Mira Murati团队发布二代模型，公开采用Kimi训练数据

11 月 5 日，OpenAI 前 CTO Mira Murati 创立的 AI 初创公司 Thinking Machines Lab（简称 TML）同时传出两条重量级动态。一边是据报道公司正以 400 亿美元投前估值筹集 50 亿美元融资，另一边则是其正式发布第二代大语言模型 Inkling 2 Small。

第三方评测机构 Artificial Analysis（AA）对该模型给出了极高评价：在正式放出权重后，它将成为「中国以外得分最高的开放权重模型」。

然而翻开 Inkling 2 Small 的技术报告，除了一贯亮眼的跑分表外，最引人关注的是一行交代训练数据来源的说明：预训练后半程的推理与智能体轨迹数据，大部分采样自更早的模型，其中明确点名了中国大模型公司月之暗面的 Kimi K3。

594B 参数的「Small」模型

TML 于今年 7 月推出的初代 Inkling 模型总参数为 975B，衍生版本 Inkling Small 为 276B。到了第二代，冠以「Small」之名的 Inkling 2 Small 参数规模逆势翻倍，总参数量达到 594B，采用 MoE 架构，每次推理激活 17B 参数，支持 100 万上下文窗口与可调思考深度，支持视觉输入。

该模型的训练链路极其重度：

• 预训练第一阶段在 NVIDIA GB300 NVL72 机架上，以原生 NVFP4（4 比特浮点）精度用 68 小时处理了 8.4 万亿 Token；
• 第二阶段喂入 3.8 万亿 Token 的高质量新数据；
• 后续两个阶段注入约 3540 亿 Token 的推理与智能体轨迹，将上下文拉升至 100 万；
• 最后经过长达 9 天、调用 2048 块 GPU 的联合强化学习（超过 1700 万次 rollout）。

长链路训练换来的是出色的长程自主工作能力。在官方演示中，模型能用 Three.js 从零写出包含电力、预算及突发事件模拟的完整城市经营游戏；用 Python 编写出可运行真实 Linux 内核的电脑模拟器；还能直接把 2D 户型图还原为可交互的 3D 漫游场景。

在基准测试中，Inkling 2 Small 在办公知识和复杂业务流表现突出。AA-Briefcase（考察表格、演示文稿与备忘录）测试中，其 Elo 评分达到 1527 分，明显领先于 Claude Sonnet 5.5（1439 分）。在 JobBench、法律指数和金融指数等多项评估中也拿下了第一。

但它并非毫无短板。在编程基准 FrontierCode v2.0 上，其表现落后于 DeepSeek-V4.1-Flash；在命令行任务 Terminal-Bench 4.0 上，完成率仅为 13%，远不及 Sonnet 5.5 的 30%。同时，模型为了降低幻觉率，采用了「不会做就不答」的策略，日常对话体验较为粗糙。

为微调云服务 Tinker 打造标杆

为什么要做一个日常对话略显平庸、却在写代码和做表格上极度偏科的模型？核心原因在于 TML 的商业闭环——云端微调平台 Tinker。

对 TML 而言，开放权重模型更像是 Tinker 平台的招牌：开源模型负责在开发者社区树立口碑，吸引企业客户前往其平台付费进行模型微调与部署推理。

这种定位直接决定了强化学习的任务配比。按 Token 消耗计算，编程占 65.0%，办公与知识工作占 13.3%，STEM 推理占 7.6%，网页与应用构建占 7.2%，四项生产力指标合计超过 93%，而与闲聊相关的板块仅占 0.2%。

TML 在技术报告中反复强调其「易于微调」的特性。在一项财报摘要任务中，新模型仅微调 75 步即追平了初代模型微调全程的效果。甚至在一项测试中，官方为 Inkling 2 Small 分配了 500 美元预算，让它在 Tinker 上自主调优开源的 Qwen3.5-4B 基础模型，最终全自动完成了从编写测试到强化学习的全流程。

硅谷模型为何开始参考中国模型

在模型训练报告中，TML 写道：「预训练第三和第四阶段的数据，大部分是从更早的模型（包括 Kimi K3 和我们自己的模型）采样得到的轨迹，并经过正确性与对齐过滤。」

这两个阶段合计约 3540 亿 Token，体量虽不及前期的 12 万亿 Token，但至关重要——正是这部分数据让模型学会了长上下文推理和 AI 智能体任务规划。

高质量的智能体轨迹生成成本极其高昂。它需要模型在真实环境中调用工具、解析报错、迭代代码并验证，单条轨迹往往耗费数万 Token，人工标注根本无法规模化。直接调用在编程与推理上足够成熟的开放模型跑任务、沉淀成功轨迹，是当前极具工程效率的做法。

以往业界常态是基于 Meta 的 Llama 体系做微调，或是利用闭源头部模型的输出来训练小模型。如今，Kimi K3 与阿里的 Qwen 等中国开源模型，正逐步成为海外头部团队训练下一代基座模型时不可忽视的数据源与底座。

距离开源第一梯队还有多远？

在 Artificial Analysis 最新的开放权重排行榜中，Inkling 2 Small 凭借 31 分的综合成绩位列欧美开放权重模型榜首，超过了 Mistral Large 4（26 分）和 Meta 的 Muse Spark Open（25 分）。