标签: Thinking Machines

  • Thinking Machines联创翁荔称健康原因离职,转身回了老东家OpenAI

    AI圈这两天有个耐人寻味的人事变动。Thinking Machines联合创始人翁荔(Lilian Weng)本周宣布,因为健康原因辞去职务。话音未落,OpenAI周三就向TechCrunch确认:她要回OpenAI了。

    OpenAI标志与代码背景
    翁荔将回到OpenAI领导一个高级别研究团队 | 图源:TechCrunch

    “创业的节奏,身体扛不住了”

    翁荔在内部Slack里写下的离职说明,后来也发到了X上。她说得很直白:自己没办法继续维持一家创业公司所要求的节奏。

    “想了好几个月,我最终不得不承认,持续的压力和工作量已经超出了我身体能承受的极限。”

    另一位联合创始人、前OpenAI CTO Mira Murati在她的帖子下留言送别:”我们会想你的,一起建设Thinky的日子非常美好。很高兴你把健康放在第一位,感谢你所做的一切。”目前不清楚Murati留言时是否知道,这位老搭档的下一站就是她们共同的老东家。

    回OpenAI干什么

    翁荔不是OpenAI的新面孔。离开前,她在那里担任AI安全研究副总裁,写的技术博客在整个行业都有大批读者。据OpenAI发言人透露,她这次回归将领导一个高级别团队,专注于加速OpenAI的内部研究,并支持围绕”递归自我改进”的跨研究工作——也就是让AI系统能够迭代自身、变得更强的那条路线。

    这听起来跟”健康原因离职”似乎有点矛盾:离开一个高压岗位,转头进了另一个竞争同样白热化的实验室。不过细想也说得通,不当联合创始人,肩上的担子完全不是一个量级。公司死活不用你一个人扛,这本身就是最大的减压。


    AI人才争夺战的一个切面

    放在AI实验室抢人抢到刺刀见红的当下,这次高调回流格外值得玩味。Thinking Machines是Murati离开OpenAI后创办的明星公司,本月中旬刚发布首个开源模型Inkling,主打反”一刀切”的AI路线,创始团队里聚集了一批前OpenAI核心研究员。如今联创级别的人物回流OpenAI,等于给这场人才拉锯战又添了一个注脚。

    • 对OpenAI来说,拿回一位深谙安全研究、又了解对手内部打法的老将,稳赚不亏;
    • 对Thinking Machines来说,联创离开叠加人才回流对手,敏感时点上难免被外界解读;
    • 对整个行业来说,顶级研究员的健康与工作强度问题,第一次被这么直白地摆上台面。

    创业公司的节奏能把联合创始人逼到身体报警,这大概是这条新闻里最真实的部分。至于回到大厂算不算”养生”,可能只有翁荔自己知道答案。

  • 穆拉蒂的 Thinking Machines 发布开源模型 Inkling,赌定制 AI 胜过万能模型

    Thinking Machines 创始人 Mira Murati
    Mira Murati 离开 OpenAI 后创办的 Thinking Machines Lab(图源:TechCrunch / Getty Images)

    Mira Murati 离开 OpenAI 后创办的 Thinking Machines Lab,憋了一年半,终于在周三把第一个自家模型拿了出来,名字叫 Inkling。它最特别的地方不是有多强,而是”开放权重”——外面的人能直接下载、修改、自己拿去用,不必永远挂在别人的服务器上按次付费。

    一个 9750 亿参数的”混合专家”

    Inkling 用的是混合专家架构(MoE),总参数 9750 亿,但每次只调动其中约 410 亿来干活。这种”大身子小身段”的设计现在很常见,好处是模型够大、跑起来又不至于太贵太慢。它在 45 万亿 token 的文字、图片、音频、视频上训过,四种模态它都能原生推理,不过目前只吐文字——代码、带格式的卡片、结构化数据都行。

    不跟你比谁最强,只求”哪都能凑合”

    公司自己都说了,Inkling”现在不是最强的模型,开源闭源都不是”。那它图什么?图的是”全面发展”。它会给你有把握的答案,没把握就明说”我不确定”,而不是硬编;你还能自己调”思考力度”,想快就轻一点,想深就重一点。官方说在代码 benchmark 上,它用的 token 只有英伟达 Nemotron 3 Ultra 的三分之一,就能达到同样的水平。

    由一家公司集中训练、然后定死的 AI,往往不如组织自己塑形的 AI——因为太多专业知识只属于掌握它的人。

    上面这句话,是 Thinking Machines 上周那篇博客的核心论点,也是这次发布想撑起的背景。

    真正的赌注:企业自己改的,比万能模型更好用

    Inkling 现在的定位不是成品,而是”起点”。组织可以用它的 Tinker 平台自己微调,把它变成贴合自己业务的东西。代价是:安全和合规得你自己负责,微调也确实要正经的机器学习人才。这和 OpenAI、Anthropic、Google 的打法正好反过来——那三家先把 ChatGPT、Claude、Gemini 当通用聊天机器人卖,再把智能体能力叠上去。


    为什么”自己养模型”突然成了潮流

    这个方向不是 Thinking Machines 一个人在喊。微软 CEO 纳德拉上周就警告企业,用闭源模型等于”付两遍钱”:一遍订阅费,一遍把你 prompt 和纠正里藏着的业务机密,喂进了人家的下一代模型。Hugging Face 的 Clem Delangue 也判断,前沿模型以后只留给试验和高价值任务,真正跑生产的活会挪到私有或开源模型上——这正是 Thinking Machines 押注的路线。

    最有说服力的一仗,是它和全球最大对冲基金 Bridgewater 的合作。两边用现成的开源模型,喂上 Bridgewater 自己的金融经验再训一轮,据说在金融推理测试里拿到 84.7%,干翻了一堆顶级闭源模型,而成本只有大概十四分之一。不过这分数两家自己评的,还没独立验证。

    九年还是九个月

    OpenAI 从技术面世到赚钱花了约五年,Anthropic 约三年,Thinking Machines 说自己只用了九个月。至于钱从哪来,公司一贯讳莫如深——三月它和英伟达签了部署一吉瓦 Vera Rubin 算力的合作,Inkling 全在 GB300 NVL72 上训出来的,但怎么 cover 这笔开销,它没说。

    团队现在大约 200 人,比年初一波离职(包括两位联合创始人跳回 OpenAI)后稳住了。公司的文化刻意不捧个人,按理说谁走都不算大新闻——虽然它整个故事到现在都还绑在那位知名联合创始人的名字上。