#Thinking Machines Lab
共 15 条 · 7 天 0 条 · 30 天 1 条
信息流里打上「Thinking Machines Lab」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月10日
8月22日
7月31日
7月28日
Lilian Weng 离开 Thinking Machines Lab，归因健康与角色压力
前 OpenAI 安全老大 Lilian Weng 因为健康压力，离开了自己联合创立的初创公司。不是能力问题，是角色太拼了。
7月17日
Inkling 多模态 MoE 模型发布，支持文本图像音频输入
Inkling 是 Thinking Machines Lab 的新多模态 MoE 模型，同时支持文本、图像、音频输入，还能控制推理计算量，效率很高。
Inkling: Thinking Machines Lab 开源权重模型
Mira Murati 的新实验室发布了 Inkling，975B 参数的 Apache-2.0 多模态开源模型，专门为微调设计，想折腾的开发者可以试试。
7月16日
前OpenAI CTO Murati公司发布Inkling，9750亿参数模型领先美国但落后中国
前OpenAI CTO Mira Murati的初创公司推出了9750亿参数的开放权重模型Inkling，性能领先美国同类但不及中国领先模型，适合做微调基础，价格明确。
OpenAI前CTO穆拉蒂创企TML发布Inkling模型，借鉴DeepSeek和Kimi主打性价比
穆拉蒂的新模型Inkling接近万亿参数但只激活一小部分，成本低速度快，还用了DeepSeek和Kimi的技术，适合做定制项目的人试试。
Thinking Machines Lab 发布 Inkling：975B 参数开源多模态 MoE，激活 41B 参数，可控思考努力
Inkling 让你能控制模型思考深度，975B 参数但只激活 41B，适合做定制化基础模型。
7月12日
Mira Murati的Thinking Machines Lab提出以人为本AI需可定制模型权重
Mira Murati的新实验室发了篇论文，讲怎么让用户自己掌握模型权重，还拿LoRA举例，挺接地气的。
7月3日
桥水基金研究：前沿AI模型金融判断准确率不足80%，微调开源模型达84.7%
桥水和Mira Murati团队发现，GPT和Claude在金融判断上准确率才70%，不如微调的Qwen3-235B的84.7%，成本还低14倍。
Mira Murati旗下TML与Bridgewater微调模型实现84.7%准确率
Mira Murati团队和桥水基金一起搞了个AI筛选新闻的实验，先用GPT、Claude只有50%准确率，专家写提示词到75%还是不够，最后微调模型干到了84.7%，成本还低了13倍多。
