Inkling

四维评估v1 · 2026-07-17 · qwen-plus

Inkling是当前全球少有的真正开源、全模态、MoE架构的超大规模模型，为中国中小团队提供可微调/蒸馏/垂直部署的稀缺基座，但其975B权重对算力和工程能力要求极高，短期更适合技术型创业公司做推理优化或行业适配层，而非端到端训练。

总分 = 创业机会×30% + 投资趋势×25% + 技术自用×20% + 人群价值×25%,各维 0-100。方法论见关于页。

创业机会 65/100

个人或小团队难以直接复现训练，但Apache-2.0许可允许商用微调与分发；中国本地化机会在于：1）基于41B激活参数做轻量化MoE编译（如适配昇腾/寒武纪），2）聚焦教育、医疗等需多模态理解+可控推理深度的垂直场景封装API；门槛高（需FP16推理集群+MoE调度经验），但变现路径清晰（私有化部署+按token计费），适配国内信创环境潜力大。

投资趋势 78/100

作为Thinking Machines Lab首秀，释放强烈战略信号——押注开放MoE对抗闭源巨头；融资尚未披露，但背后隐含AI基础设施层长期投入；赛道尚不拥挤（全球开源多模态MoE<3个），护城河在训练方法论（可控thinking effort）与数据飞轮（45T tokens跨模态对齐）；时间窗口约12–18个月，待Hugging Face生态适配完善后将加速分化。

技术自用 42/100

当前不建议直接集成：缺乏中文强优化、无官方vLLM/llama.cpp支持、音频理解能力未公开benchmark；集成成本预估>3人月（需自研MoE路由+多模态tokenizer+1M上下文KV缓存管理）；替代方案更成熟（Qwen2-VL、InternVL2已支持中文+轻量部署），仅推荐给有GPU集群且专注MoE架构研究的技术决策者做底层验证。

人群价值 55/100

初期聚集的是全球AI底层系统工程师、MoE算法研究员及开源模型布道者，GitHub Star增速快（首周破2.3k），但付费转化弱；在中国，其技术叙事正吸引信创厂商、高校AI实验室及边缘AI硬件创业公司关注；存在借势机会：联合昇腾/海光发布‘Inkling-Chinese’适配套件，可快速切入政企AI采购白名单渠道。