Mira Murati rzuca wyzwanie gigantom: Thinking Machines debiutuje z modelem Inkling
Rynek sztucznej inteligencji doczekał się nowej, istotnej premiery, która może namieszać w hierarchii systemów AI. Thinking Machines Lab, projekt prowadzony przez byłą dyrektor technologiczną OpenAI, Mirę Murati, zaprezentował Inkling – swój pierwszy bazowy model typu Mixture-of-Experts (MoE). To jednostka o imponującej architekturze, która łączy otwartość z potężnymi możliwościami multimodalnymi, celując w dostarczenie solidnego fundamentu pod specjalistyczne wdrożenia.
Temat jest kluczowy właśnie teraz, ponieważ oficjalny debiut Inklinga stanowi bezpośrednie uderzenie w zamknięte ekosystemy Google czy Microsoftu. Startup Murati, który w lipcu 2025 roku zebrał 2 mld USD finansowania przy wycenie sięgającej 12 mld USD, stawia na model z otwartymi wagami. Oznacza to, że po pobraniu wag użytkownicy nie mają obowiązku płacić firmie za ich eksploatację, co stoi w kontrze do modeli subskrypcyjnych OpenAI czy Anthropic.
Architektura i wydajność pod maską
Inkling nie jest lekkim modelem do prostych zadań. To kolos o łącznej liczbie 975 miliardów parametrów, choć dzięki architekturze MoE podczas pracy aktywuje jedynie 41 miliardów z nich. Model przeszkolono na gigantycznym zbiorze 45 bilionów tokenów, obejmującym tekst, kod oraz natywne przetwarzanie obrazu i dźwięku. Co istotne, twórcy nie kryją skromności – w materiałach informacyjnych otwarcie przyznają, że Inkling „nie jest najsilniejszym dostępnym dziś modelem, czy to otwartym, czy zamkniętym”.
Uwagę przykuwa elastyczność w zarządzaniu rozumowaniem. Deweloperzy otrzymali suwak pozwalający kontrolować wysiłek poznawczy modelu (w skali od 0,2 do 0,99). Pozwala to balansować między jakością odpowiedzi a kosztem tokenów. W testach Terminal Bench 2.1 Inkling dorównuje modelowi Nemotron 3 Ultra, generując przy tym o dwie trzecie mniej tokenów – to sygnał, że Thinking Machines stawia na efektywność merytoryczną, a nie objętościową.
Multimodalność i platforma Tinker
Zgodnie z obietnicami o transparentności, Thinking Machines udostępniło wagi modelu publicznie. Checkpointy zoptymalizowano pod systemy NVIDIA Blackwell, co ma znaczenie dla firm budujących własną infrastrukturę. Inkling radzi sobie z oknem kontekstowym rzędu miliona tokenów, a jego zdolności logiczne potwierdzają wyniki: 77,6% w SWE-bench Verified oraz 97,1% w AIME 2026.
Model stanowi fundament platformy Tinker. Jak wyjaśnia Mira Murati: – Tinker wprowadza nowoczesne narzędzia dla badaczy, zapewniając przejrzyste abstrakcje do budowania eksperymentów i procesów treningowych przy jednoczesnym zarządzaniu złożonością treningu rozproszonego.
Strategiczne pozycjonowanie
Thinking Machines nie próbuje wygrać wojny na suchą liczbę parametrów. Buduje system, w którym model bazowy to punkt wyjścia do dostosowań. Dzięki partnerstwom z Databricks i Hugging Face, model jest dostępny niemal natychmiast dla szerokiego grona programistów. Firma zapowiedziała już mniejszą wersję – Inkling-Small (276 mld parametrów, 12 mld aktywnych) – która ma oferować jeszcze niższe opóźnienia w zastosowaniach produkcyjnych.
