Модели

Thinking Machines выпускает Inkling как модель с открытыми весами на фоне расширяющейся конкуренции

Лаборатория Thinking Machines под руководством Мира Мурати выпустила Inkling, модель «смесь экспертов» с 975 миллиардами параметров и открытыми весами, ставя на центр внимания настройку и контроль разработчика в следующей гонке моделей.

Майкл Г · 20 июля 2026

Лаборатория Thinking Machines выпустила Inkling, свою первую открытую модель с весами базовая модель, превращающая компанию Мира Мурати из истории о сильно финансируемой лаборатории на передовом рубеже в поставщика моделей с конкретной технической долей на рынке. В объявлении компании от 15 июля Inkling описывается как трансформер с 975 миллиардами параметров в смеси экспертов, из которых 41 миллиард активных параметров, контекстным окном до 1 миллиона токенов и нативным рассуждением по тексту, изображениям и аудио. Reuters и TechCrunch оба охарактеризовали выпуск как попытку предложить разработчикам настраиваемую альтернативу закрытым моделям и китайским системам с открытым весом, которые набрали популярность в 2026 году.

Дизайн модели отражает прагматичную компромиссную стратегию. А смесь экспертов система может демонстрировать очень большой общий масштаб, одновременно активируя меньшую часть модели для данного запроса, что может снизить затраты на обслуживание и задержку. Компания Thinking Machines заявляет, что Inkling не является самой мощной моделью на сегодняшний день. Это признание стратегически полезно. Компания утверждает, что доминирование в рейтингах — не единственный путь к внедрению. Модель, которую можно скачать, настроить и дообучить, может быть более ценной для команд, которым нужен контроль над поведением, данными и стоимостью.

Выпуск также сочетает модель с Поиграйся, платформа тонкой настройки Thinking Machines. Это сочетание важно, потому что одни открытые веса не решают операционную проблему. Большинство разработчиков не хотят создавать инфраструктуру для обучения с нуля, управлять специализированным оборудованием или разрабатывать конвейеры оценки для каждого эксперимента. Выпуск модели становится более полезным, когда она подключена к рабочему процессу настройки, который помогает командам адаптировать базовую модель, не превращая каждую продуктовую группу в команду операций передовой лаборатории.

Inkling's карточка модели сообщает, что система предназначена для использования на английском языке и в общем многоязычном контексте, для кодирования, генерации с поддержкой поиска, систем использования инструментов и общих разговорных приложений. Она выпущена под лицензией Apache 2.0, разрешительной лицензией, что может иметь значение для коммерческих разработчиков. Модель принимает текстовые, графические и аудиовходы и генерирует текстовые выходы, включая код и структурированные данные. Эти возможности ставят её в центр прикладного уровня, где компании пытаются создавать агентные продукты.

Конкурентный контекст важен. Открытые модели стали точкой геополитического и коммерческого давления. Китайские лаборатории показали, что публикация моделей с открытыми весами может подтолкнуть разработчиков к более дешевым путям развёртывания, в то время как передовые лаборатории США сильно полагаются на закрытый доступ через хостинг. Thinking Machines заполняет этот пробел, предлагая модель с открытыми весами на базе США и коммерческую услугу обучения. Это дает компаниям еще один вариант, если они хотят больше контроля, чем предоставляет закрытый API, но больше поддержки, чем предлагает простое скачивание модели.

Вопрос безопасности неизбежен. Модели с открытыми весами позволяют проводить инспекцию и адаптацию, но они также распространяют возможности за пределы прямого контроля исходного поставщика. Thinking Machines утверждает, что Inkling прошла тестирование на безопасность, а картка модели описывает предполагаемые способы использования и допустимое использование ограничения. Более сложное испытание наступит, когда downstream-разработчики будут дорабатывать модель для специализированных задач, интегрировать её в инструменты и разворачивать в средах, которые Thinking Machines не может полностью контролировать.

Рыночный вопрос заключается в том, станет ли персонализация более сильным аргументом продаж, чем общий интеллект. Предприятиям часто не нужно, чтобы модель побеждала на всех общедоступных бенчмарках. Им нужна предсказуемая производительность в своей области, прозрачная стоимость, безопасные пути развертывания и способ измерить, улучшила ли модель рабочий процесс. Если Inkling показывает достаточные результаты, а Tinker делает посттренировочное использование доступным, Thinking Machines может конкурировать на основе соответствия, а не известности.

Таким образом, Inkling скорее является заявлением о направлении развития конкуренции моделей, чем отдельным выпуском. Первый бум ИИ наградил компанию, которая предложила наиболее привлекательного общего ассистента. Следующий может вознаградить компанию, которая предоставит разработчикам мощную базовую модель, управляемый тренировочный цикл и достаточную открытость, чтобы модель ощущалась как инфраструктура, а не как арендованная черная коробка.

Темы: Думающие машины, Inkling, открытые веса, модели