Mira Murati 在 2024 年底離開 OpenAI，當時 OpenAI 正處於上市前夕的高光時刻，她以技術總監身份帶著一批核心工程師離開。
大家都以為她會去追逐另一個 GPT 語言模型。結果她做了 Tinker。
Thinking Machines Lab 到底在做什麼
簡單說：Tinker 是一個允許開發者為任何開源大模型打上「能力補丁」的 API。
你想讓 Llama 4 更擅長寫 Python？給 Tinker 一批標註數據，它會用強化學習把這個模型微調成「Python 專家」版本。不用自己維護 GPU 集群，不用搭建訓練流水線，API 調用即可。
這個產品思路與 OpenAI 的 fine-tuning API 相似，但底層不同——Tinker 的核心是基於強化學習（RL）的微調，而非普通的監督學習微調。RL 微調比 SFT 更難控制，但在某些任務上效果明顯更好。DeepSeek 的推理能力提升，用的就是這條路。
Thinking Machines 的首席科學家是 John Schulman——PPO 演算法的作者之一，也是 OpenAI 早期 RL 訓練框架的主要設計者。可以理解為，他們把強化學習這條線上最懂的人請來了。
另外兩位：CTO 是 Soumith Chintala，PyTorch 的創始人；CEO 是 Mira Murati 本人。這三個人組合在一起，構成了罕見的組合：模型框架 + RL 理論 + 產品直覺。
這次 Google 的交易
4 月 22 日，在拉斯維加斯的 Google Cloud Next 大會上，Thinking Machines Lab 和 Google Cloud 宣布了一筆新合約。
規模：數十億美元（TechCrunch 獨家報導，一位知情人士描述為「個位數十億美元」級別，具體金額未公開）。
合約內容：
- 硬體：Nvidia GB300 NVL72 系統——72 塊 GPU 一組的大型液冷機櫃，訓練和服務速度比上一代提升 2 倍
- 網路：Google 自研的 Jupiter 網路架構，專門用於 GPU 間權重傳輸
- 軟體服務：Kubernetes Engine、Spanner 資料庫、Cloud Storage（附 Anywhere Cache）
- 虛擬機器：A4X Max 實例，每台配置四塊 Nvidia Blackwell Ultra GPU、72 核 CPU、37TB 記憶體
為什麼 RL 微調需要這種級別的算力？創始研究員 Myle Ott 解釋了核心瓶頸：
「每次訓練迭代，權重要在數千塊 GPU 之間來回同步數千次。互連頻寬不夠，訓練效率直接崩掉。」
這不是普通的推理部署，而是算力密集型訓練任務。Myle Ott 的評價：
「Google Cloud 讓我們以創紀錄的速度跑起來，可靠性完全滿足我們的要求。」
背景細節
Thinking Machines 成立時間：大約 14 個月前，2025 年初。
融資：2025 年 7 月，完成 20 億美元種子輪融資，估值 120 億美元。種子輪拿到 20 億美元，在整個科技行業都很罕見，說明投資人對團隊的信任程度超出常規判斷。
團隊現狀：130 人以上。但面臨一個挑戰——Meta 已經從 Thinking Machines 挖走 7 名創始成員，其中包括 Tinker 的主力工程師。這個規模的人才流失在 AI 行業裡算不小。
Nvidia 那筆：今年 3 月，Thinking Machines 和 Nvidia 達成另一個協議——購買超過 1 吉瓦量級的 Vera Rubin GPU 系統，Nvidia 也直接投資進來。算力上，他們同時在向 Google 和 Nvidia 兩邊下注。
合約是非排他性的：他們可以繼續用其他雲端服務商。但能拿到 Google GB300 的最早批次存取權，說明 Google 在主動爭奪這個實驗室。
順便一提，這次 Google Cloud Next 上，Google 同時宣布了和 Anthropic 及 Meta 的新合約——幾家頭部實驗室一次性鎖定，這是 Google Cloud 在搶 AI 計算市場的明顯動作。
為什麼這條路有意思
AI 行業現在有兩條主線在分叉：
一條是繼續堆通用能力——訓練更大的模型，追那些大盤子 benchmark。
另一條是垂直微調——拿現有的開源模型，針對特定任務做強化，交付給企業使用。Thinking Machines 走的是後者。
商業邏輯在於：大多數企業其實不需要 GPT-5，他們需要「能準確處理我們合約文件的模型」、「能通過我們內部程式碼審查標準的 AI 助手」。客製化比通用更有說服力，尤其在資料安全要求高的行業。
如果 Tinker 能把 RL 微調這條路走順，可能會成為企業 AI 技術棧裡真正的基礎層——不顯眼，但很難繞過。
14 個月的公司，拿了數十億美元的 Google 算力合約，首席科學家是 RL 領域的核心人物。接下來他們發布什麼，值得持續跟著看。
參考來源：Exclusive: Google deepens Thinking Machines Lab ties with new multibillion-dollar deal（TechCrunch）；Google Cloud inks AI infrastructure deal with Thinking Machines（SiliconAngle）；CocoLoop；Thinking Machines Signs Multi-Billion Google GB300 Deal（Implicator.ai）