当前AI市场被通用大模型牢牢统治，企业只能按API调用付费，但自己的领域知识却在一次次对话中被对手模型吸收，最终还得为订阅费买单。微软CEO纳德拉也公开承认，这就像付两次钱——一次给API，一次把商业机密拱手让人。更糟的是，这些模型“一刀切”，无法根据企业自己的专业知识深度定制，导致在金融、医疗等垂直领域表现平庸，企业无法真正掌控自己的AI能力。

Thinking Machines的做法很聪明：他们发布了一个叫Inkling的open-weight模型，总参数975B但每次只激活41B，训练在45T多模态token上，输出目前只有文本。你可以直接下载它，然后通过自家平台Tinker做微调，把企业机密数据变成模型的专属知识。关键设计是允许用户自由调节“思考努力”程度，在需要速度时快速响应，在需要深度时慢下来推理。与Bridgewater的联合测试显示，针对金融推理微调后的模型得分84.7%，成本仅为顶尖闭源模型的十四分之一——虽然这是自评，但数据很具体。他们没打算跟Claude、GPT-4硬拼通用能力，而是明确走“实用+可定制”路线，靠平台Tinker收费，而不是模型本身。

这一招直接挑战了OpenAI和Anthropic的商业模式。未来很可能出现明显分化：通用大模型只用于实验和高价值任务，而生产级AI会大量转向私有或开源定制方案。企业将不再依赖单一供应商的“万能药”，而是像今天用CPU一样，自己买基础模型再根据场景打磨。Nvidia给了他们gigawatt级别的算力支持，微软也在敲边鼓，这说明行业共识正在形成。对工程师来说，这意味着得学会用Tinker这类工具做领域微调，而不是只盯着API调参——谁先掌握定制化能力，谁就能在下一个AI时代卡住生态位。