Inkling vs Kimi K3

Thinking Machines发布Inkling模型，采用9700亿参数混合专家架构，仅使用410亿参数处理每个token，预训练数据达45万亿token。

Devin Desktop和CLI现已支持Inkling和Grok 4.5模型，并推出FrontierCode排行榜跟踪代码生成质量。

Inkling 是一个开放权重的 MoE 模型，支持多模态推理，参数规模达 975B。

Thinking Machines发布名为Inkling的开源模型，参数量达41B，支持多模态，可与GPT-5.6竞争。

Cognition推出的FrontierCode排行榜现已上线，实时追踪能生成实际可合并代码的模型表现，包含Grok 4.5和Inkling等模型的评分及方法论。

Thinky发布975B参数多模态模型Inkling，支持文本/图像/音频，开放权重且兼容Huggingface等平台。

Inkling模型现已在AI Gateway上提供，支持多任务处理，AI Gateway提供统一API和性能优化。

Databricks平台现支持Thinking Machines Lab的Inkling开放权重模型，企业可借此构建AI代理和编码应用，提升定制化与成本控制能力。

开放模型在防御安全事件中展现优势，封闭模型的防护机制反而导致防御失效，推动行业重新评估模型开放性价值。

Milvus团队测试Kimi K3后发现其强大但成本高，引入claude-context降低40% token消耗。

中国开源AI模型性能接近西方顶尖模型，挑战硅谷封闭策略。

GLM 5.2、Kimi K3和Gemini 3.6 Flash三款模型显示AI支出将向性价比倾斜，但硬件成本与性能稳定性仍是企业决策关键。

Moonshot的Kimi K3模型达到美国前沿AI模型水平，可能改变全球AI格局。

Kimi K3开放权重可能缩小中美AI模型性能差距至3-5个月，展现中国模型的前沿竞争力。

开源模型加速发展，Qwen 3.8将开放权重，知识蒸馏实践引发争议，中美在AI开源领域竞争加剧。

中国AI实验室Moonshot发布的Kimi K3模型参数达2.8万亿，性能接近Claude和GPT-5.6，且开源。