环境下，用 SGLang 跑 Inkling-Small，开 DSpark 能到 648 tok/s 解码，不开也有 288 tok/s。

六个联创走了四个，模型越发越快

去年 2 月，Thinking Machines 带着一份「OpenAI 梦之队」的六人名单惊艳开局：Mira Murati、John Schulman、Barret Zoph、翁荔、Andrew Tulloch、Luke Metz。当时他们拿的是 20 亿美元种子轮、120 亿美元估值的逆天剧本。谁能想到，今年 1 月那轮 500 亿美元估值的融资最终流产，成了转折的开始。如今，六人团只剩下了 Murati 和 Schulman。更有意思的是，离开的四个人里，Zoph 和 Metz 先后回了 OpenAI，如今翁荔成为第三个。一家由 OpenAI「叛逆者」组建的公司，核心骨干最终还是没能逃脱 OpenAI 的引力场。

但真正充满戏剧性的，是团队在面临动荡时的反应。7 月 15 日，沉默了整整 17 个月的 Thinking Machines 终于交出了首个大模型 Inkling。不到两周，翁荔宣布离职；仅仅三天后，第二个带着全量权重的开源模型又紧跟着上线。人才在加速流失，模型在加速狂飙。这两条背道而驰的曲线，成了 AI 行业中最具代表性的一幕。也许这就是通向 ASI 的必经之路：不管留下的人有多少，机器向前的车轮，只会越转越快。

参考资料：

https://thinkingmachines.ai/news/inkling-small/