7.8
深览指数
科技虎嗅·字母AI··AI 生成
沿用DeepSeek架构，美国大模型开始抄中国作业
文章报道了 OpenAI 前 CTO 穆拉蒂创立的 Thinking Machines Lab 发布的首款模型 Inkling,其 MoE 架构主要沿用了 DeepSeek-V3,后训练还使用了 Kimi K2.5 生成的数据,但综合性能落后于中国头部开放模型,定价却更高。作者认为,这不是一次失败的技术尝试,而是一个经过计算的商业选择:在美國对中国 AI 模型监管趋严的背景下,Inkling 的价值在于作为一款美国本土的开放权重模型,为企业提供合规确定性。文章揭示了美国 AI 监管政策可能意外催生本土“贵替”市场,并导致美国企业面临结构性竞争劣势。适合关注 AI 产业竞争格局、模型技术路线与商业策略的深度读者。原文 ↗
核心观点
- ▍Thinking Machines 推出的 Inkling 模型性能落后于中国头部开放模型且定价更高,并非技术失误,而是瞄准了美国企业因监管趋严而无法继续使用中国模型所形成的合规市场空白,其核心价值在于“合规确定性”而非性能领先。
- ▍美国对中国 AI 模型的监管收紧,可能适得其反,为性能较弱、价格更高的本土替代品(Inkling)创造市场,最终导致美国企业承担更高成本和竞争劣势。
- 01Inkling 采用 MoE 架构,总参数量 9750 亿,激活 410 亿参数,技术报告明确表示其混合专家设计“主要沿用了 DeepSeek-V3”。
- 02Thinking Machines 为了启动后训练,使用了 Kimi K2.5 等开放模型生成的合成数据进行监督微调。
- 03在“人类最后的考试”评测中,Inkling 得分 29.7%,而 Kimi K2.6 和 GLM 5.2 分别达到 35.9% 和 40.1%。
- 04Inkling 在 Tinker 平台的定价(64K 版本,输入 1.87 美元/百万 Token,生成 4.68 美元/百万 Token)高于 Kimi K2.6 和 GLM 5.2,且这已是“限时五折价”。
- 05Thinking Machines 核心团队约三分之二来自 OpenAI,拥有顶级的 AI 研发经验和充足资金(种子轮 20 亿美元,估值 120 亿美元)及英伟达最新训练系统。
- 06根据 OpenRouter 数据,2026 年 2 月以来,中国模型在美国企业经由该平台调用的 Token 中,每周占比超过 30%,最高达 46%。
- 07Cursor 和桥水基金等美国企业已开始使用 Kimi K2.5 和 Qwen 等中国模型,因为它们性能强且成本低。
反方 / 局限
- — 作者承认,Inkling 借鉴中国模型不能直接证明穆拉蒂认为 DeepSeek 技术全面领先 OpenAI,因为双方模型的公开程度不同,可供借鉴的条件完全不同。
- — 文章暗示,Thinking Machines 的“贵替”策略成功与否,高度依赖于美国监管政策是否持续收紧。若监管放松或出现漏洞,Inkling 的市场空间可能被证伪。
11 分钟 · 4 卡片 · 12 资料
读原文 →