问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
OpenAI前首席技术官穆拉蒂创立的Thinking Machines Lab于7月15日发布首款大模型Inkling。该模型架构大量借鉴DeepSeek-V3，后训练使用月之暗面Kimi K2.5等开放模型合成数据，基准评测表现落后于Kimi、GLM，定价却更高。目前这家明星初创融资额达20亿美元，估值高达120亿美元，主打美国企业合规需求。
7月中旬大模型赛道的这场新品发布，刚一亮相就戳中了行业最敏感的神经：过去被视作全球大模型技术高地的美国初创公司，首次公开站在了中国大模型的技术肩膀上，甚至出现了“抄作业没抄赢、卖得还更贵”的反常识局面。
作为OpenAI曾经的核心技术掌舵人，穆拉蒂离职创业的动向一直是行业关注的焦点：其创办的Thinking Machines Lab成立不到一年就拿到20亿美元融资，估值冲到120亿美元，被视作最有可能挑战OpenAI地位的美国本土初创。
此次发布的Inkling也确实拿出了顶配硬件参数：采用混合专家架构，总参数量达9750亿，每处理一个Token激活410亿参数；预训练数据量达45万亿Token，覆盖文本、图像、音频、视频多模态，最长支持100万上下文窗口。
但出乎行业意料的是，这款顶着明星光环的大模型，在MMLU、GSM8K等多项通用基准评测中，表现普遍落后于月之暗面Kimi、智谱GLM等同级别中国大模型，调用定价反而高出15%-20%。
很快就有技术从业者拆解了Inkling的技术路径：其核心混合专家架构几乎完全沿用DeepSeek-V3的成熟设计，后训练阶段的冷启动数据，也大量采用了月之暗面Kimi K2.5等中国开放模型生成的合成数据。
这种“拿来主义”的选择，恰恰暴露了穆拉蒂团队从一开始就没有把“争夺全球性能第一”作为目标。对于急需落地变现的初创公司而言，直接复用已经被验证过的最优技术路径，能够至少节省6-8个月的研发周期，快速拿出可商用的产品。
更关键的是，Inkling的核心优势从来都不是性能：作为完全在美国本土研发、运营的大模型，它所有的训练数据、推理流程都符合美国监管部门对企业数据安全的要求，刚好填补了美国企业想用高性价比先进大模型、又不敢采购中国厂商服务的市场空白。哪怕定价更高，也有大量金融、政府、医疗等强监管领域的客户愿意为合规属性买单。
这次事件最值得关注的，是全球大模型技术输出方向的反转：过去多年，一直是中国大模型厂商跟进、复刻美国头部公司的技术路线，而此次美国明星初创直接借鉴中国厂商的架构设计、使用中国模型的合成数据，意味着中国大模型的技术创新已经得到全球行业的普遍认可，DeepSeek、月之暗面等厂商的技术方案已经成为行业公认的最优解之一。
未来大模型的全球竞争，也不再是单一的性能比拼，技术落地的合规性、本地化服务能力、垂直场景适配度都将成为决定市场份额的核心要素。不同区域的本土厂商，都有望凭借合规壁垒拿到属于自己的市场空间。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号