<p>思维机器实验室刚刚采取了重大举措，以挑战 OpenAI 的平台主导地位。他们的 Tinker API 现在已全面上线，但真正的新闻是推出了与 OpenAI API 兼容的推理接口。这意味着开发者现在可以将 Tinker 模型——包括新的万亿参数 Kimi K2 Thinking 模型——无缝集成到为 OpenAI 构建的现有基础设施中。</p>
<p>这种对行业标准的采用是对供应商锁定的直接挑战。通过提供 Tinker OpenAI API 兼容性，思维机器大幅降低了开发者寻找替代方案的转换成本，无论是出于成本、性能还是专业模型的考虑。新的接口允许通过指定路径快速从任何模型进行采样，即使在模型仍在积极训练时。</p>
<p>Tinker 还在扩展其核心能力。新的 Kimi K2 Thinking 模型拥有万亿参数，现在可用于微调，并专门针对复杂的长链推理和工具使用进行了工程设计。</p>
<h2>多模态竞争加剧</h2>
<p>除了推理，Tinker 还通过集成 Qwen3-VL（最多 235B 参数）扩展了其严肃的多模态能力。这使得用户能够通过将图像块与文本输入交错处理图像、截图和图表，支持 SFT 和 RL 微调等应用。</p>
<p>关键是，思维机器声称这些视觉语言模型（VLMs）具有高度的数据效率。在展示新视觉能力的内部测试中，Qwen3-VL 在低数据图像分类任务（例如仅用每个类别一个示例识别汽车模型或花卉种类）中显著优于传统计算机视觉模型如 DINOv2。这突显了 VLMs 的固有优势：它们利用现有的语言上下文，成为强大的零样本或少样本学习者。</p>
<p>Tinker 不再是一个小众平台；它是一个全栈竞争者，提供大规模推理模型、多模态输入，最重要的是，提供在不重建整个技术栈的情况下进行集成的自由。（来源：思维机器实验室，2025 年 12 月 12 日）</p>

OpenAI

<p>Thinking Machines Lab 推出了与 OpenAI API 兼容的 Tinker API，挑战了供应商锁定。开发者现在可以将 Tinker 模型，包括万亿参数的 Kimi K2 Thinking 模型，集成到 OpenAI 基础设施中。这一举措降低了寻求替代方案的开发者的转换成本。Tinker 还引入了多模态能力，使用 Qwen3-VL，在低数据任务中超越传统模型。Tinker 作为一个全栈竞争者，提供了庞大的推理模型和集成自由</p>

<p>Thinking Machines Lab just made a significant move to challenge OpenAI’s platform dominance. Their Tinker API is now generally available, but the real news is the introduction of an OpenAI API-compatible inference interface. This means developers can now plug-and-play Tinker models—including the new trillion-parameter Kimi K2 Thinking model—into existing infrastructure built for OpenAI.</p>
<div class="lb-trans"><p>思维机器实验室刚刚采取了重大举措，以挑战 OpenAI 的平台主导地位。他们的 Tinker API 现在已全面上线，但真正的新闻是推出了与 OpenAI API 兼容的推理接口。这意味着开发者现在可以将 Tinker 模型——包括新的万亿参数 Kimi K2 Thinking 模型——无缝集成到为 OpenAI 构建的现有基础设施中。</p>
</div><p>This adoption of the de facto industry standard is a direct shot at vendor lock-in. By offering the Tinker OpenAI API compatibility, Thinking Machines drastically lowers the switching cost for developers looking for alternatives, whether for cost, performance, or specialized models. The new interface allows for quick sampling from any model by specifying a path, even while it’s still actively training.</p>
<div class="lb-trans"><p>这种对行业标准的采用是对供应商锁定的直接挑战。通过提供 Tinker OpenAI API 兼容性，思维机器大幅降低了开发者寻找替代方案的转换成本，无论是出于成本、性能还是专业模型的考虑。新的接口允许通过指定路径快速从任何模型进行采样，即使在模型仍在积极训练时。</p>
</div><p>Tinker is also scaling up its core capabilities. The new Kimi K2 Thinking model, boasting a trillion parameters, is now available for fine-tuning and is specifically engineered for complex, long chains of reasoning and tool use.</p>
<div class="lb-trans"><p>Tinker 还在扩展其核心能力。新的 Kimi K2 Thinking 模型拥有万亿参数，现在可用于微调，并专门针对复杂的长链推理和工具使用进行了工程设计。</p>
</div><h2>Multimodal Competition Heats Up</h2>
<div class="lb-trans"><h2>多模态竞争加剧</h2>
</div><p>Beyond reasoning, Tinker has expanded into serious multimodal capabilities with the integration of Qwen3-VL (up to 235B parameters). This allows users to process images, screenshots, and diagrams by interleaving image chunks with text inputs, supporting applications like SFT and RL fine-tuning out-of-the-box.</p>
<div class="lb-trans"><p>除了推理，Tinker 还通过集成 Qwen3-VL（最多 235B 参数）扩展了其严肃的多模态能力。这使得用户能够通过将图像块与文本输入交错处理图像、截图和图表，支持 SFT 和 RL 微调等应用。</p>
</div><p>Crucially, Thinking Machines claims these Vision-Language Models (VLMs) are highly data-efficient. In internal tests showcasing the new vision capabilities, Qwen3-VL significantly outperformed traditional computer vision models like DINOv2 in low-data image classification tasks (such as identifying car models or flower species with only one example per class). This highlights the inherent advantage of VLMs: they leverage existing language context to become powerful zero-shot or few-shot learners.</p>
<div class="lb-trans"><p>关键是，思维机器声称这些视觉语言模型（VLMs）具有高度的数据效率。在展示新视觉能力的内部测试中，Qwen3-VL 在低数据图像分类任务（例如仅用每个类别一个示例识别汽车模型或花卉种类）中显著优于传统计算机视觉模型如 DINOv2。这突显了 VLMs 的固有优势：它们利用现有的语言上下文，成为强大的零样本或少样本学习者。</p>
</div><p>Tinker is no longer a niche platform; it’s a full-stack competitor offering massive reasoning models, multimodal input, and, most importantly, the freedom to integrate without rebuilding your entire stack. (Source: Thinking Machines Lab, Dec 12, 2025)</p>
<div class="lb-trans"><p>Tinker 不再是一个小众平台；它是一个全栈竞争者，提供大规模推理模型、多模态输入，最重要的是，提供在不重建整个技术栈的情况下进行集成的自由。（来源：思维机器实验室，2025 年 12 月 12 日）</p>
</div>

Tinker 推出 OpenAI API 兼容功能，挑战供应商锁定问题