一、Mira Murati交卷：9750亿参数Inkling全面开源
2026年7月16日，前OpenAI首席技术官Mira Murati创办的Thinking Machines Lab正式发布首款通用基础模型Inkling，并向外界开放完整模型权重。这是继Llama、DeepSeek之后又一重磅开源大模型，也是迄今为止参数规模最大的全开源多模态模型之一。
Inkling采用混合专家模型（MoE）架构，总参数量达9750亿，单次推理激活约410亿参数，最高支持100万Token上下文窗口。模型从头开始训练，预训练数据规模约为45万亿Token，覆盖文本、图像、音频和视频四种模态。用户可以通过Thinking Machines旗下的模型训练平台Tinker进行微调，也可下载后本地部署和修改。
Thinking Machines并非将Inkling定位为"最强模型"。团队坦诚其综合性能仍落后于部分领先模型，核心优势在于权重开放、多模态原生、推理成本可调，以及针对企业数据和特定业务场景的深度定制能力。
在Design Arena智能体网页开发测试中，Inkling获得1257分，与Claude Opus 4.6持平，接近GPT-5.6 Sol的1260分，高于Kimi K2.6等部分开放权重模型。Inkling还支持调节"思考强度"，开发者可在性能、生成Token数量、延迟和运行成本之间灵活取舍。
二、"开放+多模态"：开辟第三条技术路线
Inkling的发布在产业层面具有重要意义——它在OpenAI/Anthropic的闭源高性能路线和Meta/DeepSeek的开源文本路线之间，开辟了"开放权重+原生多模态"的第三条路径。
与市面上仅支持图像或文本的大多数模型不同，Inkling能够同时解析视频中的动态画面、字幕、语音以及背景音。例如在一个厨房教学视频中，Inkling不仅能识别出厨师切菜的步骤，还能通过音频判断菜刀撞击砧板的节奏是否正常，甚至根据语调变化感知讲解情绪。这种多维理解能力在工业视频质检、安防监控分析、教育培训辅助等场景中具备独特价值。
值得注意的是，Thinking Machines还预告了更小型的Inkling-Small，意味着团队正在布局从云端到端侧的全尺寸模型矩阵。这对于企业级AI部署意义重大——企业可以根据不同场景的延迟、隐私和成本需求，灵活选择模型规格。
三、腾讯混元Hy3：国产大模型的"效率奇迹"
与此同时，国产大模型的商业化进程也在加速。截至7月15日，腾讯混元大模型Hy3总调用量较上一代（Hy2）增长已超68倍，发布一周后即登顶OpenRouter全球大模型调用量总榜第一。这一增速在AI大模型历史上极为罕见。
Hy3仅激活21B参数，却在部分Agent和办公任务上打平了旗舰级大模型，其"小参数、高效率"的路线正在受到全球开发者的追捧。这一现象印证了一个产业趋势：用户使用的不是裸模型，而是"模型+提示词+工具+记忆+重试机制"的完整系统。一个参数规模较小但生态完善的模型，在体感上完全可能超越参数更大但生态单薄的竞品。
四、端侧AI备案潮：苹果华为小米全线入局
7月15日，国家网信办公告，Apple智能、华为小艺、小米澎湃、OPPO AndesGPT、vivo蓝心、三星盖乐世AI及努比亚豆包共7款端侧生成式AI服务完成备案。阿里确认千问将集成至Apple智能，百度则为国行iPhone开发AI搜索功能。这意味着端侧AI正式进入全品牌、全生态的规模化部署阶段。
从云端到端侧，从闭源到开源，从纯文本到原生多模态——2026年7月的AI技术版图呈现出前所未有的多元化和分层化格局。