MoE 架構優化效率
總參數 970B 但每 token 僅激活 41B，讓模型在低算力下保有大規模模型的智能。
This $12 billion startup finally shipped something...
✓ 這篇在你的庫裡
在摘要庫開啟 →
這部在講什麼知識講解
介紹前 OpenAI CTO 創立的 Thinking Machines 公司及其首款開源模型 Inkling，分析其技術創新與「以微調為核心」的商業策略。
適合誰關注 AI 開源社群與大模型架構的開發者。
關鍵概念了解 Inkling 的 MoE 運作機制、思考強度調節功能、大模型商業競爭新思維。
最值得看1:35 詳解 Inkling 如何用 41B 激活參數達成高效率運算。
概念地圖
概念與關係意義優先，時間戳用來導航
思考強度自定義
提供「思考強度」旋鈕，開發者可自行平衡「即時回答」的低成本與「深度思考」的高準確性。
具備認識論的誠實度
透過 Epistemics 訓練，模型被獎勵「承認無知」而非瞎編，使其在事件預測表現上超越 GPT-5.5。
開源模型作為誘餌
官方坦承 Inkling 並非最強模型，其策略是提供免費開源權重，再吸引使用者付費使用 Tinker 平台進行微調。
節省 Token 的副作用
強化學習導致模型內心獨白出現「原始人說法（Caveman speak）」，為了極致節省 token 而省略虛詞。
看完可以做什麼
前往 Hugging Face 下載具備 Apache 協議的 Inkling 權重，評估其在特定垂直領域微調的潛力。需要留意：Inkling 的原始智能基準測試僅屬中階，若不經過針對性微調，其表現無法與頂尖的閉源 Frontier 模型抗衡。
生成於 6 天前
檢舉
觀眾怎麼看
整理 40 則有效留言信心 高觀眾對高估值 AI 新創的產品實用性持保留態度，並對創辦人背景及 AI 產業現狀感到疲乏。
多數觀眾表示對當前 AI 領域的頻繁更新與過度炒作感到厭倦，對新創公司的產品發布反應冷淡。
觀眾普遍認為，若模型能承認自己不知道答案而非產生幻覺，將會是極具價值的技術突破。
觀眾質疑該公司在獲得巨額融資後，推出的產品是否真的具備市場競爭力或獲利潛力。
部分觀眾質疑創辦人缺乏技術背景，僅靠募資能力獲取資源；另一部分則認為其策略在於開拓利基市場。
有觀眾認為影片節奏過快、廣告比例過高，且內容偏向產品推廣而非深入的技術報導。
留言樣本多為情緒性表達，且部分內容涉及對創辦人的個人臆測，非客觀事實。