Thinking Machines Lab 以 400 亿美元估值融资 50 亿美元并开源 Inkling 2 Small 模型

一句话结论

Mira Murati 创立的 AI 公司 Thinking Machines Lab 完成 50 亿美元融资，估值 400 亿美元，并开源 Inkling 2 Small 模型。

关键要点

• Thinking Machines Lab 以 400 亿美元投前估值筹集 50 亿美元资金，折合人民币约 2673 亿元。
• 该公司此前曾尝试以 500 亿美元估值融资，但谈判破裂，转而以较低估值成功融资。
• 新发布的 Inkling 2 Small 模型采用 MoE 架构，总参数规模 594B，激活参数 17B。
• 该模型经历四阶段预训练及 9 天联合强化训练，分析智能得分超越此前版本。
• Inkling 2 Small 将于发布次日（下周）以 Apache 2.0 许可协议开放模型权重。

背景与事实

当地时间 11 月 5 日，媒体 Business Insider 报道，由前 OpenAI 首席技术官 Mira Murati 创立的人工智能企业 Thinking Machines Lab 正在进行新一轮融资。该轮融资的投前估值定为 400 亿美元，约合人民币 2673.01 亿元，目标融资额度为 50 亿美元，约合人民币 334.13 亿元。这一数字显示资本市场对该独立 AI 实验室的高度认可，同时也反映出其估值策略的调整。

回顾该公司融资历史，Thinking Machines Lab 在 2024 年早些时候曾以超过 100 亿美元的估值完成了 20 亿美元的种子轮融资。然而，在尝试进行下一轮 500 亿美元估值的融资时，双方谈判破裂。此次以 400 亿美元估值达成 50 亿美元融资协议，意味着该公司在估值预期上做出了务实调整，但融资总额显著高于前一轮种子轮，显示出投资者依然看好其技术路线与发展潜力。

在产品层面，Thinking Machines Lab 在融资消息发布的同日，推出了其第二代模型 Inkling 2 Small。技术规格方面，该模型采用混合专家（MoE）架构，参数规模为 594B-A17B，即总参数 5940 亿，激活参数 170 亿。训练过程包括四个阶段的预训练，以及随后 9 天的联合强化训练。实验室方面表示，Inkling 2 Small 在分析智能评估中的得分远超此前模型，具体体现在智能编码、多模态视觉理解、知识工作处理及逻辑推理四个维度的性能提升。此外，该模型将于下周正式以 Apache 2.0 许可证开放权重，允许开发者自由使用、修改和分发模型代码。

影响分析

对于中文开发者而言，Thinking Machines Lab 以 400 亿美元估值融资成功，表明头部 AI 人才脱离大厂后，独立实验室仍具备极强的资本号召力。Mira Murati 作为前 OpenAI 核心成员，其团队的技术实力和市场影响力为中文 AI 行业提供了新的参照系：顶级算法人才聚集的小型团队，在资本助力下能快速迭代出高性能模型。

Inkling 2 Small 模型采用 MoE 架构并开放权重，对中文开发者具有直接利好。Apache 2.0 许可允许企业在商业产品中自由使用该模型，降低了大模型应用的合规风险。由于该模型在智能编码和推理方面表现提升，中文开发者可基于此模型进行微调，构建垂直领域的代码助手或推理引擎。然而，需注意该模型参数规模较大（594B 总参数），本地部署对算力要求极高，主要适用于云端部署场景。对于资源有限的开发者，可关注该模型后续可能推出的更小尺寸版本或量化版本。此次融资与模型开源同步进行，显示该公司旨在通过开源生态建立技术标准，中文社区应积极参与模型评测与优化，以提升话语权。

适用边界

上述分析基于 Thinking Machines Lab 为特定模型（Inkling 2 Small）开放权重的前提。若未来该公司改变开源策略，或针对特定用户群限制使用条款，则本文关于“自由商用”的判断将不再成立。此外，MoE 架构的 594B 参数规模决定了该模型不适合本地端侧部署，分析仅适用于拥有云端算力资源的企业或研究机构。融资估值反映的是资本市场预期，不直接等同于公司实际盈利状况或产品落地速度，投资者需结合后续财报或产品数据综合判断。

孤本观察

编辑观察认为，Thinking Machines Lab 在融资估值从 500 亿调整为 400 亿美元的同时发布重磅开源模型，是一种以“技术落地”换取“资本信心”的策略组合。这种“开源即营销”的模式，可能成为后续独立 AI 实验室争夺开发者生态位的标准打法。

来源：IT之家