276B总参、每个token只激活12B，听着轻巧，显存还是会被总参数量卡死。MoE省下来的是算力不是存储，全量权重照样得驻留，这点别被激活量骗了。
真正有意思的是，就这12B激活，在Terminal-Bench 2.1、HLE和SWE-Bench Verified上都压过了激活41B的那版Inkling，说明路由策略和专家切分的收益比单纯堆激活量划算。原生音频、视觉再加1M上下文一起给，多模态和长程能力塞进了同一套权重。开源这点最实在，能自己拆开看专家分布、路由均不均衡。部署侧的账另算：稀疏模型吞吐很吃batch，小并发场景反倒讨不到便宜。