专题 · FULL STORY

Inkling-Small发布:登顶多榜单的开源新星

从开权重模型Inkling初步展露头角并创下ARC-AGI纪录,到Thinking Machines Lab正式发布MoE模型Inkling-Small,该系列模型凭借在音频与逻辑推理等多项基准测试中的优异表现持续引发关注。

2026-07-17 ~ 2026-07-31 · 3 集 · 35 条

第 1 集 · 开权重模型Inkling登顶ARC-AGI榜单(2026-07-17,2 条)

开权重模型 Inkling 在 ARC Prize 的 ARC-AGI 评测中创下新高,成为截至当日在 ARC-AGI-1 和 ARC-AGI-2 基准上得分最高的开权重模型。具体数据显示,该模型在 ARC-AGI-2 中取得了 36.5% 的准确率,且单任务成本仅为 0.64 美元,展现出极高的评测效率与技术优势。

第 2 集 · Thinking Machines发布Inkling-Small:276B参数MoE开源模型(2026-07-30,31 条)

由前OpenAI CTO Mira Murati创立的Thinking Machines Lab正式发布了第二款开源模型Inkling-Small。该模型采用混合专家(MoE)架构,总参数量276B,每个token仅激活12B参数,支持100万token上下文窗口,具备可变思考强度,并原生支持图像、音频到文本的多模态输入。模型权重基于Apache 2.0协议全面开放。

已确认

  • 模型架构与规格:Inkling-Small为MoE架构,总参数量276B,激活参数12B,支持100万token上下文,原生多模态(图像、音频输入)。
  • 开源与性能表现:模型以Apache 2.0协议开源。@ArtificialAnlys指出其以仅三分之一的激活参数比肩旗舰模型;@simonguozirui转述称其在智能体任务和推理方面超越了同级别模型及更大版本;@keirp1透露该模型在ARC Prize官方验证中,成为ARC-AGI-1和ARC-AGI-2基准中得分最高的开源权重模型,单次推理成本为0.23美元。
  • 部署与量化支持:@pcuenq确认其nvfp4检查点可在单台Mac Studio(MLX)上运行(占用约150GB),甚至能跨两台128GB笔记本运行。@woosukk强调该模型体积小到足以在单张NVIDIA B300加速卡上运行。此外,Unsloth团队提供了动态量化方案,Baseten平台也已同步上线该模型。

为什么重要

  • 高性价比与低门槛:Inkling-Small展现了极高的参数效率,用极少量的活跃参数实现了顶尖的性能,打破了大规模模型必须依赖庞大算力集群的固有印象。这使得开发者能在消费级或轻量级企业级硬件上本地运行百亿级参数模型,极大降低了前沿AI模型的试用与部署门槛。

还有 11 条相关讨论 →

第 3 集 · Inkling-Small登顶AudioMC并创开源ARC-AGI最佳(2026-07-31,2 条)

Thinky Machines发布的Inkling-Small模型在多项基准测试中表现优异。在音频处理方面,该模型成功登顶Scale AI的AudioMC榜单;在工具调用能力上,其表现仅次于Kimi K3。此外,Inkling-Small在ARC-AGI-2基准测试中取得了40.1%的得分,一举创下了开源权重模型在该项评测中的最新纪录。