<p>思維機器實驗室剛剛採取了重大舉措，以挑戰 OpenAI 的平台主導地位。他們的 Tinker API 現在已全面上線，但真正的新聞是推出了與 OpenAI API 兼容的推理接口。這意味着開發者現在可以將 Tinker 模型——包括新的萬億參數 Kimi K2 Thinking 模型——無縫集成到為 OpenAI 構建的現有基礎設施中。</p>
<p>這種對行業標準的採用是對供應商鎖定的直接挑戰。通過提供 Tinker OpenAI API 兼容性，思維機器大幅降低了開發者尋找替代方案的轉換成本，無論是出於成本、性能還是專業模型的考慮。新的接口允許通過指定路徑快速從任何模型進行採樣，即使在模型仍在積極訓練時。</p>
<p>Tinker 還在擴展其核心能力。新的 Kimi K2 Thinking 模型擁有萬億參數，現在可用於微調，並專門針對複雜的長鏈推理和工具使用進行了工程設計。</p>
<h2>多模態競爭加劇</h2>
<p>除了推理，Tinker 還通過集成 Qwen3-VL（最多 235B 參數）擴展了其嚴肅的多模態能力。這使得用户能夠通過將圖像塊與文本輸入交錯處理圖像、截圖和圖表，支持 SFT 和 RL 微調等應用。</p>
<p>關鍵是，思維機器聲稱這些視覺語言模型（VLMs）具有高度的數據效率。在展示新視覺能力的內部測試中，Qwen3-VL 在低數據圖像分類任務（例如僅用每個類別一個示例識別汽車模型或花卉種類）中顯著優於傳統計算機視覺模型如 DINOv2。這突顯了 VLMs 的固有優勢：它們利用現有的語言上下文，成為強大的零樣本或少樣本學習者。</p>
<p>Tinker 不再是一個小眾平台；它是一個全棧競爭者，提供大規模推理模型、多模態輸入，最重要的是，提供在不重建整個技術棧的情況下進行集成的自由。（來源：思維機器實驗室，2025 年 12 月 12 日）</p>

OpenAI

<p>Thinking Machines Lab 推出了與 OpenAI API 兼容的 Tinker API，挑戰了供應商鎖定。開發者現在可以將 Tinker 模型，包括萬億參數的 Kimi K2 Thinking 模型，集成到 OpenAI 基礎設施中。這一舉措降低了尋求替代方案的開發者的轉換成本。Tinker 還引入了多模態能力，使用 Qwen3-VL，在低數據任務中超越傳統模型。Tinker 作為一個全棧競爭者，提供了龐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>思維機器實驗室剛剛採取了重大舉措，以挑戰 OpenAI 的平台主導地位。他們的 Tinker API 現在已全面上線，但真正的新聞是推出了與 OpenAI API 兼容的推理接口。這意味着開發者現在可以將 Tinker 模型——包括新的萬億參數 Kimi K2 Thinking 模型——無縫集成到為 OpenAI 構建的現有基礎設施中。</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>這種對行業標準的採用是對供應商鎖定的直接挑戰。通過提供 Tinker OpenAI API 兼容性，思維機器大幅降低了開發者尋找替代方案的轉換成本，無論是出於成本、性能還是專業模型的考慮。新的接口允許通過指定路徑快速從任何模型進行採樣，即使在模型仍在積極訓練時。</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 還在擴展其核心能力。新的 Kimi K2 Thinking 模型擁有萬億參數，現在可用於微調，並專門針對複雜的長鏈推理和工具使用進行了工程設計。</p>
</div><h2>Multimodal Competition Heats Up</h2>
<div class="lb-trans"><h2>多模態競爭加劇</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 還通過集成 Qwen3-VL（最多 235B 參數）擴展了其嚴肅的多模態能力。這使得用户能夠通過將圖像塊與文本輸入交錯處理圖像、截圖和圖表，支持 SFT 和 RL 微調等應用。</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>關鍵是，思維機器聲稱這些視覺語言模型（VLMs）具有高度的數據效率。在展示新視覺能力的內部測試中，Qwen3-VL 在低數據圖像分類任務（例如僅用每個類別一個示例識別汽車模型或花卉種類）中顯著優於傳統計算機視覺模型如 DINOv2。這突顯了 VLMs 的固有優勢：它們利用現有的語言上下文，成為強大的零樣本或少樣本學習者。</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 不再是一個小眾平台；它是一個全棧競爭者，提供大規模推理模型、多模態輸入，最重要的是，提供在不重建整個技術棧的情況下進行集成的自由。（來源：思維機器實驗室，2025 年 12 月 12 日）</p>
</div>

Tinker 推出 OpenAI API 兼容功能，挑戰供應商鎖定問題