Thinking Machines 发布首个开源权重基础模型 Inkling，采用 MoE 架构并支持多模态输入。
OpenAI 发布 GPT-5.6 系列（Sol/Terra/Luna），集成至 ChatGPT 及 API，并调整定价策略。
OpenAI 公开内部自动化红队模型 GPT-Red，其在提示注入测试中表现远超人类专家。
Neko Health 融资 7 亿美元，计划利用 AI 全身扫描技术在美国扩展预防性医疗服务。
Cars24 利用 OpenAI 语音和聊天代理处理百万级对话，显著挽回流失潜在客户。
诺基亚推出基于 NVIDIA 技术的 AI-RAN 平台，旨在提升现有频谱的网络容量。
Google DeepMind 联手 Isomorphic Labs 推进生物弹性计划，旨在防止 AI 在生物学领域的滥用。
开源AI模型领域再次迎来重大突破，Thinking Machines发布的Inkling模型不仅因其开源权重而备受瞩目，更因其MoE架构和多模态输入支持而成为技术焦点。Inkling的发布，不仅是一个技术事件，它标志着AI基础模型领域开源与闭源两大阵营的竞争日趋激烈，并对行业趋势和未来走向产生深远影响。
首先，Inkling模型的MoE架构在保持推理效率的同时显著提升了模型容量，这种设计思路为其他AI模型提供了新的方向。MoE架构通过将模型分解为多个专家子模型，并动态选择最优子模型来响应特定任务，有效地平衡了模型规模和推理效率。这种架构的优势在于能够构建更大规模的模型，同时保持合理的运算成本，这对于资源有限的研究机构和企业来说，具有极大的吸引力。
其次，Inkling模型对多模态输入的原生支持降低了开发者构建复杂应用的门槛。多模态AI是未来发展的重要趋势，它能够处理和理解来自不同模态的数据，如文本、图像和声音等。Inkling模型的这一特性使其在多模态领域具有广泛的应用前景，比如在自动驾驶、智能家居和机器人交互等领域。
然而，开源模型的普及也带来了新的挑战。完全开放的权重意味着研究者可以深入探究模型的内部机制，进行针对性的微调和蒸馏，这可能导致专用模型的快速涌现。但同时，这也意味着模型的安全性和隐私问题需要更加重视。开源模型的可访问性可能会被恶意利用，比如通过逆向工程来发现和利用模型的弱点。
从行业趋势来看，Inkling模型的发布可能会加速AI技术从“通用能力”向“场景落地”的转化。开源模型的易获取性和可定制性将推动更多的行业解决方案的出现，特别是在那些对成本敏感或需要快速迭代的领域。此外，开源模型的竞争也可能会促使闭源模型提供商加大研发投入，以保持其在市场上的竞争力。
综上所述，Inkling模型的开源不仅仅是一次技术的分享，它还预示着AI领域开源与闭源两大阵营的竞争将进一步加剧，并对AI技术的发展和应用产生深刻的影响。未来，我们可能会看到更多的开源模型出现，它们将推动AI技术的快速发展，同时也带来新的安全和伦理挑战。