想像一下你正在帶一群工程師趕專案。有些時候題目很簡單，像回覆客戶問候信，你當然希望他們「秒回」就好，不用動太多腦筋；但碰到要寫核心模組的硬骨頭時，你就得喊停：「大家別急著交稿，先花十分鐘把架構想清楚再動筆。」這支剛上市的 Inkling 語言模型，就是在學習這種「看菜下飯」的節奏。它背後的公司 Thinking Machines（由前 OpenAI 技術長 Mira Murati 創立）這次直接放了一個叫「可控思考強度」的機制，讓開發者可以像調音量一樣，隨時決定這支 AI 到底該「躺平秒答」還是「深度腦力激盪」。對我來說，這簡直是幫企業省錢的終極開關。
為什麼這支模型的架構這麼怪？ 一般人聽到「9750 億參數」，直覺會覺得這傢伙一定笨重到要把資料中心的電費燒光。但 Inkling 玩的是 MoE（混合專家架構），意思就是它雖然腦子裡塞了超多神經元，但每次處理一個字的時候，只會「喚醒」大約 410 億個活躍參數。你可以把它想像成一座超級大型醫院，雖然全院有幾千位醫師，但每個診間每次只進一位病人和一位專科醫師，這樣既不浪費資源，反應速度也極快。
更妙的是它的「原生多模態」設計。市面上的模型很多是後來硬塞進圖片或聲音處理能力的，但 Inkling 從訓練第一天起就讓文字、圖片和語音在同一个隱藏空間裡直接對話。它處理圖片時不用複雜的翻譯器，而是直接把影像切成 40x40 的小區塊，語音則轉成離散頻譜圖直接塞進核心。這讓我想起以前看電影還要配字幕，現在是直接「看圖說故事」，溝通成本直接砍半。
Apache 2.0 開放授權，到底對企業有什麼實質好處？ 過去幾年，許多大廠號稱「開源」，但仔細一看授權條款，商業使用要抽成、營收超過一定金額就要付錢，或者干脆不能商用。這次 Inkling 直接掛上 Apache 2.0 授權，這在業界算是真正的大方。企業下載後，不管是自己架機房跑、放私有雲端，還是做成產品賣錢，法律上完全沒包袱。
我幫大家整理一張對比表，看看它跟其他開源與閉源對手的差異在哪：
| 比較項目 | Inkling (Thinking Machines) | 傳統閉源霸主 (Claude/GPT-5) | 中國開源強敵 (GLM 5.2 / DeepSeek) |
|---|---|---|---|
| 授權模式 | Apache 2.0 完全開放，商用免版稅 | proprietary 商業授權，需訂閱或按量付費 | 多為自訂開源授權，商用限制較多 |
| 多模態能力 | 原生融合（文字/影像/語音同步訓練） | 多為後期串接或分級開放 | 文字與邏輯推理極強，多模態後發 |
| 思考成本控制 | 可調思考強度 (0.2~0.99)，省 token 省電費 | 黑箱模式，通常全功率運算 | 偏向固定架構，彈性較低 |
| 抗審查與直答 | 明確訓練為直接回答敏感議題 | 傾向符合主流敘事，拒絕率高 | 風格各異，視模型定位而定 |
它真的敢講真話嗎？ 這點我覺得特別值得討論。現在很多模型為了安全，稍微碰到政治或爭議性話題就趕快說「我無法回答」，結果企業拿去處理新聞或分析數據時，常常看到一堆標準答案。Thinking Machines 這次特意把 Inkling 送去給 Cognition 做的審查測試，結果發現它對意識形態的「抓偏」很免疫。簡單說，你問它敏感話題，它會直接給事實跟觀點，不會先用一堆安全套話包圍你。
「問它炸彈怎麼做，它會告訴你步驟；問它獨裁者好壞，它不會立刻開始背課本。」 —— 這大概是很多開發者看到測試結果時的內心 OS。
當然，它也不是完全沒防線。在處理明確的危險指令時，它的拒絕率依然維持在 98.6%，不會讓你拿它去幹壞事。只是在「安全」跟「過度謹慎」之間，它選擇了走鋼索的那一端。
跑起來到底省多少？ 我在實際觀察這支模型的訓練策略時，發現一個很有趣的現象：研究員在訓練過程中看到它自己學會了「壓縮思考步驟」。過去我們以為 AI 必須一步步把邏輯寫出來才會對，但 Inkling 在大量強化學習後，居然自己把連接詞和冗餘的語法砍掉了，直接跳到結論。這代表你不需要為每個簡單問題付全額的運算費，公司省下的不只是 token 費用，連資料中心的冷氣費都能跟著降。
整體來看，Inkling 不是一隻要拿所有排行榜第一名的「神模型」，它更像是一個務實、好管理、且讓你很有掌控感的工具。對於想要把 agentic AI 搬回自家機房、或者在私有雲端跑大量業務的企業來說，能自由控制思考強度、直接處理多媒體、又不用看授權條款臉色，這已經是非常實用的組合拳了。
延伸思考與常見問題
點選問題可展開答案
Q1：MoE（混合專家架構）到底是什麼？為什麼參數多卻不費電？
MoE 就像一家大公司裡有很多專精不同領域的部門，每次處理任務時只會啟動最相關的幾個部門來工作。所以 Inkling 雖然總參數有 9750 億，但每次生成一個字只會動用約 410 億個活躍參數，大幅降低運算成本與延遲。
Q2：Apache 2.0 授權跟一般所謂的「開源」有什麼不同？
Apache 2.0 屬於非常寬鬆的商業授權，企業可以自由修改、複制、分發甚至商用該模型，且不需要公開衍生作品的原始碼，也免除此版稅。這跟許多大廠附加營收上限或商用抽成條件的自訂授權有本質上的區別。
Q3：文中提到的「可控思考強度」實際上是怎麼運作的？
開發者可以透過 API 將數值設定在 0.2 到 0.99 之間。數值越低，模型會壓縮內部推理步驟、輸出較少的 token，適合簡單任務以節省成本；數值越高，模型會進行更深度、多步驟的邏輯推演，適合處理複雜問題，讓使用者能在速度與準確度之間自由取捨。