Thinking Machines发布Inkling 2 Small：594B参数MoE模型

Thinking Machines Lab 发布了 Inkling 2 Small，一款采用混合专家（MoE）架构的大模型。它的总参数量达到 594B，但每次推理只激活 17B 参数，在 Artificial Analysis Intelligence Index 上得分 31。更关键的是，模型通过 Tinker 平台提供运行支持，并计划以 Apache 2.0 协议开放权重。

594B 总参数、17B 激活：MoE 的效率取舍

Inkling 2 Small 最引人注目的数字是 594B 总参数与 17B 激活参数的组合。MoE 架构的核心逻辑是把模型拆成多个专家网络，每次前向计算只调用其中一部分，从而在保持大容量知识存储的同时控制推理成本。17B 的激活量意味着单次推理的计算开销接近一个中等规模稠密模型，而 594B 的总参数则为模型提供了更大的知识容量和表达能力。

这种设计在近两年的大模型竞赛中越来越常见，但 594B/17B 的比例仍然值得注意。激活比例大约为总参数的三十分之一，说明 Thinking Machines 在专家路由上做了相当激进的稀疏化。稀疏化的好处是推理更便宜，代价是路由机制的设计难度上升，训练稳定性也更难保证。Inkling 2 Small 能否在两者之间取得平衡，要等实际使用反馈才能判断。

MoE（混合专家）架构的工作原理

混合专家模型由多个并行的前馈网络子模块（即“专家”）组成，每个 token 在每一层只被路由到少数几个专家上计算，其余专家不参与前向传播。因此模型可以拥有远超稠密模型的参数总量，而单次推理的浮点运算量只与激活的专家规模相关。路由通常由一个轻量门控网络实现，它输出每个 token 对各专家的权重分布。

MoE 的代价包括：训练时需要负载均衡损失来避免专家“塌缩”、显存必须容纳全部专家权重（即使不激活）、以及路由的离散选择带来梯度估计噪声。业界常见做法是配合专家并行（expert parallelism）与容量因子控制，这也解释了为什么总参数很大、激活参数很小的比例在工程上并非免费获得。

31 分意味着什么

据 MarkTechPost 报道，Inkling 2 Small 在 Artificial Analysis Intelligence Index 上得分为 31。这个指数综合了多项基准测试，用来横向比较不同模型的综合智能水平。31 分放在当前模型光谱中属于有竞争力的区间，但单凭一个综合分数很难判断模型在具体任务上的表现。

对开发者来说，更有参考价值的是模型在编程、推理、长上下文等细分场景中的实际表现。素材中没有提供这些维度的数据，因此现阶段不宜对 Inkling 2 Small 的能力边界下过于具体的结论。综合指数可以作为一个入场参考，但不能替代针对性的评测。

Artificial Analysis Intelligence Index 是什么

该指数由独立评测机构 Artificial Analysis 维护，对多个主流基准（覆盖通用推理、知识与编程等维度）的得分做标准化后加权汇总为一个 0—100 量级的分数，用于在同一口径下横向比较不同厂商、不同规模的模型。

它属于“聚合型”指标，优点是跨模型可比、更新及时，缺点是会掩盖任务级差异，对特定领域（如代码生成或长文档理解）的判别力有限。此外，分数会随后续基准版本调整和评测配置变化而小幅波动，因此通常把它作为模型能力档位的粗略坐标，而非选型的决定性依据。

Tinker 平台与 Apache 2.0：降低使用门槛

Inkling 2 Small 通过 Tinker 运行，这是 Thinking Machines 提供的模型服务平台。模型首发即接入自家平台，说明团队希望把训练、部署和调优串成一条链路，减少开发者在基础设施上的摩擦。

计划以 Apache 2.0 协议开放权重，是这次发布中影响面最大的信息。Apache 2.0 允许商业使用、修改和再分发，对想要基于模型做二次开发或私有化部署的团队来说，这是相当宽松的许可条件。594B 级别的模型如果真能开源，会显著改变中大型模型的可及性——过去这个量级的模型大多只能通过 API 调用。权重开放的具体时间表和完整条款，目前素材中只提到“计划”，还需等待官方进一步说明。

Apache 2.0 协议的实际含义

Apache 2.0 是 OSI 认可的开源许可证，允许使用者自由使用、修改、分发软件，包括用于商业目的和闭源再分发。它要求保留版权与许可声明、标明修改，并提供显式的专利授权条款——贡献者授予使用者与其贡献相关的专利许可，这在大模型权重场景下对下游商用方尤为重要。

需要注意的是，许可证覆盖的是“权重文件”的再分发与使用条款，并不自动解决训练数据的合规问题，也不意味着商标或模型名称可被随意使用。对希望私有化部署的团队而言，Apache 2.0 基本排除了“商用需另行授权”的法律不确定性，但仍需自行评估模型输出在具体业务场景中的责任归属。

对开源模型格局的潜在影响

Inkling 2 Small 的出现，把 MoE 稀疏化路线和开放权重两个趋势叠在了一起。一方面，594B 总参数配 17B 激活，代表了一种“大容量、低推理成本”的工程思路；另一方面，Apache 2.0 许可让这种容量有机会流向社区。

如果权重如期开放，受益最明显的会是需要领域微调和数据私密性的团队。他们可以在本地或私有云上运行模型，而不必把数据送到第三方 API。当然，594B 参数的存储和部署成本依然不低，17B 激活只是降低了单次推理的算力需求，并没有让模型变成轻量级选手。实际落地时，硬件预算仍是绕不开的门槛。

Thinking Machines 这次发布的信息密度不低，但公开细节有限。模型的具体架构参数、训练数据构成、上下文窗口长度等关键规格尚未披露。对于关注开源大模型走向的读者，Inkling 2 Small 值得持续跟踪，尤其是权重正式开放后的社区评测。