Inkling: Thinking Machines Lab выпустила первую открытую модель ИИ

15 июля 2026 года стартап Thinking Machines Lab, основанный бывшим техническим директором OpenAI Мирой Мурати, выпустил свою первую собственную модель искусственного интеллекта — Inkling. В отличие от флагманов OpenAI, Anthropic и Google, Inkling выходит с открытыми весами: любой разработчик может скачать модель, изменить её и запустить на собственной инфраструктуре. Это первый публичный результат почти полутора лет закрытой работы компании и заявка на принципиально иной подход к тому, как бизнес должен использовать ИИ.

Кто такие Thinking Machines Lab и почему это важно

Thinking Machines Lab основала Мира Мурати вскоре после ухода из OpenAI. До сих пор компания была известна в основном платформой Tinker для тонкой настройки чужих открытых моделей и исследовательскими публикациями, а не собственными продуктами. Inkling — первое серьёзное доказательство того, что почти 200 сотрудников компании умеют не только настраивать чужие модели, но и обучать собственные с нуля. По собственным заявлениям компании, путь от основания до первого крупного релиза занял у неё около девяти месяцев — против нескольких лет у OpenAI и Anthropic на аналогичной стадии.

Технические характеристики Inkling

Inkling — это модель типа Mixture-of-Experts (смесь экспертов), устроенная так, что на каждый конкретный запрос активируется лишь небольшая часть её параметров, что снижает стоимость и задержку инференса. По архитектуре модель отходит от привычного RoPE в пользу относительного позиционного кодирования и чередует слои с глобальным и «скользящим» вниманием в пропорции 1:5.

Мультимодальность и управляемое «усилие мышления»

Inkling нативно понимает текст, изображения и аудио — без отдельных внешних энкодеров для каждой модальности, что отличает её от конкурентов вроде Qwen3-Omni. Модель показывает 91,4% на бенчмарке VoiceBench и уверенно решает задачи по чтению диаграмм и графиков. Отдельная особенность — управляемое «усилие мышления»: разработчик может явно указать, сколько токенов модель потратит на рассуждение, балансируя между скоростью и качеством ответа. По данным Thinking Machines, на Terminal Bench 2.1 Inkling достигает результата, сравнимого с Nemotron 3 Ultra от Nvidia, тратя примерно втрое меньше токенов.

Агентное кодирование и практические демонстрации

При презентации компания показала, как Inkling с одного запроса собирает рабочее веб-приложение со встроенным агентом для управления браузером, генерирует стилистически цельные многостраничные PDF-документы и дорабатывает многопользовательскую игру через 40 итераций обратной связи от другой модели. На лидерборде Design Arena, где люди вслепую сравнивают сгенерированные веб-приложения, Inkling входит в число сильнейших моделей с открытыми весами — на уровне GPT-5.6 Sol и заметно выше большинства других open-weight конкурентов.

Место Inkling среди конкурентов

Сама компания не претендует на звание лучшей модели в мире: в материалах релиза прямо сказано, что Inkling «не самая сильная модель из существующих, ни открытая, ни закрытая». На бенчмарке SWE-bench Verified модель набирает 77,6%, уступая свежим релизам вроде Claude Sonnet 5 и GPT-5.6 Sol, но опережая часть открытых аналогов вроде Nemotron 3 Ultra. По части безопасности Inkling демонстрирует один из лучших результатов среди открытых моделей на бенчмарке FORTRESS, а на тестах эпистемической калибровки — способности признавать неуверенность вместо угадывания — обгоняет GPT-5.5 и Grok 4.3. Для сравнения с другими недавними релизами крупных лабораторий стоит взглянуть на Grok 4.5 от xAI и Gemini 3.5 Pro от Google, вышедшие примерно в те же месяцы.

Ставка против «одной модели для всех»

Центральная идея Thinking Machines в том, что организации, которые дообучают модель под свои задачи, со временем получают больше пользы, чем клиенты закрытых универсальных чатботов вроде ChatGPT, Claude или Gemini. Компания предлагает Inkling не как готовый продукт, а как отправную точку для дообучения через платформу Tinker. Похожий аргумент на прошлой неделе публично озвучил и глава Microsoft Сатья Наделла, предупредив, что компании, использующие проприетарные модели, «платят дважды» — подпиской и передачей накопленной экспертизы в промптах. Схожую мысль высказывал и глава Hugging Face Клеман Деланг: по его прогнозу, флагманские модели останутся нишей для экспериментов, а основную продуктивную нагрузку возьмут на себя открытые и приватные модели.

Где попробовать Inkling и сколько это стоит

Веса модели опубликованы на Hugging Face в исходном BF16-формате и в облегчённой версии NVFP4 для видеокарт Nvidia Blackwell; сообщество также подготовило квантованные GGUF-версии для запуска на менее мощном железе. Для дообучения Inkling доступна на платформе Tinker с ограниченным по времени 50%-ной скидкой, а для готового инференса модель уже поддерживают Together AI, Fireworks, Modal, Databricks и Baseten. Компания также сообщила, что при постобучении частично использовала синтетические данные, сгенерированные открытой моделью Kimi K2.5 от Moonshot AI, — практику, известную как дистилляция, — но обещает, что следующее поколение моделей будет обучаться уже без опоры на чужие модели.

Часто задаваемые вопросы

Чем Inkling отличается от ChatGPT, Claude и Gemini?

Главное отличие — открытые веса под лицензией Apache 2.0. Модели OpenAI, Anthropic и Google доступны только через платный API, а Inkling можно скачать, изменить и развернуть самостоятельно, в том числе дообучив под конкретную задачу.

Можно ли уже пользоваться Inkling бесплатно?

Да, веса модели доступны на Hugging Face бесплатно, а в консоли Tinker есть бесплатный пробный доступ к чат-интерфейсу Inkling Playground с веб-поиском.

Подходит ли Inkling для замены флагманских моделей в продакшене?

Сама Thinking Machines позиционирует Inkling как основу для дообучения под конкретные задачи, а не как готовую замену топовым закрытым моделям — на большинстве бенчмарков она уступает свежим флагманам вроде Claude Sonnet 5 и GPT-5.6 Sol.

Релиз Inkling — не попытка обогнать OpenAI, Anthropic или Google по силе модели, а ставка на то, что рынок будущего будет состоять не из одного универсального чатбота на всех, а из множества дообученных под конкретные задачи вариантов одной открытой основы. Получится ли у Thinking Machines конвертировать эту идею в устойчивый бизнес, покажут уже следующие релизы модельной линейки и то, насколько активно компании реального сектора начнут дообучать открытые модели под себя.