Inkling 2 Small：模型来了，权重还没来——Thinking Machines 的"有条件开源"赌局

11 月 5 日，Mira Murati 创办的 Thinking Machines Lab（TML）发布了第二代模型 Inkling 2 Small。这是一个 5940 亿总参数、每 token 仅激活 170 亿参数的稀疏 MoE 模型，主打长时程自主任务。消息本身不算爆炸——真正值得讨论的，是它发布的方式：模型已经上线，但权重没有。TML 承诺下周在 Apache 2.0 协议下公开全部权重，前提是外部安全测试和红队评估完成。用它自己的话说，这是一次"分阶段发布"（staged release），而不是一次开源。

数字背后：一个为"干活"而非"考试"训练的模型

先看硬指标。Inkling 2 Small 是 48 层 decoder-only Transformer，每个 token 路由到 384 个专家中的 8 个，混合局部注意力与全局注意力，输入支持文本和图像，输出为文本，上下文规格最高 100 万 token。第一代 Inkling Small（2026 年 7 月）是 276B 总参数、12B 激活，第二代总参数翻倍有余，激活参数只增加了约 40%——典型的"把算力花在容量上，而不是每次推理的成本上"的 MoE 设计思路。

据报道，主预训练在 NVIDIA GB300 NVL72 机架上跑了 68 小时，采用原生 NVFP4 精度。这个训练时长值得玩味：68 小时对一个 594B 模型来说相当短，说明 TML 的重点不在堆预训练算力，而在后训练阶段。

基准成绩方面，Artificial Analysis 智能指数给出 31 分，比第一代的 13 分大幅提升；TML 官方称其在 SWE-Bench Pro v2 Hard 上达到 86.3%。需要提醒的是，后者是厂商自报成绩，尚未有独立复现。横向对比更有意思：同一榜单上 Gemini 4 Carbon 是 60 分，Inkling 2 Small 的分数大约只有它的一半。Artificial Analysis 同时指出，一旦权重发布，它将成为中国以外得分最高的开源权重模型——这个定语本身就说明了问题：开源权重赛道的头部，如今基本被中国实验室占据。

但 TML 显然不想在"考试分数"上较劲。它真正想讲的故事，是长时程自主能力。第一代 Inkling 是把推理能力和 Agent 能力分开训练再拼合，第二代改用强化学习联合训练两者。官方给出的内部演示颇具说服力：一项自动调优时间序列预测（用 Qwen3.5-4B 做底座）的任务，预算 500 美元、12 小时，Inkling 2 Small 用 4 小时 17 分钟、426 美元完成；其内部长任务测试中，单次尝试的中位数为 8 分钟，99 分位达到 4 小时。换句话说，这个模型的设计目标不是"一次回答得漂亮"，而是"连续工作几小时不出岔子"。这正是当前 Agent 赛道最缺的能力——不是单步智能，而是长程可靠性。

关键争议：承诺开源，但权重不在手

Inkling 2 Small 目前只能通过 TML 自家的 Tinker 平台使用：Playground 提供推理，Tinker 支持微调和采样，定价为每百万 token 输入 0.30 美元、缓存输入 0.03 美元、输出 1.00 美元。权重不在 Hugging Face 上，模型卡挂的是 Tinker 服务条款，而非 Apache 2.0。

TML 的解释是：按 2026 年 7 月 31 日公布的分阶段发布框架，开放程度随证据逐步扩大——从推理，到受监控的托管微调，再到可能的开源权重，每一步都以安全评估为门槛。权重发布是不可逆的，所以要等外部测试完成。这套说辞在逻辑上是自洽的，但也留下了明显的张力："承诺下周发布"和"以测试完成为条件"同时成立时，前者就不是一个确定的时间表，而是一个意向。

对比同一周的中国实验室，差异非常直观：Moonshot 的 Kimi K3.1 Pro（2.8T 总参数）权重已经直接上了 Hugging Face，百度 ERNIE 5.5 Flash Base 的权重也在 11 月 5 日当天释出。腾讯 Hy4 虽然同样"权重稍后"，但至少已在 OpenRouter 上开放 API 且价格透明。TML 的节奏明显更谨慎——或者说更慢。

这种谨慎有它的合理性。TML 是一家成立仅一年多的实验室，Inkling 是它的招牌产品线；一旦权重流出，任何安全短板都会被无限放大，分阶段发布是对一家年轻公司的自我保护。但代价也很现实：在开源权重这条赛道上，速度本身就是竞争力。等到下周权重真正落地时，市场注意力可能已经被下一波发布吸走；而在此期间，开发者只能在 Tinker 的围墙里试用，无法本地部署、无法做真正的基准复现，社区围绕它产生的讨论也必然打折。

我的观点：分阶段发布正在成为新的"默认姿势"

值得注意的是，TML 并不是唯一这么做的实验室。过去一年里，"先上 API、权重看情况"已经从例外变成了常态：安全评估、红队测试、合规审查，每一个环节都能成为推迟权重发布的正当理由。支持者认为这是负责任的表现——权重一旦公开就无法收回；批评者则认为，这不过是把"闭源"包装成了"即将开源"，用开源的叙事换取社区好感，同时保留商业控制权。

我的判断是：两者都对，关键看兑现。TML 的框架写得越正式，兑现的压力就越大——它把"下周发布"写进了公开承诺，又把安全测试设为前置条件，这两件事如果冲突，公众会看它保哪一个。如果下周权重如约以 Apache 2.0 落地，TML 将赢得"言出必行"的信誉，这对一家新实验室的价值不亚于模型本身；如果一拖再拖，"分阶段"就会变成"画饼"的代名词，而社区对这类承诺的耐心正在快速耗尽。

更深一层的问题是：当所有人都把权重发布当作可谈判的筹码时，"开源权重"这个词本身正在被稀释。Kimi K3.1 Pro 用的是自有许可协议，Hy4 的权重也还停留在"即将发布"，Inkling 2 Small 则连下载链接都没有。真正的 Apache 2.0 权重发布，在 2026 年 11 月的第一周，居然成了一件需要"等待"的事。这或许才是本周最值得记录的变化：开源不再是默认动作，而成了一个需要排期、需要条件、需要勇气的决定。

结语

Inkling 2 Small 的技术路线是清晰的：MoE 稀疏架构压低推理成本，联合强化学习训练换取长程自主能力，目标直指"能连续干几小时活"的 Agent。它的分数不算顶尖，但它的定位很准——Agent 时代比拼的从来不是单次回答的聪明程度，而是长时间不出错的稳定性。至于权重能否如期在下周落地，将是检验 TML 这套分阶段发布框架成色的第一块试金石。建议关注者等权重真正出现在 Hugging Face 上再做判断，在此之前，它首先是一个值得试用的托管模型，其次才是一个"即将开源"的承诺。