Skip to main content

OpenAI前CTO新模型翻车：抄中国作业，性能不如还更贵

OpenAI前CTO穆拉蒂（Mira Murati）离开老东家后的首秀，意外上演了一场中美大模型角色互换的戏码。

7月15日，她创办的Thinking Machines Lab发布了首个模型Inkling。这款混合专家架构模型，主要参考了DeepSeek-V3的设计，后训练冷启动阶段还用了月之暗面Kimi K2.5等开源模型生成的合成数据。结果有点尴尬：多项基准评测中，Inkling落后于Kimi和智谱GLM，调用价格反而更高。一家融资20亿美元、估值120亿美元的明星公司，首秀表现低于预期。

但穆拉蒂可能从一开始就没打算争第一。

硬件豪华，性能平平

单看硬件配置，Inkling确实配得上明星实验室的身份。它采用混合专家架构，总参数量9750亿，处理每个token激活410亿参数；预训练用了45万亿token，覆盖文本、图像、音频和视频，支持最多100万token上下文；能理解文本、图像和音频，以文本形式输出，还支持调整思考强度来平衡性能、速度和成本。模型开放权重，采用相对宽松的Apache 2.0许可证，允许开发者下载权重自行部署或通过Thinking Machines的Tinker平台微调。公司定位很明确：与其跟ChatGPT抢普通用户，不如让Inkling成为企业开发AI应用的基础。

真正让人注意的是技术报告后半部分。Thinking Machines在架构介绍中明确写道，Inkling的混合专家设计主要参考了DeepSeek-V3，大量专家模块中每个token只激活一小部分，还采用了DeepSeek-V3的无辅助损失负载均衡设计。中国模型的影响延伸到训练阶段：为了启动后训练，公司先用开源模型生成的合成数据做了一轮监督微调，明确提到了Kimi K2.5。

一条完整的路线图浮现出来——OpenAI前CTO创办的美国实验室，首款模型借鉴DeepSeek架构，再用Kimi的数据启动后训练。借鉴开源模型本身没问题，DeepSeek和Kimi公开权重允许使用，这是站在公开成果上。更尴尬的是，吸收了中文模型的技术后，Inkling依然没能超越这些老师。Thinking Machines也坦言：Inkling目前不是最强的模型，无论开源还是闭源。

数据不会骗人

把数字摆出来就更清楚了。在最终人类考试纯文本评测中，Inkling得分29.7%，Kimi K2.6和GLM 5.2分别达到35.9%和40.1%；加入工具后Inkling升至46%，仍低于Kimi K2.6的54%和GLM 5.2的54.7%；测试真实软件工程能力的SWE-Bench Pro中，Inkling得分54.3%，Kimi K2.6为58.6%，GLM 5.2达到62.1%；差距最明显的是Terminal Bench 2.1，Inkling得分63.8%，Kimi K2.6和GLM 5.2分别为71.3%和82.7%。

当然，Inkling在网页应用设计、音频理解和安全评估方面有长处，某些数学任务甚至能超过Kimi和DeepSeek。但综合推理、编程和智能体能力，还没挤进开源模型第一梯队。

价格也没带来惊喜。Tinker平台上，64K版本每100万Prefill Tokens收费1.87美元，每100万Sample Tokens收费4.68美元，这还是五天折扣价。256K版本涨到3.74美元和9.36美元；对比Kimi K2.6官方API输入0.95美元、输出4美元，GLM 5.2的1.4美元和4.4美元，Inkling的Prefill价格几乎是Kimi K2.6的两倍，生成价格也更高，毫无价格优势。于是局面变得微妙：架构参考DeepSeek，后训练依赖Kimi，整体性能没超过中国领先开源模型，调用价格还更贵。

为什么这么做？

这件事之所以有意思，在于Thinking Machines的特殊背景。这家公司几乎是OpenAI校友会——2025年2月成立时团队约30人，三分之二来自OpenAI，其余主要来自Meta和Mistral。创始团队曾包括John Schulman、Barret Zoph、翁丽莲、Andrew Tulloch和Luke Metz，路透社报道穆拉蒂从老东家挖了至少20名研究员。

穆拉蒂2018年加入OpenAI，参与DALL-E、Codex、ChatGPT和Sora，2022年升任CTO，2023年11月董事会解雇奥特曼后短暂担任临时CEO，完整了解OpenAI的模型开发和产品化路径。这样一群最了解OpenAI的人离开后从头搭建技术体系，外界期待一条带有OpenAI印记的路线。结果最明显的技术来源指向了中国模型，这很容易被解读为一个戏剧性信号：最了解OpenAI的人，最终选择了中国模型的技术蓝图。

但这个结论需要仔细分析。OpenAI近期的前沿模型全部闭源，外界无法获取权重或了解完整架构和训练方案。即使穆拉蒂熟悉内部技术，也不能把OpenAI的商业机密带到新公司；而DeepSeek和Kimi公开了权重或技术报告，架构、训练方法和工具链可以合法研究复用。

Inkling本身也是开源权重模型，对于想构建开源生态的公司，采用DeepSeek和Kimi等开源模型的成熟方案是合理的工程选择。今天开发开源模型要完全避开中国团队公开的成果，试错成本会高得多。因此，借鉴中国模型不能证明穆拉蒂认为DeepSeek优于OpenAI，两者在开放程度和参考条件上完全不同，但这传递了一个明确信号：至少在开源权重领域，中国模型已成为美国AI团队的重要参考。

真正的问题是，Thinking Machines吸收了现有架构和训练经验后，为什么做出一个性能更弱、价格更高的Inkling？穆拉蒂有顶级团队、充足资金和最新NVIDIA训练系统，她没有理由忽视这些差距，所以高成本替代可能是一个经过计算的选择。

合规才是真卖点

考虑到Thinking Machines受到的待遇，Inkling不应该只是一款还不错的模型。2025年7月，公司在未发布任何产品前完成20亿美元种子轮融资，估值120亿美元，投资者包括a16z、NVIDIA、AMD和红杉。四个月后下一轮谈判目标估值高达500亿美元，虽未正式公布，但公司已被视为OpenAI和Anthropic的潜在竞争对手。当它推出一款性能不如中国模型、价格还更贵的产品时，难免低于预期。但从商业角度看，穆拉蒂可能从一开始就没打算在基准测试中获胜。

公司强调开源权重、多模态和可定制性，希望企业用Tinker微调Inkling，变成客服、编程助手、行业智能体等专用模型。穆拉蒂押注的是一个不看重基准排名的市场。企业更关心模型能否私有化部署、能否控制数据、能否根据自身业务继续训练。这部分需求很大程度已被中国开源模型满足：OpenAI和Anthropic长期闭源，Meta的Llama4表现不及预期后逐渐减少开源，而DeepSeek、Kimi、Qwen和GLM持续发布权重，性能越来越接近美国闭源模型，价格却低得多。

美国企业迅速用脚投票——OpenRouter提供给CNBC的数据显示，2026年2月以来，美国企业通过该平台调用的中国模型token每周占比超过30%，最高达46%，而2025年上半年平均只有4.5%。Cursor在开发Composer2时测试多个基座模型，最终选择了评测最强的Kimi K2.5。桥水基金也通过Tinker微调阿里Qwen，效果超过某些顶级闭源模型。中国开源模型成了美国企业省钱的捷径，但这条路现在面临压力。

与此同时，美国对中国AI模型的监管氛围正在收紧。相关部门就数据安全、模型来源和供应链风险发出警告，一些使用中国模型的企业受到调查。即使没有统一限制，政策不确定性已足以影响企业选择，尤其涉及政府业务和敏感数据的公司。

这正是Inkling的市场空间：它是由美国公司开发的开源权重模型，采用Apache 2.0许可证，支持私有化部署和定制。美国企业选择它，不用担心使用中国模型引发的政治争议，更容易通过政府客户和大公司的合规审查。Inkling的真正价值来自这种合规确定性——穆拉蒂把DeepSeek和Kimi的公开成果转化为美国公司提供的模型。它不需要在基准测试中击败中国模型，只需要成为不敢继续使用中国模型的美国企业可接受的选择。这也解释了为什么它敢定更高价格：政策缩小了竞争范围，性能和价格差距不再致命。对一些美国企业来说，一个稍弱但更贵的模型已经够用了。

关键要点

  • 技术借鉴：Inkling架构主要参考DeepSeek-V3，后训练冷启动使用了Kimi K2.5等开源模型生成的合成数据。
  • 性能差距：在多项基准评测中，Inkling落后于Kimi和GLM等中国开源模型，综合推理、编程和智能体能力未进入第一梯队。
  • 价格劣势：Inkling的调用价格高于Kimi和GLM，Prefill价格接近Kimi K2.6的两倍，毫无价格优势。
  • 合规卖点：Inkling的真正价值在于由美国公司开发、开源权重、支持私有化部署，能满足美国企业因监管收紧而不敢使用中国模型的合规需求。
  • 商业逻辑：穆拉蒂可能从一开始就没打算在基准测试中获胜，而是瞄准了政策驱动的合规替代市场，性能稍弱但价格更高仍可接受。