Thinking Machines Lab翻译站点

公司概况

Thinking Machines Lab是一家由Mira Murati创办的美国人工智能研究与产品公司。它希望让AI更容易被理解、调整和用于不同人的实际需求，重点包括人机协作、多模态交互及模型定制。公司入选福布斯2026年度AI 50榜单。

其团队拥有基础模型、AI产品和开源基础设施经验。公开路线同时包含研究与应用：通过产品获取真实使用反馈，再将这些问题带回模型和训练系统研发，而不只追求通用测试中的单项成绩。

发展历程

2025年，公司对外介绍研究理念，并于10月1日推出Tinker，允许研究者通过API开展模型后训练。2025年12月，Tinker进入正式可用阶段并增加视觉输入支持，平台逐步从早期试用转向更广泛的开发者使用。

2026年7月，公司先后发布Inkling和Inkling-Small开放权重模型，支持文字、图像和音频输入。随后公布安全及交互研究资助计划，鼓励外部团队研究模型定制、实时多模态协作与安全评估。到2026年10月，开放模型与训练服务已成为并行的产品方向，用户既能使用已有能力，也能围绕自己的任务开展后训练。

产品与服务

• Tinker：托管模型训练平台，开发者控制数据和训练算法，平台负责分布式计算、资源调度与故障恢复。
• Tinker Cookbook：开源方法与示例库，展示如何在API之上实现常见后训练流程，降低复现实验和定制模型的门槛。
• Inkling系列：提供不同规模的开放权重模型，覆盖推理、代码、工具使用以及多模态输入，可进一步按领域需求训练。
• 研究与开发者资源：通过技术文章、文档和模型资料介绍训练、安全与交互问题，帮助使用者理解系统能力和限制。

核心技术

Tinker把训练算法与底层计算管理分开：研究者可以组织前向计算、反向传播和采样等步骤，基础设施则处理集群层面的复杂性。平台使用LoRA等参数高效微调方式，让多个训练任务能够共享计算资源；算法的设计自由度与资源管理的便利性由此结合。

Inkling采用混合专家结构，并支持原生多模态输入。开放权重使团队能够检查模型、开展定制和选择部署方式，但开放并不自动等于无限制使用，仍需阅读相应许可证与模型卡。公司也强调红队测试、部署后的观察，以及通过实验持续改进安全方法。

实际使用Tinker时，开发者仍然需要准备训练样例和独立评价材料，检查模型改进是否能迁移到未见过的任务。平台负责计算管理，不会替用户决定什么答案才算正确。对于领域模型，专业人员可以先界定任务、设计反馈，再用小规模实验观察结果，避免因为训练损失下降就把模型推向真实业务。多模态输入也需要相应的测试，确保图片或音频中的关键信息没有被忽略。

发展前景

从平台和模型并行的路线看，Thinking Machines Lab有望服务希望把通用AI调整到行业任务的研究者与企业。训练工具、开放模型和实践示例可以形成相互促进的关系，让更多团队参与试验和反馈。

发展空间取决于模型实际能力、训练费用、基础设施稳定性和工具易用性。可定制并不意味着企业只需上传资料就能得到可靠系统，还需要数据治理、评价集和部署审核。其长期优势将体现为能否帮助用户持续得到可复现、可解释的改进，而不是只提供更多训练选项。