Thinking Machines Lab, startup założony przez byłą Chief Technology Officer OpenAI Mirę Murati, opublikowało 15 lipca 2026 roku swój pierwszy model AI o nazwie Inkling — otwarty wagowo model klasy Mixture-of-Experts z 975 miliardami parametrów i natywnym wsparciem tekstu, obrazu, dźwięku i wideo. To pierwszy publiczny dowód, że firma buduje coś realnego — po ponad roku prac prowadzonych głównie poza zasięgiem kamer.
Najważniejsze w skrócie
- Inkling: MoE z 975B parametrami całkowitymi, ~41B aktywnych na zadanie, trening na 45 bln tokenów
- Model otwarty wagowo — dostępny do pobrania i fine-tuningu przez każdego
- Firma twierdzi, że Inkling nie jest najlepszym dostępnym modelem, ale oferuje dobrze wyważone wyniki
- Przychody mają płynąć z platformy Tinker (fine-tuning, hosting), nie ze sprzedaży dostępu do modelu
- Kluczowy benchmark: 3x mniej tokenów niż Nemotron 3 Ultra przy tym samym poziomie kodowania
Architektura i co Inkling potrafi
Inkling to Mixture-of-Experts — architektura, w której model ma wiele wyspecjalizowanych podsieci, ale do każdego zadania aktywuje tylko ich podzbiór. Suma parametrów wynosi 975B, ale w praktyce model podczas przetwarzania konkretnego zapytania korzysta z ok. 41B. To standardowy kompromis w tej klasie modeli: pozwala zbudować duży, wielofunkcyjny system, który jest jednocześnie szybszy i tańszy w uruchamianiu niż gęste modele podobnej skali. Thinking Machines Lab
Model był trenowany na 45 bilionach tokenów obejmujących tekst, obraz, dźwięk i wideo — i przetwarza je natywnie w każdej z tych modalności. Thinking Machines podkreśla dwie cechy: kalibrowane odpowiedzi i regulowany wysiłek rozumowania. Model potrafi sygnalizować niepewność zamiast zgadywać.
Jednym mierzalnym wynikiem jest efektywność tokenowa: Inkling zużywa trzykrotnie mniej tokenów niż model NVIDIA GB300 NVL72-oparty Nemotron 3 Ultra, osiągając ten sam wynik w testach kodowania.
Strategia otwartości i platforma Tinker
Inkling jest modelem otwarto-wagowym?otwarto-wagowy: model, którego parametry (wagi) są publicznie udostępnione do pobrania — każdy może go uruchomić lub dostosować bez licencji API. To świadomy wybór strategiczny: OpenAI, i Google sprzedają dostęp do swoich modeli przez API. Thinking Machines stawia na inny model biznesowy — model jako produkt bazowy, na którym organizacje budują własne rozwiązania.
Zarabiać ma platforma Tinker: środowisko do fine-tuningu, dostosowania i hostingu modeli zbudowanych na bazie Inkling. Firma nie ukrywa, że nikt, kto pobierze wagi, nie musi płacić Thinking Machines za uruchamianie modelu.
Thinking Machines nie komentuje swojej sytuacji finansowej od marca 2026. Firma ogłosiła partnerstwo z dające dostęp do klastra GB300 NVL72. Warto dodać, że do generowania wczesnych danych post-trainingu użyto modeli open-weight, w tym Moonshot AI Kimi K2.5.
Rynek reaguje na tezę Thinking Machines
Thinking Machines nie jest jedyną firmą argumentującą, że modele otwarte pokonają zamknięte. Hugging Face od lat stawia na tę strategię, a CEO Clement Delangue przewiduje, że modele frontierowe zostaną zredukowane do eksperymentów i zadań wysokiej wartości, podczas gdy większość pracy produkcyjnej przeniesie się do otwartych alternatyw.
Hugging Face CEO Clement Delangue przewiduje tę bifurkację. Sam , CEO Microsoftu, w poście z 13 lipca 2026 roku ostrzegał firmy, że korzystając z zamkniętych modeli zewnętrznych dostawców, oddają wiedzę instytucjonalną zakodowaną w tysiącach promptów i korekt.
Dlaczego to ważne?
Inkling nie jest silniejszy od ani GPT-5.6 — firma mówi to wprost. Jest to jednak pierwszy duży otwarty model, który został zaprojektowany od początku jako punkt startu do fine-tuningu, nie jako gotowy produkt. Różnica jest fundamentalna: OpenAI i Anthropic optymalizują swoje modele jako platformy dla mas, Thinking Machines projektuje narzędzie dla organizacji, które chcą się wyspecjalizować.
Jeśli Inkling i Tinker rzeczywiście dostarczą lepsze wyniki dla specjalistycznych zastosowań przy niższych kosztach operacyjnych, Thinking Machines może zająć poważną pozycję na rynku enterprise. Kwestia otwarta: czy model biznesowy oparty na platformie fine-tuningu jest wystarczająco silny, by utrzymać firmę i sfinansować kolejne generacje modelu, gdy główny produkt jest oddawany za darmo.
Co dalej?
- Thinking Machines zapowiedziało, że następna wersja modelu nie będzie korzystać z danych post-trainingu od zewnętrznych modeli — cały pipeline ma być wewnętrzny
- Platforma Tinker jest dostępna, ale warunki cenowe dla enterprise nie zostały ogłoszone publicznie
- Nvidia potwierdziła znaczącą inwestycję przy ogłoszeniu partnerstwa w marcu 2026, ale runda zewnętrzna omawiana jesienią 2025 nadal jest niepotwierdzonym tematem
Źródła
- TechCrunch — Thinking Machines amps up its bet against one-size-fits-all AI with its first open model, Inkling
- Thinking Machines Lab — Inkling official release materials
