Бывший технический директор OpenAI, Мира Мурати, наконец-то раскрыла карты своего нового проекта — Thinking Machines Lab. Первая публичная модель, получившая название Inkling, уже доступна для тестирования и тонкой настройки. Это не просто очередной языковой ассистент, а серьёзный шаг в сторону мультимодального ИИ, который способен рассуждать о тексте, изображениях и аудио одновременно.
Архитектура Inkling построена на принципе MoE (Mixture of Experts): при каждом запросе активируется лишь часть сети, что обеспечивает высокую скорость инференса без потери глубины анализа. Общий пул параметров составляет 975 миллиардов, из которых активны 41 миллиард. Контекстное окно — впечатляющий 1 миллион токенов. Модель обучалась с нуля на 45 триллионах токенов, включая текст, изображения, аудио и видео.
Однако стоит отметить, что, несмотря на мультимодальные способности, Inkling пока генерирует только текстовые ответы — код, структурированные данные и аналитические выводы. Но есть и интересная особенность: пользователь может вручную регулировать баланс между скоростью и качеством, используя управляемый уровень рассуждений. Это даёт гибкость, которая редко встречается в открытых моделях.
Где Inkling показывает свои сильные стороны
На мой взгляд, самые впечатляющие результаты модель демонстрирует в агентских задачах. На тесте MCP Atlas, который оценивает выполнение задач с использованием Model Context Protocol, Inkling набрала 74,1% — это почти на 30 пунктов выше, чем у Nvidia Nemotron 3 Ultra, основного западного конкурента среди открытых моделей. На SWE-Bench Verified, где проверяется автономное исправление багов в GitHub, Inkling также уверенно лидирует: 77,6% против 70,7% у Nemotron.
На тесте FORTRESS Adversarial, который оценивает корректную обработку вредоносных запросов без избыточной блокировки, модель получила 78%. Это делает её самой мощной открытой моделью среди западных разработок на данный момент. Однако, как и ожидалось, Inkling пока уступает китайским гигантам. На Terminal Bench 2.1, где проверяется автономное кодирование в реальной среде, Inkling набрала 63,8%, тогда как Z.ai GLM 5.2 показал 82,7%, а недавно выпущенная Kimi K3 от Moonshot AI — 88,3%. Kimi K3 также лидирует в тесте на научное мышление уровня PhD — Humanity's Last Exam.
Thinking Machines позиционирует Inkling как «универсальную» модель, которая не жертвует одними задачами ради превосходства в других. Ставка сделана на кастомизацию: компания рассчитывает, что бизнесу важнее гибкая модель под конкретную задачу, а не универсальный «швейцарский нож».
Мой экспертный взгляд: Inkling — это серьёзная заявка, но она явно ориентирована на нишевые корпоративные сценарии, где важна настраиваемость. Пока модель уступает китайским аналогам в общих тестах, её сила — в агентских и кодовых задачах. Если Thinking Machines сможет масштабировать кастомизацию и улучшить результаты на научных тестах, Inkling может стать реальным конкурентом для DeepSeek и GLM. Но пока это лишь первый шаг.