Inkling 是 Thinking Machines（Mira Murati 创办的公司）发布的大语言模型系列，包括旗舰版 Inkling 和以效率为核心的小型版本 Inkling Small。该系列采用稀疏激活的专家混合架构，Inkling Small 总参数量为 276B，但每个 token 仅激活 12B 参数，主打以更小的活跃规模逼近头部模型的性能。
Inkling Small 的发布与表现
Inkling Small 是 Thinking Machines 的第二款公开模型，定位是效率优先而非堆规模。其 276B 总参数、12B 活跃参数的设计，使其推理成本远低于同等能力的稠密模型，这也是当前开源社区小步快跑的典型路线。
在 LMArena 的评测中，Inkling-Small 并未刷新能力上限，但整体表现紧邻头部模型。对一款活跃参数仅 12B 的模型来说，这一位置说明了稀疏架构在性价比上的竞争力。
该模型同时进入了 Text Arena 榜单，12B 激活参数的成绩排名约第 88 位。排名本身不算顶尖，但考虑其部署成本，属于可圈可点的区间。
Inkling 系列的可用性与生态位
两款模型均已上架 OpenRouter，开发者可以直接调用。作为一家初创公司的产品线，跳过复杂的接入流程直接进入主流网关，有助于快速积累真实使用反馈。
Nathan Lambert 在 Interconnects 的开放模型盘点中，将 Inkling 与 Laguna S2.1、Kimi K3 等并列，说明它已被纳入开放权重模型生态的主流叙事之中。
当前焦点与观察点
开源权重模型的竞争正处于密集发布期：同周期内 Nemotron 3.5 Super VL 登顶美国开源权重模型榜首，Muse Spark Open、Beam 1.0 也在一周内接连发布，Meta、NVIDIA、Google 等六家大厂同样在持续放出自家模型。Inkling 的差异化在于用一个创业公司的资源，押注"效率换性能"的路线而非正面拼参数量。
后续值得观察的点有三个：一是 Inkling Small 的 12B 活跃参数在实际推理成本上能否兑现理论优势；二是 Thinking Machines 是否会基于该架构推出能力更强的后继版本；三是在大厂模型持续迭代的情况下，初创团队的模型能否在开发者生态中保住长期使用量。