Команда Thinking Machines Lab, заснована екс-технічним директором OpenAI Мірою Мураті, офіційно представила свою першу відкриту ШІ-модель — Inkling. Це не просто чергова нейромережа, а амбітна спроба перевизначити стандарти в сегменті відкритих моделей, зробивши ставку на мультимодальність та гнучкість.
Архітектура Inkling побудована на принципі Mixture of Experts (MoE). Це означає, що під час обробки кожного запиту активується лише частина мережі, що кардинально прискорює інференс без втрати глибини аналізу. Загальна кількість параметрів становить 975 мільярдів, з яких 41 мільярд активні. Вікно контексту сягає 1 мільйона токенів — це дозволяє моделі обробляти величезні масиви даних, включаючи довгі документи та складні діалоги. Навчання проводилося з нуля на датасеті обсягом 45 трильйонів токенів, що охоплює текст, зображення, аудіо та відео.
Ключова особливість Inkling — здатність міркувати одночасно в кількох модальностях (текст, зображення, аудіо), хоча на виході поки що генеруються лише текстові відповіді, включаючи код та структуровані дані. Користувач може самостійно регулювати баланс між швидкістю та якістю, налаштовуючи рівень міркувань. Це робить модель ідеальною для завдань, де потрібна або швидка відповідь, або глибока аналітика.
Лідерство в агентських завданнях, але вразливість перед Китаєм
Inkling демонструє видатні результати в бенчмарках, орієнтованих на агентську поведінку. На тесті MCP Atlas, що вимірює відсоток виконаних завдань з використанням протоколу Model Context Protocol, Inkling набрала 74,1% — майже на 30 пунктів вище, ніж у Nvidia Nemotron 3 Ultra, основного західного конкурента серед відкритих моделей. На SWE-Bench Verified (автономне виправлення багів у GitHub) результат склав 77,6% проти 70,7% у Nemotron. У тесті FORTRESS Adversarial, що оцінює коректну обробку шкідливих запитів, модель отримала 78%.
Однак на тлі китайських аналогів позиції Inkling виглядають менш впевнено. На Terminal Bench 2.1 Inkling показала 63,8%, тоді як Z.ai GLM 5.2 досяг 82,7%, а нещодавно випущена Kimi K3 від Moonshot AI — 88,3%. Остання також лідирує в тесті на наукове мислення рівня PhD (Humanity's Last Exam).
Thinking Machines позиціонує Inkling як «універсальну» модель, яка не жертвує продуктивністю в одних завданнях заради переваги в інших. Ставка зроблена на кастомізацію: компанія вважає, що бізнесу важливіша гнучка модель під конкретне завдання, а не монолітне рішення. Разом з основною версією представлена полегшена Inkling-Small (276 млрд параметрів, 12 млрд активних), але її повні ваги поки не опубліковані — модель продовжує тестування.
Моя експертна думка: Inkling — це потужний сигнал про те, що майбутнє ШІ не за закритими гігантами на кшталт GPT-5, а за відкритими, кастомізованими системами. Однак розрив з китайськими моделями в кодингу та наукових завданнях показує, що західним розробникам доведеться наздоганяти. Успіх Inkling залежатиме від того, наскільки швидко спільнота зможе адаптувати її під свої ніші.