Що сталося
Thinking Machines Lab — стартап Міри Мураті, екс-CTO OpenAI — 15 липня 2026 року випустила свою першу модель Inkling: мультимодальну MoE-модель із відкритими вагами (ліцензія Apache 2.0). Ваги вже доступні для завантаження на Hugging Face — і в початковому вигляді, і в квантованому форматі NVFP4 для інференсу на картах Nvidia Blackwell.
Флагманська модель — 975 млрд параметрів (41 млрд активних на токен), контекстне вікно до 1 млн токенів, попереднє навчання на 45 трлн токенів тексту, зображень, аудіо та відео. Паралельно вийшла полегшена Inkling-Small — 276 млрд параметрів (12 млрд активних), для сценаріїв, де важливі низька затримка і ціна.
Деталі
- Архітектура: 66-шаровий decoder-only трансформер, sparse MoE-блок — 256 маршрутизованих експертів + 2 спільних, на кожен токен активні 6 маршрутизованих експертів; чергування sliding-window і глобальної уваги у пропорції 5:1.
- Модальності: текст, зображення (патч-енкодер), аудіо та відео на вході; на виході поки лише текст (зокрема код і структуровані дані).
- Розгортання: ваги відкриті за Apache 2.0 — їх можна завантажити, дотренувати і запустити на власній інфраструктурі або у VPC, без звернення до API постачальника. Модель також доступна через сервіс дотренування Tinker самої Thinking Machines і через сторонніх інференс-провайдерів — TogetherAI, Fireworks, Modal, Databricks, Baseten; на старті компанія дає знижку 50% на API-доступ на обмежений термін.
- Продуктивність (за даними компанії та TechCrunch): Thinking Machines прямо називає Inkling не найсильнішою моделлю на ринку, але економічною — на одному з бенчмарків із кодингу моделі потрібно приблизно втричі менше токенів, ніж Nemotron 3 Ultra від Nvidia, для порівнянного результату. У пілоті з Bridgewater Associates модель показала 84,7% на тесті фінансових міркувань за розрахункової вартості запуску приблизно у 14 разів нижчої, ніж у пропрієтарних аналогів.
- Позиціювання «стійкості до цензури»: в офіційному анонсі Thinking Machines пише, що спеціально навчала Inkling відповідати безпосередньо на теми, які в інших моделей потрапляють під обмеження, і наводить власну оцінку «невідповідності цензурним патернам». Це формулювання й оцінка самої компанії, а не незалежний бенчмарк — на практиці це означає вужчий набір дефолтних відмов, а не відсутність модерації як такої.
Що це означає
Стосується передусім команд, які хочуть власний великий відкритий ШІ під контролем — з розміщенням на своїх серверах або у VPC, без передавання даних зовнішньому API, і з правом дотренувати модель під своє завдання. Для них Inkling — новий великий кандидат в один ряд із відкритими моделями рівня Llama, DeepSeek і GPT-OSS, причому з ліцензією Apache 2.0, яка прямо дозволяє комерційне використання й модифікацію без роялті.
Практична можливість тут конкретна: повний чекпойнт Inkling (975 млрд параметрів, BF16) потребує по-справжньому серверної інфраструктури, але квантована версія NVFP4 і полегшена Inkling-Small (276 млрд/12 млрд активних) знижують поріг входу для команд без парку топових GPU, а знижка 50% на API — спосіб протестувати модель ще до закупівлі заліза. Горизонт — просто зараз: ваги вже лежать на Hugging Face, знижка на API та доступ через сторонніх провайдерів діють «обмежений час», тож оцінювати вартість і якість для свого завдання варто найближчими тижнями, а не відкладати.
