美国新模型Inkling：沿用中国架构，性能不及却价格更高，靠合规抢市场
OpenAI前CTO穆拉蒂创立的Thinking Machines发布首款模型Inkling，核心架构沿用DeepSeek-V3，后训练数据来自Kimi K2.5。但Inkling多项基准评测落后于中国Kimi和GLM，API价格却更高。由于美国对中国模型监管收紧，Inkling凭借本土合规优势获得企业市场，形成“贵替”定位，却可能推高美国AI产业整体成本。
事件概述
Thinking Machines Lab（由OpenAI前CTO穆拉蒂创立）于2026年7月15日发布首款开放权重模型Inkling。该模型采用混合专家架构，总参数9750亿，激活参数410亿，支持100万Token上下文，采用Apache 2.0许可证开放权重。
技术来源与性能
技术报告明确披露，Inkling的混合专家设计“主要沿用DeepSeek-V3”，包括无辅助损失负载均衡等特性；后训练冷启动阶段使用了Kimi K2.5生成的合成数据。在多项基准测试中，Inkling综合性能落后于中国头部开放模型：
- 人类最后的考试（纯文本）：Inkling 29.7% vs Kimi K2.6 35.9% / GLM 5.2 40.1%
- SWE-Bench Pro（软件工程）：Inkling 54.3% vs Kimi K2.6 58.6% / GLM 5.2 62.1%
- 仅在网页应用设计、音频理解等少数任务上表现较好。
价格对比
Inkling 64K版每100万Prefill Token收费1.87美元（限时五折价），而Kimi K2.6为0.95美元，GLM 5.2为1.4美元；生成价格也高于二者。即使考虑不同计费口径，Inkling无明显价格优势。
商业逻辑：合规驱动的“贵替”
穆拉蒂团队虽拥有OpenAI背景，但无法使用前东家闭源技术；借鉴DeepSeek、Kimi等公开成果是合法工程选择。更重要的是，美国对中国AI模型监管收紧，企业使用中国模型面临合规风险。Inkling作为美国本土开发的开放可定制模型，恰好填补这一空白。其定位并非追求最强性能，而是提供性能尚可、合规风险低的企业替代方案。
影响
Inkling的商业成功依赖政策保护，但美国企业被迫放弃更便宜、更强的中国模型，转而使用更贵、更弱的本土替代品，可能导致基础模型能力差距向下游传导，最终削弱美国AI产业整体竞争力。