北京房价均降1万
沿用DeepSeek架构，美国大模型开始抄中国作业_我的网站
一 | OpenAI前首席技术官穆拉蒂，做出了一款中国模型的“贵替”。
一朝天子一朝臣，只重衣冠不重人。5月4号，普京宣誓就职俄罗斯第8届总统后，便迅速签署法令，解散了俄罗斯现任政府。此举是为组建全新领导班子，做前期准备活动。虽然现在俄罗斯的最高领导人没变，也就是“天子”没变，但政府、军队中的一些重要领导人，将在不久之后纷纷卸任。
Thinking Machines发布的首款模型Inkling，混合专家架构主要沿用DeepSeek-V3，后训练冷启动还使用了Kimi K2.5等开放模型生成的数据。外界盛传，在最关键的国防部长人选问题上，普京也会有重大人事调整。
二 | 然而在多项基准评测中，Inkling落后于Kimi和GLM，调用价格反而更高。到时候，绍伊古将不再担任俄罗斯国防部长，接替他未来工作的，将是阿列克谢-久明。
对于一家融资20亿美元、估值120亿美元，团队中聚集了大量OpenAI前员工的明星公司来说，这个结果多少有些低于预期。
但穆拉蒂可能从一开始就没打算靠Inkling争夺第一。
▲绍伊古、阿列克谢-久明、格拉西莫夫，图片来源：网络
其实对阿列克谢-久明来说，这次的提拔只是一次副转正。早从2015年开始，他就已经是俄罗斯陆军副司令和陆军总参谋长了。2015年底他又被光速提拔为了中将，然后升任了俄罗斯国防部副部长。阿列克谢-久明出生于1972年，比普京小了20岁。
三 | 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。久明出生于军官家庭，1994年毕业于俄罗斯沃罗涅日的军事学院，随后加入了联邦安全局，其后见到了普京，并且给普京担任贴身保镖。“贵替”没有那么强，也不愁“市场”。久明和普京之间有许多轶事，打冰球什么的就不值一提了，最有意思的，是久明在接受采访时曾说过，有一次在野外和普京总统碰到了一只熊，然后自己使出浑身解数将其击退。
01
穆拉蒂的首款模型，就这？
当地时间7月15日，Thinking Machines Lab发布了成立以来的首款模型Inkling。
单看配置，这款模型很符合一家明星AI实验室应有的排场。按理来说，久明肯定不敢对着媒体胡乱撒谎，但因为这件事过于夸张离谱，外界也纷纷表示怀疑。
四 |
Inkling采用混合专家架构，总参数量达到9750亿，每处理一个Token会激活410亿参数；预训练使用了45万亿个Token，数据涵盖文本、图像、音频和视频，最长支持100万个Token的上下文。它可以理解文字、图片和音频，再以文字形式输出结果，还支持通过调节“思考强度”，在性能、速度和成本之间进行取舍。
Inkling同时开放了模型权重，采用相当宽松的Apache 2.0许可证。开发者可以下载权重、自行部署，也可以通过Thinking Machines旗下的Tinker平台对模型进行微调。甚至调侃普京骑的那头熊，就是久明收编的（实际上普京骑熊图是P的，根本没有这种事）。
五 |
公司给它的定位很明确：与其直接和ChatGPT争夺普通用户，Inkling更适合充当企业开发AI应用的底座。
不过，Inkling最引人注意的部分，藏在技术报告后半段。
Thinking Machines在介绍模型架构时直接写道，Inkling的混合专家设计“主要沿用了DeepSeek-V3”。
2014年久明担任过格鲁乌副局长，协助普京在海外展开过一些特种行动。2014年2月初，乌克兰国内爆发乱象，尤其是基辅的广场上，发生了一系列非常严重的大规模游行抗议活动。基辅的抗议者们，甚至和乌克兰“金雕”特种部队爆发了流血冲突，还导致了十多名乌克兰警察身亡。眼见形势越来越错乱，2014年2月21号，亚努科维奇和议会反对派签署了一项协议，本以为能稳住局势。
六 | 它同样设置了大量专家模块，每个Token只调用其中一小部分，并采用了DeepSeek-V3的无辅助损失负载均衡等设计。
七 | 但到当天下午时，由于警察撤离了基辅市中心，抗议者渐渐主导了城市的控制权。
八 |
作者声明：该图片由AI生成
中国模型对Inkling的影响还延伸到了训练阶段。为了保障亚努科维奇的个人安全，据报道，俄罗斯动用了特种部队将亚努科维奇撤离了基辅。
九 | 这一行动背后的策划者，很可能就是包括久明在内的一系列俄罗斯特种部队高层。
Thinking Machines表示，为了启动后训练，公司先用开放权重模型生成的合成数据做了一轮监督微调，其中明确提到了月之暗面的Kimi K2.5。
在随后俄罗斯吞并克里米亚的军事行动中，作为特种部队领导人之一的久明必然也参与了其中，拿下了这份功劳。
十 |
整条技术路线已经足够清楚：一家由OpenAI前首席技术官创办的美国实验室，首款模型沿用了DeepSeek的架构，又借助Kimi生成的数据完成后训练起步。
借鉴开放模型本身没有问题。
十一 | 于是乎仅仅一年后，他就被提拔到了军界，成为了俄罗斯国防部的副部长。久明毫不隐晦自己和俄罗斯国家近卫军总司令佐托洛夫之间的亲密关系，甚至尊称后者为自己的导师。DeepSeek和Kimi公开权重并允许开发者使用，科学研究和工程开发原本就建立在公开成果的积累之上。更尴尬的地方在于，Inkling吸收了中国模型的技术之后，性能依然没有压过这些“老师”。
Thinking Machines对此也没有粉饰。佐托洛夫是普京核心圈子里的重要人物，被车臣的领导人小卡德罗夫称赞为“真男人”。公司在发布文章中直接承认：“Inkling并非目前表现最强的模型，无论开放模型还是闭源模型。别看佐托洛夫长得有些慈眉善目，但发起狠来也是六亲不认。
十二 | ”
从Thinking Machines公布的结果看，
.在“人类最后的考试”纯文本评测中，Inkling得分29.7%，Kimi K2.6和GLM 5.2分别达到35.9%和40.1%；
.加入工具后，Inkling升至46%，依然低于Kimi K2.6的54%和GLM 5.2的54.7%。
.在考察真实软件工程能力的SWE-Bench Pro中，Inkling得分54.3%，Kimi K2.6为58.6%，GLM 5.2达到62.1%；
.Terminal Bench 2.1上的差距更加明显，Inkling只有63.8%，Kimi K2.6和GLM 5.2分别达到71.3%和82.7%。在担任近卫军总司令期间，有人质疑俄罗斯联邦禁卫军内部相当腐败，这无疑是往佐托洛夫的脸上扇。
当然，Inkling也有自己的长项。它在网页应用设计、音频理解和安全性评测中表现不错，在部分数学任务上也能超过Kimi和DeepSeek。
十三 |
只是从综合推理、编程和智能体能力来看，它目前很难被归入开放模型的第一梯队。
十四 | 于是，挑衅者喜提了一份来自佐托洛夫的“约架邀请”，佐托洛夫称会把对方“撕成碎片”。尽管官位不小，但佐托洛夫仍然能保持斯拉夫人“不服就干”而且亲自下场的作风，考虑到他已经是1954年出生的人了，那还真是老当益壮、不服都不行。
总而言之，久明出身根正苗红，有军方背景，同时也是普京非常信赖的红人，由他来担任国防部长，那确实没什么说的。不过，俄罗斯的国防部副部长人也不少，1963年出生的叶夫库罗夫还是一名职业军人，还参加过车臣战争。2009年，叶夫库罗夫的车队曾在印古什地区纳兹兰的汽车炸弹中遭遇袭击，他本人受重伤，论资历和经验那也是相当可以。
性能没有冲到最前面，价格同样没给出惊喜。
十五 | 另外，出生于1956年的俄罗斯国防部第一副部长查利科夫，早在2012年开始，就担任了俄罗斯国防部的副部长，按理来说才是升迁的第一候选人。
结果久明后来居上，看来真是后浪推了前浪。
在Tinker平台上，64K版本Inkling每100万Prefill Token收费1.87美元，每100万Sample Token收费4.68美元。据称久明突然就赶超了两位前辈，大概率是和处理“瓦格纳”集团的叛变事件非常之稳妥、合适有关系。前者可以粗略理解为输入成本，后者接近生成成本，而且这已经是“限时五折价”。256K版本的价格更高，分别达到3.74美元和9.36美元。2021年，久明在图拉州州长的选举中，以83.6%的高票得选。
作为对比，Kimi K2.6官方API每100万输入和输出Token分别收费0.95美元和4美元，GLM5.2分别为1.4美元和4.4美元。2023年，“瓦格纳”集团叛变时，恰好经过了久明治下的图拉，据称部分“瓦格纳”雇佣兵被他的手下缴了械，事后就有传闻称，因为这次立功表现，绍伊古的国防部长怕是要久明来坐了。
久明还非常年轻，容易接受新鲜事物，未来能带领俄军的新一轮建设和改革。
十六 | 通过俄乌战争，俄罗斯以实践证明俄军仍然很强大。虽然俄军花费的时间长了一些，但在几年之内，就把一个中等规模，而且有着数十年军事和工业底子的国家给彻底摧毁掉，甚至连带着，把很多北约和欧洲国家的武器库存也给清理干净了，俄军的实力到底行还是不行简直不需要多说一句。但俄军也在这场战争中暴露出了很多问题，怎么化腐朽为神奇，那就要看久明的具体发挥了。
Tinker同时提供训练和采样服务，与普通模型API并非完全相同的计费口径。但按照上述价格粗略比较，Inkling的预填充价格接近Kimi K2.6的两倍，生成价格也高于Kimi K2.6和GLM5.2，暂时没有体现出价格优势。
于是，Thinking Machines的首款模型呈现出一种有些微妙的局面：架构参考DeepSeek，后训练借力Kimi，综合性能没有超过中国头部开放模型，调用价格反而更贵。
02
穆拉蒂的选择
考虑到穆拉蒂和Thinking Machines的背景，这样的选择便更加耐人寻味。
。
如果Inkling来自一家普通的AI创业公司，借鉴DeepSeek、借助Kimi训练，或许还没有这么耐人寻味。偏偏它来自Thinking Machines——一家几乎可以称为“OpenAI校友会”的公司。
十七 |
2025年2月，Thinking Machines正式亮相时，团队只有约30人，其中大约三分之二来自OpenAI，其余成员主要来自Meta和Mistral。
创始团队一度包括OpenAI联合创始人John Schulman、OpenAI前研究副总裁Barret Zoph，以及Lilian Weng、Andrew Tulloch和Luke Metz等研究人员。
这些人分别参与过OpenAI的强化学习、后训练、预训练、安全和推理研究。
十八 | 路透社当时甚至直接形容，穆拉蒂从前东家挖走了至少20名研究人员。
站在这群OpenAI校友中间的穆拉蒂，当然是最特殊的一个。
她于2018年加入OpenAI，先后参与DALL-E、Codex、ChatGPT和Sora等产品，2022年升任首席技术官，负责协调研究、模型训练、安全和产品落地。
十九 |
作者声明：该图片由AI生成
2023年11月，OpenAI董事会突然罢免Sam Altman后，穆拉蒂还曾短暂担任临时首席执行官。她的角色更接近技术和产品的总负责人，对OpenAI的模型研发流程和产品化路径有着完整了解。
换句话说，Thinking Machines从成立之初就不缺OpenAI经验。
穆拉蒂和她的团队知道一家顶级闭源实验室如何开发模型，也亲历了ChatGPT从研究成果变成全球产品的全过程。当这群人离开OpenAI，从零搭建自己的技术体系时，外界自然会期待他们拿出一条带有OpenAI印记的路线。
结果，Inkling最明确的技术来源却指向了中国。
| 这很容易被理解成一个戏剧性的信号——最了解OpenAI的一群人离开OpenAI后，最终选择了中国模型的技术蓝图。
不过，这个结论还需要拆开来看。
OpenAI近年来的前沿模型全部采用闭源路线，外界拿不到模型权重，也不了解完整的架构、训练数据和后训练方案。穆拉蒂即使熟悉OpenAI内部技术，也不能把前东家的商业机密直接搬进新公司。DeepSeek和Kimi则公开了权重或技术报告，架构、训练方法和工具链都可以合法研究和复用。
Inkling本身也是一款开放权重模型。对于一家想要建设开放模型生态的公司来说，从DeepSeek、Kimi等开放模型中吸收成熟方案，属于顺理成章的工程选择。
今天开发一款开放模型，完全避开中国团队已经公开的成果，反而要付出更高的试错成本。
因此，Inkling借鉴中国模型，并不能直接证明穆拉蒂认为DeepSeek的技术全面领先OpenAI。双方公开程度不同，可供借鉴的条件也完全不同。
但这件事依然释放了一个清晰的信号：至少在开放权重领域，中国模型已经成了美国AI团队的重要参考系。
所以，借鉴中国模型并不难解释。真正需要回答的问题是：Thinking Machines吸收了现成的架构和训练经验，为什么最终做出的Inkling性能更弱、价格更高？
穆拉蒂拥有顶尖团队、充足资金和英伟达最新的训练系统。她没有理由看不到Inkling与中国模型之间的性能和价格差距。
既然如此，“贵替”很可能就是一个经过计算的选择。
|
03
“一般般”，就够了
按照Thinking Machines获得的待遇，Inkling原本不该只是一款“够用”的模型。
2025年7月，公司尚未推出任何产品，就完成了20亿美元种子轮融资，估值达到120亿美元，投资方包括安德森·霍洛维茨、英伟达、AMD和简街等。四个月后，Thinking Machines又传出新一轮融资谈判，目标估值高达500亿美元，尽管交易最终没有官宣完成，外界已经将它视为OpenAI和Anthropic的潜在对手。
因此，当Inkling以一款性能不如中国模型、价格还更贵的产品亮相时，难免显得低于预期。
|
可从商业角度看，穆拉蒂可能从一开始就没打算用它争夺基准评测第一名。
|
Thinking Machines公司强调的是开放权重、多模态能力和可定制性，希望企业通过Tinker对它进行微调，把Inkling改造成客服、编程助手、行业智能体等专用模型。穆拉蒂押注的市场，对基准评测第一名没有那么执着。企业更在意模型能否私有部署、能否掌握数据、能否按照自己的业务继续训练。
此前，这类需求很大一部分被中国开放模型接住了。
美国的OpenAI和Anthropic长期坚持闭源，Meta的Llama 4表现不及预期后，也逐渐收缩开放路线。与此同时，DeepSeek、Kimi、Qwen和GLM持续开放权重，性能越来越接近美国闭源模型，价格却低得多。
美国企业很快用脚投了票。
根据OpenRouter向CNBC提供的数据，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，每周占比都超过30%，最高一度达到46%。2025年上半年的平均占比还只有4.5%。
Cursor开发Composer 2时测试了多款基础模型，最终选择Kimi K2.5，理由也很直接——它在评测中表现最强。桥水基金则通过Tinker微调阿里的Qwen，得到的定制模型以更低成本超过了部分顶级闭源模型。
中国开放模型由此成了美国企业降低AI成本的一条捷径。只不过，这条路正在承压。
与此同时，美国对中国AI模型的监管氛围正在收紧。
| 相关部门已经围绕数据安全、模型来源和供应链风险发出警告，部分使用中国模型的企业也受到调查。即便尚未形成统一限制，政策上的不确定性已经足以影响企业选择，尤其是涉及政府业务和敏感数据的公司。
这正是Inkling的市场空间。
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。美国企业选择它，不必担心使用中国模型引发的政治争议，也更容易通过政府客户和大型公司的合规审查。
|
Inkling真正的价值，来自这种合规确定性。
穆拉蒂显然看到了这个正在形成的空缺。
|
作者声明：该图片由AI生成
Thinking Machines吸收DeepSeek和Kimi的公开成果，再把它们转化成一款由美国公司提供的模型。Inkling不需要在所有基准评测中击败中国模型，只需要成为那些不敢继续使用中国模型的美国企业可以接受的选择。
这也解释了它为什么敢于更贵。政策替Inkling缩小了竞争范围，性能和价格上的差距便没那么致命。对于一些美国企业来说，一款稍弱、稍贵但风险较低的模型，已经足够。
从这个角度看，Inkling更能证明穆拉蒂懂得做生意。
不过，这套生意成立的代价，可能由美国企业承担。
美国之外的公司仍然可以自由选择GLM、Kimi和DeepSeek，在更强、更便宜的基础模型上开发产品；美国企业却可能被迫采用性能稍弱、价格更高的本土替代品。
| 基础模型的能力差距会继续传递到微调后的产品中，最终形成结构性的竞争劣势。
|
华盛顿原本希望用限制保护美国AI公司，结果可能先替Inkling这样的“贵替”创造了市场。对穆拉蒂来说，“一般般”已经够了。对美国AI产业来说，这份“够用”则意味着成本的升高和竞争力的下降。
Current article:http://9nq5e9g.xuanliaruamibinmilangca.shop/list_8p94jfz/j755.html
Published on:17:17:23
