Автор admin 
Стартап Thinking Machines Lab, заснований колишньою технічною директоркою OpenAI Мірою Мурaті, представив свою першу LLM-модель під назвою Inkling. На відміну від флагманських продуктів OpenAI, Anthropic чи Google, модель випущена з відкритими вагами (open-weights).
Читайте также: Космічні таємниці по сусідству. Астрономи виявили чотири приховані білі карлики поблизу Землі
Це найбільша американська відкрита модель на сьогодні, яка за розміром і можливостями наближається до провідних китайських розробок: DeepSeek V4, GLM 5.2 та Kimi K2.6.
Міра Мураті
Захід нарешті наздоганяє Китай
За останні роки сегмент відкритих моделей майже повністю перейшов під контроль китайських лабораторій — особливо після того, як Meta зі своєю лінійкою Llama розчарувала розробників і компанія почала рухатися в бік більш закритих проєктів. Через це дедалі більше західних компаній звертають увагу на дешеві китайські моделі, що викликає занепокоєння в частині безпеки даних та відповідності регуляторним вимогам у США.
Саме цю прогалину, на думку спостерігачів, і покликаний закрити Inkling. Як зазначає Axios, компанія робить ставку не на те, щоб випустити найрозумнішу модель, а на те, що бізнесу потрібна система штучного інтелекту, яку можна «зробити своєю» — тобто донавчити під власні задачі, а не просто орендувати доступ у великої лабораторії.
Генеральний директор Hugging Face Клеман Деланг прогнозує, що флагманські моделі Anthropic та OpenAI дедалі більше будуть використовуватися для експериментів і високовартісних задач, тоді як основна маса прикладних застосунків переміщуватиметься на приватні або відкриті альтернативи — саме на цей сценарій і робить ставку Thinking Machines.
Технічні характеристики Inkling
Inkling — це модель архітектури Mixture-of-Experts (MoE) із 975 мільярдами параметрів загалом, з яких активними для обробки одного запиту є лише близько 41 мільярда — це і тримає витрати на інференс на прийнятному рівні. Модель підтримує контекстне вікно до 1 мільйона токенів і навчена на 45 трильйонах токенів тексту, зображень, аудіо та відео, обробляючи всі ці модальності нативно. Втім, наразі генерувати вона може лише текстовий вивід — включно з кодом, стилізованими артефактами та структурованими даними.
Для запуску моделі в нативній 16-бітній точності потрібно понад два терабайти пам’яті GPU — приблизно вісім прискорювачів Nvidia B300 або шістнадцять H200. Для менш потужного обладнання компанія випустила квантизовану NVFP4-версію, якій достатньо вдвічі меншої кількості чипів.
Agentic Web Dev: таблиця лідерів серед LLM у генерації веб-застосунків
Сама компанія прямо визнає: Inkling — не найсильніша модель на ринку, ні серед відкритих, ні серед закритих рішень. Натомість Thinking Machines зробила ставку на збалансованість і ефективність «мислення» — модель дозволяє гнучко регулювати обчислювальні зусилля (thinking effort) і, за твердженням розробників, на бенчмарку Terminal Bench 2.1 витрачає втричі менше токенів для досягнення того самого результату, що й Nemotron 3 Ultra від Nvidia — до цього найбільша й найпотужніша американська відкрита модель.
Читайте также: Ілон Маск після скандалу відкрив код Grok Build і скинув всі ліміти на використання
Що стосується бенчмарків у порівнянні з іншими моделями (відкритими та закритими), то новинка демонструє досить пристойний результат:
| Бенчмарк | Inkling | Nemotron 3 Ultra | Kimi K2.6 | GLM 5.2 | DeepSeek V4 Pro | Gemini 3.1 Pro | Claude Fable 5 | GPT 5.6 Sol |
|---|---|---|---|---|---|---|---|---|
| HLE (текст) | 29,7% | 26,6% | 35,9% | 40,1% | 35,9% | 44,7% | 53,3% | 47,2% |
| AIME 2026 | 97,1% | 94,2% | 96,4% | 99,2% | 96,7% | 98,3% | 99,9% | 99,9% |
| GPQA Diamond | 87,2% | 86,7% | 91,1% | 89,5% | 88,8% | 94,1% | 92,6% | 94,1% |
| SWEBench Verified | 77,6% | 70,7% | 80,2% | 80,0% | 80,6% | 80,6% | 95,0% | 82,2% |
| Terminal Bench 2.1 | 63,8% | 56,4% | 71,3% | 82,7% | 64% | 73,8% | 84,6% | 89,5% |
| SimpleQA Verified | 43,9% | 32,4% | 38,7% | 38,1% | 57,0% | 77,3% | 68,3% | 71,6% |
| IFBench | 79,8% | 81,4% | 76,0% | 73,3% | 76,5% | 77,1% | 63,5% | 72,7% |
| FORTRESS (Adversarial) | 78,0% | 77,6% | 65,6% | 71,3% | 36,0% | 65,2% | 96,0% | 82,4% |
| StrongREJECT | 98,6% | 98,7% | 99,8% | 98,5% | 98,6% | 98,0% | 98,7% | 98,5% |
Звідки взявся Inkling: DeepSeek-подібна архітектура і Kimi для бутстрепінгу
Тут-таки виникає нюанс, на якому наголошує частина оглядачів. Архітектура MoE в Inkling значною мірою повторює підхід DeepSeek-V3 — це визнає й сама Thinking Machines. Крім того, для початкового етапу пост-тренування (SFT) компанія використовувала синтетичні дані, згенеровані відкритими моделями, включно з Kimi K2.5 від китайської Moonshot AI — щоправда, основний обсяг обчислень пішов на подальше масштабне навчання з підкріпленням (RL) на власних даних. У Thinking Machines обіцяють, що наступна модель використовуватиме повністю власний пайплайн пост-тренування, без запозичень із чужих систем.
Модель навчалась на Nvidia GB300 NVL72 у межах партнерства компанії з Nvidia. Разом з Inkling представлено попередню версію легшої моделі Inkling-Small на 276 мільярдів параметрів (12 мільярдів активних), орієнтованої на задачі, де критичні швидкість і вартість; повні ваги цієї моделі планують випустити пізніше, після завершення тестування.
Доступність
Inkling вже доступна для донавчання на платформі Tinker від Thinking Machines, а також через партнерські API-сервіси TogetherAI, Fireworks, Modal, Databricks і Baseten. Повні ваги моделі опубліковані на Hugging Face — як у оригінальному вигляді, так і у квантизованій NVFP4-версії для систем на базі Nvidia Blackwell. Компанія також додала підтримку Inkling у vLLM, SGLang, TokenSpeed та llama.cpp.
Як приклад практичної цінності підходу «модель, яку можна донавчати», Thinking Machines наводить проєкт із хедж-фондом Bridgewater Associates: донавчена на фінансовій експертизі фонду відкрита модель показала 84,7% на тестах фінансового мислення, перевершивши провідні закриті моделі — щоправда, ці результати отримані у внутрішньому оцінюванні самих компаній, без незалежної перевірки.
Нагадаємо, раніше ми писали, як Ілон Маск перетворив судову справу проти OpenAI на sci-fi шоу.
Читайте также: Ми програємо супербактеріям. Антибіотик останньої надії втрачає ефективність проти небезпечної лікарняної інфекції
Підписуйтесь на нас у соцмережах: Telegram | Facebook | LinkedIn