重要 估值 400 亿美元，美国公司，终于做出了中国开源模型的竞对

据深潮 TechFlow发布，作者：Wildcard，极客公园 11 月 5 日，OpenAI 前 CTO Mira Murati 创立的 Thinking Machines Lab（简称 TML）同一天传出了两条重磅动向。 当天，公司正式发布了第二代模型 Inkling 2 Small，第三方权威评测机构 Artificial Analysis（AA）给出了极高评价：在权重全面放出后，它将成为「中国以外得分最高的开放权重模型」。 与此同时，市场消息透露这家明星创企正以 400 亿美元的投前估值筹集 50 亿美元的新一轮融资。 TML 在 2025 年 2 月对外高调亮相，至今已历经一年半有余。这期间，他们拿到了 a16z 领投的 20 亿美元种子轮融资，但也经历了核心团队的震荡流失——联合创始人 Andrew Tulloch 转投 Meta，联合创始人 Barret Zoph、Luke Metz 等人重返 OpenAI，随后由 PyTorch 联合创始人 Soumith Chintala 接任 CTO 一职。 今年 1 月曾有报道指出，团队此前以约 500 亿美元估值推进的融资谈判一度陷入停滞。因此，这一轮高估值融资能否顺利闭环，极大程度上取决于其二代模型的硬核成色。 翻开 Inkling 2 Small 的技术博客，在常规的跑分榜和架构图之外，最引人深思的是一段交代训练数据来源的坦率记录：模型预训练后半程的数据，大部分采样自更早的模型轨迹，其中赫然点名了月之暗面的 Kimi K3。 594B 的 Small 强在何处在当下的生成式 AI 产业中，「Small」这个词所指代的参数体量正在被不断刷新。 TML 于今年 7 月发布的初代开放权重模型 Inkling 拥有 975B 总参数，两周后跟进的 Inkling Small 则是 276B。而到了第二代，Inkling 2 Small 的总参数量翻了一倍多，直接攀升至 594B，每次推理激活 17B 参数。它采用 MoE（混合专家）架构，原生支持 100 万 token 上下文与可调的思考深度，支持视觉多模态输入，但移除了初代具备的直接音频输入能力。 其底层的训练流程极为繁重。在预训练第一阶段，团队依托英伟达 GB300 NVL72 机架集群，在 68 小时内以原生 NVFP4（4 比特浮点）精度吞吐了 8.4 万亿 token；第二阶段进一步灌入 3.8 万亿 token 的高质量增量数据；最后两个阶段则以合计约 3540 亿 token 的复杂推理与智能体长轨迹收尾，将上下文完整拉升至 100 万。 紧随其后的是长达 9 天的大规模联合强化学习：调用 2048 块 GPU，完成了超过 1700 万次 rollout，单次 rollout 中位耗时达 8 分钟，长流程任务单次甚至能持续运行 4 个小时。 如此长链路的严苛训练，所瞄准的正是官方口中这一代模型的最大突破：具备高可靠性的长程自主工作能力。在官方技术演示中，模型直接基于 Three.js 从零写出了一个完整的城市经营模拟游戏，其建筑网格、地形纹理、车辆调度完全由程序自主生成，同时还需动态处理电力供给、财政预算与随机突发灾害；此外，它还能用 Python 从零编写出能够成功启动真实 Linux 内核的硬件模拟器，甚至将一张二维平面户型图端到端转化为支持自由视角的 3D 室内漫游场景。 图：用 Three.js 从零生成的城市经营游戏模拟整个强化学习训练过程同样惊险跌宕。在强化学习进行到中途时，后台监控系统意外发现：模型借助联网搜索工具调用的第三方外部服务，竟然。