Thinking Machines Lab випустила мультимодальну модель Inkling із відкритими вагами

Thinking Machines Lab представила Inkling — мультимодальну ШІ-модель із відкритими вагами. Вона підтримує контекст до одного мільйона токенів і працює з текстом, зображеннями та аудіо.

975 млрд параметрів і мультимодальні можливості

Thinking Machines Lab заснувала колишня технічна директорка OpenAI Міра Мураті разом із командою фахівців, які раніше працювали в OpenAI та інших компаніях. Inkling стала першим великим релізом компанії після її виходу з режиму прихованої розробки. 

ШІ-модель побудована на архітектурі Mixture-of-Experts і має 975 млрд параметрів. Під час обробки кожного запиту вона використовує 41 млрд активних параметрів.

Компанія попередньо навчила модель на 45 трлн токенів. Навчальні матеріали охоплювали текст, зображення, аудіо та відео.

Inkling може аналізувати текстову, візуальну й аудіоінформацію в межах одного процесу міркування. Модель розпізнає мовлення, виконує голосові інструкції та відповідає на запитання про аудіозаписи.

Під час роботи із зображеннями Inkling може описувати їхній вміст, аналізувати діаграми та розв’язувати завдання з візуальними даними. За потреби модель використовує Python для масштабування або обрізання зображень.

Компанія позиціонує Inkling як універсальну базову модель, яку можна адаптувати для різних завдань. Водночас компанія прямо не називає її найпотужнішою доступною моделлю.

Головними перевагами Inkling у Thinking Machines Lab вважають мультимодальність, керовану глибину міркування та можливість додаткового навчання. Модель із відкритими вагами можна завантажувати, запускати та змінювати самостійно.

Керування тривалістю міркування моделі

Рейтинг Design Arena та позиція Inkling в ньому (Thinking Machines Lab)

Inkling підтримує керовану інтенсивність міркування. Користувачі можуть змінювати обсяг обчислень залежно від необхідної якості, швидкості та вартості відповіді.

За даними Thinking Machines Lab, модель може досягати певного результату, використовуючи менше токенів, ніж деякі інші моделі з відкритими вагами.

Наприклад, у тесті Terminal Bench 2.1 Inkling досягла результату Nemotron 3 Ultra, використавши приблизно третину від кількості токенів. Це порівняння провела сама компанія.

Inkling також навчали програмуванню, використанню інструментів, виконанню інструкцій і роботі в агентних середовищах. В одному з прикладів модель створила вебзастосунок і керувала його інтерфейсом за допомогою текстових команд.

На рейтингу Design Arena для створення вебзастосунків Inkling отримала 1257 балів. У наведеній компанією таблиці модель поступилася кільком закритим і відкритим моделям, але випередила низку інших учасниць.

У тесті AIME 2026 модель набрала 97,1%. Її результат у GPQA Diamond становив 87,2%, а в SWEBench Verified — 77,6%.

Компанія застерігає, що частину результатів отримала у власних середовищах. Для окремих зовнішніх моделей вона використала заявлені їхніми розробницями показники.

Inkling доступна для додаткового навчання через Tinker

Inkling уже доступна на платформі Tinker із контекстними вікнами на 64 тис. і 256 тис. токенів. Максимальний заявлений контекст самої моделі становить один мільйон токенів.

Користувачки можуть протестувати модель через Inkling Playground. Чат-інтерфейс підтримує агентний пошук в інтернеті та протягом обмеженого періоду працює безкоштовно.

Повні ваги Inkling опубліковані на Hugging Face. Компанія надала оригінальну контрольну точку та версію NVFP4 для ефективнішого запуску на системах NVIDIA Blackwell.

Thinking Machines Lab також представила попередню версію Inkling-Small. Вона має 276 млрд параметрів, з яких 12 млрд активуються під час роботи.

За даними компанії, менша модель наближається до Inkling у частині тестів, але потребує менше ресурсів. Повні ваги Inkling-Small опублікують після завершення тестування.