Колишній технічний директор OpenAI, Міра Мураті, нарешті розкрила карти свого нового проєкту — Thinking Machines Lab. Перша публічна модель, яка отримала назву Inkling, вже доступна для тестування та тонкого налаштування. Це не просто черговий мовний асистент, а серйозний крок у бік мультимодального ШІ, здатного міркувати про текст, зображення та аудіо одночасно.
Архітектура Inkling побудована на принципі MoE (Mixture of Experts): при кожному запиті активується лише частина мережі, що забезпечує високу швидкість інференсу без втрати глибини аналізу. Загальний пул параметрів становить 975 мільярдів, з яких активні 41 мільярд. Контекстне вікно — вражаючий 1 мільйон токенів. Модель навчалася з нуля на 45 трильйонах токенів, включаючи текст, зображення, аудіо та відео.
Однак варто зазначити, що, незважаючи на мультимодальні здібності, Inkling поки що генерує лише текстові відповіді — код, структуровані дані та аналітичні висновки. Але є й цікава особливість: користувач може вручну регулювати баланс між швидкістю та якістю, використовуючи керований рівень міркувань. Це дає гнучкість, яка рідко зустрічається у відкритих моделях.
Де Inkling показує свої сильні сторони
На мою думку, найвражаючіші результати модель демонструє в агентських завданнях. На тесті MCP Atlas, який оцінює виконання завдань з використанням Model Context Protocol, Inkling набрала 74,1% — це майже на 30 пунктів вище, ніж у Nvidia Nemotron 3 Ultra, основного західного конкурента серед відкритих моделей. На SWE-Bench Verified, де перевіряється автономне виправлення багів у GitHub, Inkling також впевнено лідирує: 77,6% проти 70,7% у Nemotron.
На тесті FORTRESS Adversarial, який оцінює коректну обробку шкідливих запитів без надмірного блокування, модель отримала 78%. Це робить її найпотужнішою відкритою моделлю серед західних розробок на даний момент. Однак, як і очікувалося, Inkling поки що поступається китайським гігантам. На Terminal Bench 2.1, де перевіряється автономне кодування в реальному середовищі, Inkling набрала 63,8%, тоді як Z.ai GLM 5.2 показав 82,7%, а нещодавно випущена Kimi K3 від Moonshot AI — 88,3%. Kimi K3 також лідирує в тесті на наукове мислення рівня PhD — Humanity's Last Exam.
Thinking Machines позиціонує Inkling як «універсальну» модель, яка не жертвує одними завданнями заради переваги в інших. Ставка зроблена на кастомізацію: компанія розраховує, що бізнесу важливіша гнучка модель під конкретне завдання, а не універсальний «швейцарський ніж».
Мій експертний погляд: Inkling — це серйозна заявка, але вона явно орієнтована на нішеві корпоративні сценарії, де важлива налаштовуваність. Поки модель поступається китайським аналогам у загальних тестах, її сила — в агентських і кодових завданнях. Якщо Thinking Machines зможе масштабувати кастомізацію та покращити результати на наукових тестах, Inkling може стати реальним конкурентом для DeepSeek і GLM. Але поки що це лише перший крок.