一、七十二小时，两次落地

2026 年 7 月 15 日，米拉·穆拉蒂（Mira Murati）创立的 Thinking Machines Lab 发布了公司首个从头训练的开放权重模型 Inkling。二十四小时后，7 月 16 日，月之暗面发布 Kimi K3。前者的总参数是 9750 亿；后者是 2.8 万亿，是迄今公布的最大开源模型。两家公司都把上下文窗口做到了 100 万 token，都主打多模态，都强调智能体能力。

相似到这里为止。往下看一层，两份发布文档写的是两个完全相反的故事。Inkling 的官方博客里有一句在大模型发布史上罕见的话：「Inkling 不是当今可用的最强模型——无论开源还是闭源。」而 K3 的整套发布物料，从跑分表到演示案例，都在论证一件事：开源模型第一次摸到了闭源天花板的下沿。

时间点也不是巧合。K3 的发布卡在 2026 世界人工智能大会（上海）开幕之前——这是中国 AI 产业每年最重要的展示窗口。而在美国一侧，Thinking Machines 的入场，意味着开放权重不再只是中国厂商与 Meta 的叙事，硅谷最受关注的新创团队之一也押下了赌注。开放权重这条赛道，第一次在同一周里出现了两个方向相反的旗手。

七十二小时时间线

二、Inkling：一个宣布自己「不是最强」的模型

在一个所有发布会都在喊「SOTA」的行业里，主动承认自己不是最强，本身就是一种战略表态。Thinking Machines 的逻辑是：通用模型的跑分竞赛已经不是它要打的仗。Inkling 被设计成一块「适合被改造的基座」——多模态、高效思考、且原生接入自家的 Tinker 微调平台。用户拿到的不是一个封装好的答案，而是一块可以按自己的业务重新捏形的材料。

第一张牌，可控思考努力度。Inkling 允许开发者在 0.2 到 0.99 之间设定「思考努力」，在性能与 token 消耗之间连续取舍。官方给出的曲线显示：在 Terminal Bench 2.1 智能体编程基准上，Inkling 达到与英伟达 Nemotron 3 Ultra 相同分数，只需约三分之一的 token。对一个每天被调用数百万次、嵌在长工作流里的模型来说，成本曲线比单点跑分更接近真实世界的比价方式。

第二张牌，认识论（epistemics）。Thinking Machines 把校准、指令遵循、抗审查合称为模型的「认识论」，当成一等训练目标。最值得注意的是预测能力：在 ForecastBench 预测基准（无搜索条件）上，官方公布 Inkling 得分 61.1，与谷歌 Gemini 3.1 Pro 持平，高于 GPT-5.5 的 59.1。训练方法是用强化学习对着「适当评分规则」优化——回答只有在大概率正确时才有收益，模型因此学会在该说「不知道」的时候说不知道。一个对自己每句话都自信的模型，会逼着用户复核一切；一个懂得给出恰当置信度的模型，才能被托付真实世界的决策。

第三张牌，规模化强化学习的工程细节。官方披露 Inkling 的强化学习跑了超过 3000 万次 rollout，推理性能全程对数线性提升。训练中还出现了一个未被奖励函数直接指向的涌现现象：思维链自发变得「电报化」——省略冠词与连接词，压缩语法冗余，但保持可读并得出同样答案。纯粹由效率压力驱动的语言压缩，这是 2026 年强化学习研究里最有味道的细节之一。

发布物料里最有戏剧性的演示，是让 Inkling 在 Tinker 上「微调自己」：模型自己写微调任务、生成训练数据与评测、调用 API 训练、再把新权重加载回来完成闭环。这既是能力展示，也是商业模式展示——Thinking Machines 的收入不来自卖 token，而来自卖「改造模型的能力」。同期预览的 Inkling-Small（总参数 2760 亿、激活 120 亿）进一步压低了这条路线的门槛。

可塑性路线示意

三、K3：2.8 万亿参数的正面强攻

如果说 Inkling 是绕开正面战场，K3 就是直接冲着天花板去的。2.8 万亿总参数，比 DeepSeek V4 Pro（约 1.6 万亿）大出约七成，是月之暗面 K2 系列（1 万亿级）的近三倍。架构上有两项自研创新：Kimi Delta Attention（KDA），一种混合线性注意力机制，让信息在长序列中更高效流动；以及 Attention Residuals（AttnRes），官方称之为残差连接的直接替代品，能带来稳定的规模化收益。两项技术此前都已作为开放研究发布在 GitHub 上。官方声称，配合改进的训练与数据配方，K3 相比 K2 取得了约 2.5 倍的规模化效率——这一倍数为厂商自报，尚无独立验证。

独立评测很快跟上。Artificial Analysis 的智能指数给 K3 打出 57 分——高于 Claude Opus 4.8（约 56 分），仅次于 Claude Fable 5（约 60 分）与 GPT-5.6 Sol（59 分）。也就是说，一旦权重如期放出，K3 将以明显优势成为最强开源模型：目前开源阵营的最高分是 GLM-5.2 的 51 分。在智能体任务上，K3 在 GDPval v2 上拿到 1668 的 Elo 评分，较 K2.6 的 1190 大幅跃升，超过 Opus 4.8 的 1600，仍低于 Fable 5 的 1760。在 Arena 的前端代码竞技场——由人类评委盲测比较生成结果——K3 登顶第一，超过了 Fable 5。

这里需要把故事写全。月之暗面在过去十八个月里并不好过：DeepSeek 的横空出世一度大幅挤压了它的市场位置，行业媒体普遍将 K3 视作一场翻身仗。翻身的底气来自资本：据英国《金融时报》报道，月之暗面正在洽谈新一轮融资，估值约 315 亿美元——今年 5 月它刚以 200 亿美元估值融资 20 亿美元。需要说明口径：这是一级市场的报道估值，既非官方确认，也不等于二级市场市值。

规模路线示意

四、口径与水分：怎么读这两份成绩单

发布周的信息环境是最嘈杂的。社交媒体上流传的「K3 击败 Opus 4.8 全部十四项」「击败 GPT-5.6 Sol 十一项」，均出自月之暗面的自报评测套件；Inkling 博客里的对比表格，同样由 Thinking Machines 自己挑选基准与对手。厂商自报不必然造假，但基准的选择权本身就是叙事权。判断真实身位，要看独立第三方：Artificial Analysis 的独立复测大体支持了 K3 的自我定位——月之暗面自己也在发布文档中承认整体性能仍落后于 Fable 5 与 GPT-5.6 Sol。

第二个口径问题更根本：「开源」这个词本身。截至本文撰写，K3 的完整权重尚未放出——官方承诺 7 月 27 日发布，当下开发者只能通过 API 与 Kimi 应用使用，无法独立检验、修改或本地部署。而 Inkling 的全量权重已在发布当日上架 Hugging Face，包括为英伟达 Blackwell 优化的 NVFP4 版本。换句话说，在 7 月 27 日之前，K3 的所有「开源里程碑」叙事都是期货；Inkling 的开放是现货。这不是价值判断，但它是本周所有比较的前提条件。

第三，K3 的成绩单里也有诚实的暗面。Artificial Analysis 的数据显示，K3 在其 Omniscience 知识评测上准确率从上代的 33% 提升到 46%，但幻觉率同时从 39% 攀升到 51%——模型更博学了，也更敢编了。另据独立开发者西蒙·威利森（Simon Willison）的测试，K3 目前只提供「max」一档推理力度，输出极其冗长；Artificial Analysis 也指出其完成智能指数评测消耗了约 1.3 亿 token，远高于约 6300 万的同类平均。规模买来了智能，也买来了话痨。

最后一条来自 Axios 的提醒，适用于所有发布周：模型上线仅数小时，早期跑分与病毒式演示可能高估其在真实工作中的可靠表现。历史上每一代「震撼发布」，都在两周后的日常使用中被重新定价。

⁂

五、开源经济学的倒转

K3 发布中最颠覆行业直觉的，其实不是参数，而是价签。每百万 token 输入 3 美元、输出 15 美元——与 Anthropic 的 Sonnet 系列同价，是迄今中国 AI 实验室发布过的最贵模型。对照上代 K2.6 的输入 0.95 美元、输出 4 美元，涨幅接近四倍。「中国开源模型等于白菜价」的时代，被月之暗面自己亲手终结了。

但单价只是比价的第一层。Artificial Analysis 给出了更接近真实成本的口径——每任务成本：K3 完成其智能指数评测平均每任务 0.94 美元，与 GPT-5.6 Sol 的 1.04 美元相当，约为 Opus 4.8（1.80 美元）的一半；但远高于开源同侪 GLM-5.2 的 0.32 美元与 DeepSeek V4 Pro 的 0.04 美元。K3 的 token 效率相比 K2.6 提升了约 21%，可它的绝对消耗量仍是同类平均的两倍以上。单价、效率、总消耗三者相乘，才是账单。

Inkling 站在这套经济学的另一端。它不按 token 卖模型，而是把模型作为 Tinker 平台的入口——限时五折供应微调算力，收入来自「改造」而非「调用」。它的可控思考努力度，本质上是把「每任务成本」做成了一个可调旋钮：同一个模型，客服场景拧到 0.3，科研场景拧到 0.99。而 K3 目前只有一档「max」。两家公司用产品设计各自回答了同一个问题：当智能的边际价格持续下降，钱到底该收在哪一层？

比价维度的迁移

六、WAIC 前夜的产业信号

把镜头拉远。K3 发布于世界人工智能大会前夕，而 DeepSeek 的下一代模型也被广泛预期将在近期发布——中国开源阵营正在进入密集出牌期。在美国一侧，除了 Thinking Machines 的入场，Meta 的 Llama 路线仍在延续，开放权重在中美两个生态里同时升温。值得注意的是格局的变化：过去两年，「开源」在很大程度上被理解为追赶者的策略——用开放换生态，用生态换时间。而这一周的两次发布显示，开放权重正在变成一种主动的商业设计，而不只是落后者的无奈。

对中国厂商，K3 的定价转向是一个产业成熟的信号：当模型能力真正逼近第一梯队，就不再需要用价格证明自己。对美国厂商，Inkling 的路线则说明，即便承认在绝对能力上不做正面竞争，依然可以靠微调经济、效率曲线与平台生态开辟出可防守的生意。两条路线共同抬高了闭源模型的机会成本——这是本周对 Anthropic、OpenAI 与谷歌最实际的压力。

还有一个容易被忽略的细节：Inkling 的部署合作伙伴名单里，推理服务由 TogetherAI、Fireworks、Databricks 等平台承接，开源推理框架 SGLang、vLLM 的适配也在发布日同步就绪。开放权重的竞争，正在从「谁的模型强」延伸为「谁的权重落地更快、跑得更便宜」——一条围绕开源模型的完整供应链已经成形，而这条供应链对中美两边的模型一视同仁。

开放权重供应链

七、分岔，还是合流

两条路线各自押着一个关于终局的假设。K3 押的是：规模仍未失效，2.8 万亿参数买得到真实的智能增量，而智能增量终将折算成定价权——它的价签已经在这么定了。Inkling 押的是：通用能力终将商品化，最强模型的租金会被竞争磨平，可持续的利润在「把通用模型变成专用员工」的那一道工序里。前者赌的是天花板还很远，后者赌的是地板正在抬升。

但分岔的两条路，在地下已经握过手。Inkling 的官方博客坦承：其后训练的冷启动阶段，使用了包括 Kimi K2.5 在内的开源模型生成的合成数据。也就是说，这个美国「可塑性路线」的代表作，其起跑线上有一部分是中国「规模路线」上一代模型铺出来的。开放权重生态的真实运行方式正在显形：每一次权重的公开，都会变成下一个模型的营养——不分国界，不分路线。

所以「分岔」可能是一个阶段性的错觉。往前看一步：K3 的权重一旦在 7 月 27 日落地，它同样会进入微调供应链，被 Tinker 这样的平台承接；而 Inkling 家族如果如官方所言持续扩大规模，两条路线会在「大规模、可微调、按效率曲线定价」的同一个点上重逢。真正的分水岭也许不在中美之间，也不在开源与闭源之间，而在两种商业想象之间：把智能当成商品来卖，还是把智能当成材料来卖。

分岔与合流

开源之争的下半场，比的不是谁更开放，而是谁定义「开放」的用途。

来源说明：Inkling 数据来自 Thinking Machines Lab 官方发布（2026 年 7 月 15 日），其中效率曲线、ForecastBench 分数、强化学习细节为官方自报；Kimi K3 数据经 Artificial Analysis 独立评测、Simon Willison、The Decoder、Axios、VentureBeat 交叉核验（2026 年 7 月 16—17 日）；月之暗面融资估值出自《金融时报》报道，属一级市场传闻口径，未获官方确认；「规模化效率提升 2.5 倍」「击败某模型 N 项」等为厂商自报，文中已标注。K3 完整权重截至撰稿尚未放出，相关结论以 7 月 27 日实际发布为准。撰于 2026 年 7 月。

转载请注明：《宇宙纪事 · 深度专研》系列。

宇宙纪事 / COSMIC CHRONICLES