边想边做的时代来了

七月的最后一天，两件事撞在一起

今天是 7 月 31 日。早上打开新闻，两条消息并列出现在时间线上。

左边：DeepSeek V3.2 正式版发布，首个将思考融入工具调用的模型，Agent 评测开源最强。右边：Thinking Machines 发布 Inkling-Small，276B 总参数、12B 激活，四分之一体量反超 975B 的初代 Inkling。

两件事本质上在说同一句话，只是口音不同。

DeepSeek V3.2：思考不再是调工具的障碍

DeepSeek 这次更新的核心，不是 benchmark 分数——虽然 V3.2 在推理上达到了 GPT-5 水平——而是一个架构层面的突破：思考模式与工具调用不再互斥。

过往版本的限制很明确：开了思考模式，就不能调工具；关了思考，推理深度就降。开发者被迫在"想得深"和"做得快"之间二选一。这很像一个剑客——要么专心悟剑，要么拔剑出招，没法边打边悟。

V3.2 把这个限制拆掉了。

技术实现上，团队提出了一套大规模 Agent 训练数据合成方法，构造了 1800+ 环境、85000+ 条复杂指令作为强化学习任务。核心思路很巧妙：只挑"难解答但易验证"的任务——模型可以反复尝试，系统能自动判定对错，不需要人工标注每一步。

在 Agent 评测中，V3.2 达到了开源模型的最高水平。而且值得注意的细节是：V3.2 没有针对这些评测集的工具做特殊训练。这意味着它在真实应用场景中的泛化能力，理论上比 benchmark 数字更强。

另外，Speciale 版本的成绩也值得记一笔：同时拿下 IMO 2025、CMO 2025、ICPC World Finals 2025、IOI 2025 四块金牌。ICPC 成绩达到人类第二名水平，IOI 达到第十名。不过这个版本仅供研究使用，不支持工具调用——它是纯粹的思维机器。

Inkling-Small：团队散了，模型快了

Thinking Machines 的剧情，任何一个编剧都不敢这么写。

去年 2 月，六位 OpenAI 出走的顶级研究者组建了这个梦之队——Mira Murati、John Schulman、Barret Zoph、翁荔、Andrew Tulloch、Luke Metz。20 亿美元种子轮，120 亿美元估值。

今年 1 月，500 亿美元估值的融资流产。转折开始了。

到现在，六位联创走了四个。Zoph、Metz、翁荔先后回归 OpenAI。更戏剧性的是——7 月 15 日沉默 17 个月后交出首个模型 Inkling，两周后翁荔官宣离职，三天后第二个模型上线。

人才在加速流失，模型在加速狂飙。这两条背道而驰的曲线，把 AI 行业的某种本质撕开了给人看。

再说模型本身。Inkling-Small 是 MoE 架构，总参数 2760 亿，单次推理只激活 120 亿。相比初代 Inkling（975B），体量缩到四分之一，性能反而超越了老大哥。

怎么做到的？官方把方法全公开了：

1. 用初代 Inkling 做 on-policy 蒸馏，出一个 preview 检查点
2. 从这个检查点跑了整整两周的智能体编码强化学习

两周。学生超过了老师。

这意味着 Thinking Machines 已经跑通了一条可复用的模型产线。第一个模型是作品，第二个模型是产能证明。

对开发者来说，真正的分水岭在 12B 激活参数。原版 Inkling 跑 BF16 需要 2TB 聚合显存——8 张 B300 或 16 张 H200。Inkling-Small 在 8 张 B200 上用 NVFP4 量化，开 DSpark 能到 648 tok/s。以前只有大厂能玩的模型定制，现在一个中等规模团队也够得着了。

两条曲线的交汇处

把 DeepSeek V3.2 和 Inkling-Small 放在一起看，能看出两条正在汇合的曲线。

两条曲线的交汇点很明确：模型不再只是一个"想"的系统，它正在变成一个"想 + 做"的统一体。

大背景：国产算力也在加速

同一天，国家发改委在发布会上披露了几个数字：

• 首个全国产 10 万卡 AI 超集群正式投用
• 全国智能算力规模达到去年同期的 2.8 倍
• 国产大模型全球总下载量突破 100 亿次
• AI 相关行业保持 30% 以上 高增长
• 高质量数据集超过 12 万个

这些数字本身不出人意料——AI 行业的高增长已经持续了两年多。但"算力规模 2.8 倍"和"下载量 100 亿次"放在一起，说明国产 AI 的底座正在从"能用"走向"好用"。DeepSeek V3.2 在 Agent 评测上达到开源最强，不是凭空出来的——它站在一个正在快速扩张的算力和数据基础设施上。

关于"思考 + 工具调用"的几点感想

我个人觉得，DeepSeek V3.2 打通思考与工具调用这件事，意义比 benchmark 分数大得多。

过去两年，大模型的进化路径大致是这样的：先比参数规模，再比推理分数，再比多模态，再比 Agent。每一步都是在给模型加一个新能力模块。但 V3.2 的不同之处在于——它不是加了一个新模块，而是拆掉了一堵墙。

思考模式和工具调用不再互斥，意味着模型可以在执行任务的过程中随时停下来想，想清楚了再继续做。这和人解决问题的方式更接近了。

而 Inkling-Small 从另一个方向验证了同一件事：Agent 能力不是靠堆参数堆出来的。276B 比 975B 更强，靠的是两周的 Agent 强化学习。这说明 Agent 能力的瓶颈不在模型大小，在训练方法和数据质量。

两条消息一起看，结论很清晰：2026 年下半年的主旋律，不是"谁造出更强的模型"，而是"谁的模型能真的把事情做成"。想得好是前提，做得到才是终局。

---

笔记

• DeepSeek V3.2 的思考 + 工具调用路线值得持续跟踪。这是 Agent 从"预规划"走向"实时推理 + 执行"的关键一步。
• Thinking Machines 的团队流失 vs 模型加速，是一个值得观察的反直觉现象。也许 AI 研发正在从"人海战术"走向"系统驱动"。
• 国产算力 2.8 倍增长 + 10 万卡超集群投用，意味着国产大模型的训练底座在质变。2027 年的格局会很有意思。
• Inkling-Small 的 12B 激活参数是一个信号：前沿模型的门槛在下沉。明年的 AI 创业，可能不需要 B 轮融资才能跑得动了。

（内容由AI生成，仅供参考）