# This $12 billion startup finally shipped something...

- Channel: [Fireship](https://www.youtube.com/channel/UCsBjURrPoezykLs9EqgamOA)
- Published: 2026-07-20
- Source video: [Watch on YouTube](https://youtube.com/watch?v=M51asSwRLxA)
- Read on ReadTube: https://www.read.tube/p/videos/M51asSwRLxA
- Language: Simplified Chinese

## Summary

**十二十亿估值公司终于发货**

Thinking Machines 终于发布了首个重要产品 Inkling，这是一款开放权重、可多模态处理的大模型。视频强调它并非最强模型，而是通过可调“思考强度”和低成本微调，把能力做成可被定制的通用底座。

Thinking Machines 在高估值、久未发货的背景下，终于推出了 Inkling。它是一款总参数约 9700 亿的混合专家模型，每个 token 只激活约 410 亿参数，预训练数据覆盖文本、图像和音频，支持 100 万 token 上下文，并以 Apache 许可开放权重发布。

视频的核心观点是：Inkling 并不追求在通用榜单上碾压所有对手，而是把重点放在效率、可控性和可定制性上。它提供“思考强度”调节，低档可快速便宜地回答，高档则能在某些任务上以更少 token 达到接近顶级模型的效果；同时，它还被设计得更诚实，专门奖励模型承认不确定性，而不是装作无所不知。

- 发布方式更像平台底座，而不是单纯刷榜模型。
- 通过 Tinker，用户可以在不自建基础设施的情况下微调开放权重模型。
- 演示中，模型甚至能编写训练脚本、生成数据并更新自身权重。
- 它在多模态处理上不走常规编码器路线，而是直接处理原始音频和像素。
- 视频也指出，强化学习带来副作用，模型的内在语言开始变得更简短、更像口语化压缩表达。
- Thinking Machines 的商业逻辑是先免费给出“够强但不顶尖”的模型，再靠 Tinker 把它定制成针对某个具体任务的专家模型。