美国AI公司抄了DeepSeek作业：性能没赢价格更贵却被抢着用

# 美国AI公司"抄作业"：性能没赢、价格更贵，却被抢着用 OpenAI前CTO穆拉蒂（Mira Murati）离职后创办的新公司Thinking Machines Lab，最近发布了首款模型Inkling。有意思的是，这个模型架构直接沿用了DeepSeek-V3的设计，后训练还借用了Kimi K2.5等国产模型的合成数据。 结果挺尴尬的：性能打不过Kimi和GLM，价格反而更贵。但就这样，这家公司估值已经飙到120亿美元。 ## 一、Inkling到底啥水平 先看配置： - 9750亿参数，每次激活410亿 - 支持100万Token上下文 - 多模态（文本+图像+音频） - Apache 2.0开源协议 但实测数据不太好看： | 测试项目 | Inkling | Kimi K2.6 | GLM 5.2 | |---------|---------|-----------|---------| | 人类最后考试 | 29.7% | 35.9% | 40.1% | | SWE-Bench Pro | 54.3% | 58.6% | 62.1% | | Terminal Bench 2.1 | 63.8% | 71.3% | 82.7% | 价格呢？64K版本每百万Token收费1.87美元（输入），打完五折还比Kimi贵近一倍。 ## 二、为啥敢定高价？ 这就得说说美国企业的"合规刚需"了。 OpenRouter的数据显示，2026年2月以来，中国模型在美国企业调用量占比每周都超过30%，最高达46%。Cursor用Kimi K2.5做Composer2，桥水基金用Qwen微调降低成本。 但美国政府正在收紧对中国AI的限制。数据安全、模型来源、供应链风险，这些关键词让企业提心吊胆。 Inkling的出现正好卡住了这个痛点：美国公司开发、Apache 2.0协议、支持私有部署。对不敢用中国模型的美国企业来说，这是一款"政治正确"的替代品。 ## 三、这意味着什么 穆拉蒂这步棋其实挺精明的。 她不需要Inkling在基准测试里拿第一，只需要成为"合规审查能过"的选择。政策替她缩小了竞争范围，性能和价格的差距就没那么致命了。 但代价可能由美国企业承担： - 更强的中国模型（Kimi、GLM、DeepSeek）继续开放 - 美国企业被迫用更弱、更贵的本土替代品 - 能力差距会传递到下游产品 华盛顿想保护美国AI产业，结果先给Inkling这样的"贵替"创造了市场。 对穆拉蒂来说，"一般般"已经够了。但对美国AI产业来说，这份"够用"意味着成本上升和竞争力下降。 --- *参考资料：AIBase AI新闻*