近日，人工智能机构Thinking Machines Lab正式推出开源多模态混合专家模型（MoE）Inkling，该模型总参数量达9750亿，激活参数量为410亿，支持可控推理算力调节，是当前参数规模最大的开源多模态MoE模型之一，填补了超大规模开源多模态模型在推理成本可控领域的技术空白。
2026年上半年，全球开源大模型赛道的参数竞赛已经从百亿级跃升至千亿级，但高参数带来的推理成本高企，始终是横亘在开发者和落地场景之间的核心障碍，此次Inkling的发布正是瞄准这一痛点给出的差异化解决方案。
过去两年，开源大模型的性能提升始终和参数规模绑定，但稠密架构的大模型一旦突破千亿参数，推理成本会呈现指数级上升。行业测算数据显示，千亿参数稠密大模型的单token推理成本是10B参数模型的12倍以上，即使是付费调用闭源API，每月成本也可达数十万甚至上百万，绝大多数中小开发者、垂直行业企业根本无力承担。
另一方面，此前已有的开源MoE模型普遍存在参数规模不足、可控性差的问题，要么激活参数过高导致成本难降，要么能力不足以支撑复杂多模态任务，难以替代闭源大模型的落地价值。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号