共计 1494 个字符，预计需要花费 4 分钟才能阅读完成。
沿用 DeepSeek 架构, 美国大模型开始抄中国作业
OpenAI 前首席技术官米拉·穆拉蒂 (Mira Murati) 创办的 Thinking Machines Lab, 近期发布了其首款模型 Inkling。这款模型在技术路线上令人意外: 架构主要沿用 DeepSeek-V3, 后训练冷启动阶段还使用了月之暗面 Kimi K2.5 生成的合成数据。然而, 在多项基准测试中,Inkling 的综合性能落后于 Kimi 和智谱 GLM, 调用价格却更高。这一现象被业内戏称为“中国模型的贵替”——性能不算顶尖, 但凭借“美国制造”的合规标签, 依然不缺市场。
📌 Inkling 的技术底色:DeepSeek 架构 + Kimi 数据
Thinking Machines 在技术报告中明确写道 ,Inkling 的混合专家(MoE) 设计“主要沿用了 DeepSeek-V3”。它设置了大量专家模块, 每个 Token 只激活其中一小部分, 并采用了 DeepSeek-V3 的无辅助损失负载均衡等关键技术。在后训练阶段, 团队使用开放权重模型生成的合成数据启动监督微调, 其中特别提到了 Kimi K2.5。
🔍 性能与价格: 双输局面
- “人类最后的考试”纯文本评测: Inkling 得分 29.7%,Kimi K2.6 和 GLM 5.2 分别达到 35.9% 和 40.1%;
- SWE-Bench Pro(软件工程能力): Inkling 得分 54.3%,Kimi K2.6 为 58.6%,GLM 5.2 达到 62.1%;
- Terminal Bench 2.1: Inkling 仅 63.8%,Kimi K2.6 和 GLM 5.2 分别达到 71.3% 和 82.7%。
💡 穆拉蒂的算盘:“贵替”的合规价值
Thinking Machines 团队堪称“OpenAI 校友会”, 穆拉蒂本人更是深度参与过 ChatGPT 等产品的研发。但 Inkling 的技术来源却指向中国, 这并非因为穆拉蒂认为 DeepSeek 全面领先 OpenAI, 而是因为开源模型的技术可合法复用, 且闭源路线无法照搬。
更深层的原因在于市场变化: 美国企业对中国开源模型的依赖正在加深——2026 年 2 月以来,中国模型在美国企业经由 OpenRouter 调用的 Token 占比一度高达 46%。但与此同时, 美国监管层对数据安全和供应链风险的警告日益严厉, 使用中国模型的政治与合规风险上升。
Inkling 恰好填补了这个空缺: 它是一款美国公司开发、采用 Apache 2.0 许可证、支持私有部署和定制的开放权重模型。企业选择它, 可以规避使用中国模型可能引发的审查, 尤其适合政府客户和大型公司。性能“一般般”并不致命, 合规确定性才是其核心卖点。
“穆拉蒂可能从一开始就没打算靠 Inkling 争夺第一。随着美国企业使用中国模型面临越来越多不确定性, 一款性能尚可、支持定制、合规风险更低的本土开放模型, 已经拥有自己的市场。”
📊 行业观察: 中国开源模型成为全球技术参照系
围绕“沿用 DeepSeek 架构, 美国大模型开始抄中国作业”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
🚀 总结
Inkling 的发布,看似是美国明星团队的一次“平庸首秀”, 实则折射出 AI 产业的两大趋势: 一是中国开源模型的技术影响力已不可忽视; 二是地缘政治因素正在重塑模型选型逻辑。穆拉蒂的“贵替”策略能否成功, 取决于美国企业对合规确定性的支付意愿, 以及 Thinking Machines 能否在后续迭代中缩小性能差距。无论如何,Inkling 已经为“中国技术 + 美国制造”的商业模式写下了一个注脚。
