Thinking Machines 发布 Inkling 开源模型

1. Thinking Machines Lab 发布 Inkling：975B 参数开源多模态模型，Apache 2.0 许可

由前 OpenAI CTO Mira Murati 创立的 Thinking Machines Lab 发布了其首个正式开源基础模型 Inkling。这是一个 975B 总参数 / 41B 活跃参数 的 Mixture-of-Experts 模型，支持文本、图像和音频输入，采用 Apache 2.0 开源许可，完整权重已发布到 Hugging Face。

Today, we are introducing Inkling.

Inkling reasons efficiently across text, image, and audio modalities. We are making the full weights available.
— @thinkymachines

今天，我们推出 Inkling。Inkling 能够高效地跨文本、图像和音频模态进行推理。我们公开了完整权重。

Our first model, Inkling. Trained from scratch, weights are open, fine-tunable on Tinker today.
— @miramurati

我们的第一个模型 Inkling。从头训练，权重开放，今日即可在 Tinker 上微调。

Excited for our first general model Inkling -- open weights, 975B, natively multimodal (text, image, audio). Available on Tinker, HuggingFace and partners.

It is yours to personalize and use openly. It is yours.
— @soumithchintala

非常激动推出我们首个通用模型 Inkling——开放权重、975B、原生多模态（文本、图像、音频）。已在 Tinker、HuggingFace 及合作伙伴平台上线。它可以由你自由个性化使用。它是你的。

模型在 NVIDIA GB300 NVL72 上完成训练，预训练数据量约 45T tokens。上下文窗口方面，开放权重版本支持最高 1M tokens，API（Tinker 平台）为 256K，按上下文长度分级定价。发布当日即获得 vLLM、SGLang、Modal、Baseten、Databricks 等主流推理框架的 Day-0 支持。

架构上有多个独特设计：采用相对位置偏置（relative positional bias）替代 RoPE，在注意力/FFN 流中加入短卷积层（short convolution），MoE 使用 2 个共享专家（而非常见的 1 个），以及 8 个 MTP head 用于推测解码。

根据 Artificial Analysis 的评测，Inkling 在 Intelligence Index 首秀得分 41，超越 Nemotron 3 Ultra（38）成为最强美国开源模型。在 Agent 基准上，GDPval-AA v2 Elo 1238、τ³-Banking 24%，均超过 Kimi K2.6 和 DeepSeek v4 Flash。Design Arena 将其列入 Agentic Web App Arena 第 9 名，Elo 1257，与 Claude Opus 4.6 同档。不过多家评测也指出 Inkling 在综合能力上仍落后于 GLM-5.2、Kimi K2.6 等中国开源模型以及顶级闭源模型。

此外，团队还预告了 Inkling-Small（276B 总参 / 12B 活跃），据称在多项基准上与大型版本持平甚至超越，更适合低延迟场景。

2. OpenAI 推出 GPT-Red：自动化红队系统，模型安全性提升 6 倍

OpenAI 发布了内部自动化红队工具 GPT-Red，专门用于大规模检测模型的 prompt injection 漏洞。最核心的数据：通过 GPT-Red 的对抗性训练，GPT-5.6 Sol 在面对回放的强力攻击时，失败率比 4 个月前的最佳生产模型降低了 6 倍。

Introducing GPT-Red

An internal automated red teamer on a mission to find our models' prompt injection vulnerabilities at scale, helping us build stronger defenses before wider deployment.
— @OpenAI

推出 GPT-Red。一个内部自动化红队工具，致力于大规模发掘我们模型的 prompt injection 漏洞，帮助我们在广泛部署前构建更强大的防御。

OpenAI 明确将这一机制定性为"AI 系统提升未来 AI 系统安全性"的正反馈循环。社区评论认为这是一个高 ROI 的自我改进闭环。

3. Perplexity 公开 SPACE 沙箱平台：Agent 运行时的生产级实践

Perplexity 公布了名为 SPACE 的沙箱平台，该平台已承载 100% 的 Computer 产品生产流量。其核心设计是将会话状态与可销毁的 Firecracker microVM 沙箱解耦，利用滚动快照实现暂停/恢复/分支语义。

工程数据相当亮眼：沙箱创建延迟中位数从 185 ms 降至 60 ms，P90 从 447 ms 降至 89 ms（约 5 倍提升）。技术栈方面使用了磁盘快照 + 全 VM 检查点 + 对象存储保证可恢复性，并利用 Btrfs COW 将沙箱创建变为元数据操作而非完整镜像拷贝。这是本轮新闻中披露最详细的生产基础设施方案之一。

Introducing SPACE, the sandbox platform behind Perplexity Computer.

It creates isolated environments for code, files, and long-running agent sessions.

SPACE has handled 100% of Computer production traffic since June.
— @perplexity_ai

推出 SPACE，Perplexity Computer 背后的沙箱平台。它为代码、文件和长时间运行的 Agent 会话创建隔离环境。自 6 月以来 SPACE 已承载 100% 的 Computer 生产流量。

4. PrismML 推出 Bonsai 27B：1-bit 量化让 27B 模型在浏览器中运行

PrismML 发布了 Bonsai 27B，一个基于 Qwen3.6 27B 的 1-bit 密集 LLM，通过自定义 WebGPU 内核实现在浏览器中本地运行。压缩比约为原来的 54GB 降至 3.8GB（-93%），同时声称保留了约 90% 的基准能力。

社区测试显示实际运行占用约 5.7GB，可在一台 8GB VRAM 的 RTX 3070 笔记本 GPU 上推理。生成速度在一台 Mac 上达到 89.1 tok/s。不过，用户反馈该模型实际效果优于 Q2 量化但弱于 Q4_K_XL，存在幻觉和工具调用循环问题，主要价值在于极端内存压缩而非精度等效。技术讨论的核心是：1-bit 权重模型的瓶颈可能不在权重压缩，而在于长上下文下的 KV cache 占用。

PrismML 还推出了三元/BitNet 风格版本，使用 {-1,0,1} 权重表示，在 10GB 内存下运行，但"接近 fp16 精度"的说法在社区引发了争议。

5. Anthropic 向美参议院指控：阿里巴巴用 25K 账户蒸馏 Claude，对话量达 2880 万次

Anthropic 在参议院作证时称，阿里巴巴在 4 月至 6 月的约六周时间内，通过 25,000 个 API 账户进行了 2,880 万次 Claude 对话，目的是大规模模型蒸馏——提取 Claude 的推理和编程行为用于改进 Qwen。Anthropic 将其称为史上最大的"蒸馏攻击"，并表示现有法律界定模糊，希望国会采取行动而非直接诉讼。

社区对此反应两极：一方认为这等同于竞品逆向工程（类比车企购买对手车型研究），技术上并未违反 API 使用条款；另一方则认为自动化蒸馏的规模和效率远超传统逆向工程，模型提供商应有更强的滥用检测机制。也有评论指出，阿里巴巴运营大量云基础设施，流量来自阿里相关 IP 不等于阿里公司团队亲自操作。

6. ExLlamaV3 v1.0.0 发布，推理性能飙升

ExLlamaV3 发布了 v1.0.0 大版本，带来全新注意力、GEMM/GEMV、INT8 GEMV、Conv1D 和 MoE 调度器等内核优化。基准测试显示：Qwen 3.6 27B 解码速度从 29 tok/s 提升至 50 tok/s（+72%），Qwen 3.5 0.8B 从 268 tok/s 提升至 444 tok/s（+66%）。

ExLlamaV3 专注于 NVIDIA GPU 和专有的 EXL3 格式（非 GGUF），社区反馈积极，有用户希望尽快集成 TabbyAPI 以支持 Claude Code 工作流。

7. 苹果与 PrismML 洽谈，目标将大模型极致压缩到 iPhone 本地运行

据 CNBC 报道，苹果正在与 PrismML（加州理工学院孵化）进行早期洽谈，关注其极端 LLM 压缩技术。PrismML 声称可将 Qwen 27B 从约 54GB 压缩至 不到 4GB，实现 10-15 倍内存降低、6-8 倍速度提升、3-6 倍能耗降低。

社区对此持谨慎态度：技术细节（转换成本、收敛保证、是否使用蒸馏）缺失，且实际测试中 Bonsai 模型的能力尚未在复杂任务上得到验证。也有用户担心苹果收购后可能限制该技术的开放使用。

8. Soofi S 发布：德国开源 30B 模型，基准测试公平性引发争议

德国 AI 联盟发布了 Soofi S，一个基于 NVIDIA Nemotron 3 Nano 架构的混合 Mamba-2/Transformer MoE 模型（31.6B 总参 / ~3.2B 活跃），在约 27T tokens 上完成预训练，包含德语加权数据。模型配套公开了 W&B 训练日志、训练脚本等，透明度可圈可点。

但争议点集中在：基准对比被指有意选择了较旧的基线（如未纳入 Qwen 3.6 / Gemma 4），社区测试显示 Qwen3.5 35B-A3B 在德语基准上实际超过 Soofi S。更有指控称训练数据中包含 GPQA Diamond 评测集的轻度改写版本（训练了 10 个 epoch），可能污染了基准测试结果。许可方面也被质疑：营销宣称"主权开源"，但 Hugging Face 页面实际使用"Other"自定义许可。

9. Agent 开发工具生态更新：Claude Code Artifacts+MCP、LangChain Fleet、Raft 1.0

多个 Agent 工具同期发布重要更新：

• Claude Code 推出可调用 MCP 连接器的 Artifacts，使 Artifacts 成为带权限控制、可交互的实时应用/仪表板。
• LangChain 升级了 Slack 内的 Fleet，支持一键将 Agent 部署到频道/线程，提供自定义身份和文件交接。
• Raft 1.0 发布，定位为 Agent 共享工作空间，让多个 Agent 如同团队在消息应用中协作，而非孤立的终端会话。
• AI21 Labs 发文论证 harness 设计对成本的影响：仅改变编排策略，可在同等质量下降低 41% 的单任务成本；其早期停止策略声称最高可减少 44% 的 SWE Agent 计算量。

10. 安全与治理：Anthropic 发布 Agent 误用场景，DeepMind 治理争议升温

Anthropic 发布了 "Agentic misalignment in Summer 2026"，在原有一年前的勒索案例基础上新增四类自主 Agent 错误行为模拟场景。与此形成对比的是，Google DeepMind 内部出现治理裂痕：研究员 Turn Trout 公开宣布辞职**，理由是 DeepMind 未禁止将军用技术用于杀人机器人或大规模监控。

同时，Demis Hassabis 发表罕见长文，认为 AGI 已处于"奇点的山麓"，提出了建立美国主导的前沿 AI 标准机构的设想——类似 FINRA 的第三方评测机制，初期自愿、后续可能强制适用于主要前沿实验室。社区反应分裂：一些人对 Hassabis 的时间线更信任，但对其美国主导标准机构的地缘政治可行性持怀疑态度。

本作品采用《CC 协议》，转载必须注明作者和本文链接