Команда Thinking Machines Lab, основанная экс-техническим директором OpenAI Мирой Мурати, официально представила свою первую открытую ИИ-модель — Inkling. Это не просто очередная нейросеть, а амбициозная попытка переопределить стандарты в сегменте открытых моделей, сделав ставку на мультимодальность и гибкость.
Архитектура Inkling построена на принципе Mixture of Experts (MoE). Это означает, что при обработке каждого запроса активируется лишь часть сети, что кардинально ускоряет инференс без потери глубины анализа. Общее количество параметров составляет 975 миллиардов, из которых 41 миллиард активны. Окно контекста достигает 1 миллиона токенов — это позволяет модели обрабатывать огромные массивы данных, включая длинные документы и сложные диалоги. Обучение проводилось с нуля на датасете объемом 45 триллионов токенов, охватывающем текст, изображения, аудио и видео.
Ключевая особенность Inkling — способность рассуждать одновременно в нескольких модальностях (текст, изображение, аудио), хотя на выходе пока генерируются только текстовые ответы, включая код и структурированные данные. Пользователь может самостоятельно регулировать баланс между скоростью и качеством, настраивая уровень рассуждений. Это делает модель идеальной для задач, где требуется либо быстрый ответ, либо глубокая аналитика.
Лидерство в агентских задачах, но уязвимость перед Китаем
Inkling демонстрирует выдающиеся результаты в бенчмарках, ориентированных на агентское поведение. На тесте MCP Atlas, измеряющем процент выполненных задач с использованием протокола Model Context Protocol, Inkling набрала 74,1% — почти на 30 пунктов выше, чем у Nvidia Nemotron 3 Ultra, основного западного конкурента среди открытых моделей. На SWE-Bench Verified (автономное исправление багов в GitHub) результат составил 77,6% против 70,7% у Nemotron. В тесте FORTRESS Adversarial, оценивающем корректную обработку вредоносных запросов, модель получила 78%.
Однако на фоне китайских аналогов позиции Inkling выглядят менее уверенно. На Terminal Bench 2.1 Inkling показала 63,8%, в то время как Z.ai GLM 5.2 достиг 82,7%, а недавно выпущенная Kimi K3 от Moonshot AI — 88,3%. Последняя также лидирует в тесте на научное мышление уровня PhD (Humanity's Last Exam).
Thinking Machines позиционирует Inkling как «универсальную» модель, которая не жертвует производительностью в одних задачах ради превосходства в других. Ставка сделана на кастомизацию: компания считает, что бизнесу важнее гибкая модель под конкретную задачу, а не монолитное решение. Вместе с основной версией представлена облегченная Inkling-Small (276 млрд параметров, 12 млрд активных), но ее полные веса пока не опубликованы — модель продолжает тестирование.
Мое экспертное мнение: Inkling — это мощный сигнал о том, что будущее ИИ не за закрытыми гигантами вроде GPT-5, а за открытыми, кастомизируемыми системами. Однако разрыв с китайскими моделями в кодинге и научных задачах показывает, что западным разработчикам предстоит догонять. Успех Inkling будет зависеть от того, насколько быстро сообщество сможет адаптировать ее под свои ниши.