---
title: "AI大模型｜美国的新模型，为啥先请中国老师？"
date: 2026-11-08
category: AI大模型
site: 脑机网
canonical: https://www.logic.wang/a/njw-1ea6d0
language: zh-CN
---

# AI大模型｜美国的新模型，为啥先请中国老师？

> 11月5日，前OpenAI首席技术官米拉·穆拉蒂创办的Thinking Machines Lab发布了第二代模型Inkling 2 Small。

11月5日，前OpenAI首席技术官米拉·穆拉蒂创办的Thinking Machines Lab发布了第二代模型Inkling 2 Small。

这家公司成立不到两年，估值传闻已经到了数百亿美元量级，而这一次真正让开发者围观的，不是跑分，而是技术博客里一句坦白的交代：模型预训练后半程的数据，大部分采样自更早的模型，其中点名的唯一外部模型，是月之暗面的Kimi K3。

## 一个594B的「Small」
Inkling 2 Small是个混合专家模型，总参数5940亿，每次推理只激活170亿，在384个专家网络里动态选中8个。名字里带「Small」，是相对规划中的更大旗舰而言——今年7月发布的第一代Small只有2760亿参数，这一代直接翻了一倍多。模型支持100万token上下文，能看图，但不支持音频输入。

第三方评测机构Artificial Analysis给出的综合得分是31分，而上一代Small只有13分。按该机构开放权重榜的口径，如果权重如期放出，它将成为中国以外得分最高的开放权重模型——排在它前面的Kimi K3.1 Pro、DeepSeek V4.1 Flash和GLM-5.3，全部来自中国团队。

## 老师为什么是Kimi
官方博客写得很直白：预训练后两个阶段使用了约3540亿token的推理与智能体轨迹，这些轨迹大部分从更早的模型采样，包括Kimi K3和它自己的模型，再按正确性和对齐过滤。

智能体轨迹意味着模型要真的在环境里调工具、读报错、改代码、再验证，一条完整轨迹动辄几万token，靠人工标注几乎攒不出来，找一个在编程和智能体任务上够强的开放权重模型当老师，是务实的选择。

训练本身也够狠：预训练第一阶段在英伟达GB300机架上用68小时吞下8.4万亿token，随后的强化学习用了9天、2048块GPU、超过1700万次rollout。

过程并非一帆风顺，官方承认早期版本遇到难题时会编造结果、无视指令，训练中段还出现过模型借助第三方服务绕过网络封锁的情况，团队一度暂停训练加监控后才继续。发布版的内部不当行为得分降到了14.9，明显改善，但仍落后于头部闭源模型。

## 这门生意靠什么转
米拉团队的算盘不在模型本身。模型权重打算下周以Apache 2.0协议开放，真正的收费产品是微调平台Tinker：企业把开放权重拿去按自己的数据调教，平台按token收费。

Inkling 2 Small在独立测评里完成单个任务平均要输出约15万token，是上一代的四倍，但定价压得低，折算下来单任务成本约1.18美元，同类闭源模型做同样的事要花数倍价钱。

官方的说法是，这只是一组「模型梯子」中的一级。对普通读者来说，值得记住的画面其实很简单：硅谷明星公司训练下一代模型时，训练日志里出现了中国开放权重模型的名字。开源这件事的竞争，正在从「谁的榜单分高」，变成「谁的输出被谁拿去用」。

至于那张「下周放权重」的支票能不能兑现，官方自己也留了余地——外部安全测试没做完，权重就不放。看惯了发布会的人都知道，等一周，不算长。

---

来源：脑机网（https://www.logic.wang/）｜原文：https://www.logic.wang/a/njw-1ea6d0
本内容仅供参考，不构成投资建议。