Umalis si Mira Murati sa OpenAI noong Setyembre 2024 upang gawin ang kanyang sariling proyekto. Halos dalawang taon pagkatapos, naisakatuparan ang paggalugad na iyon. Inilabas ng Thinking Machines Lab, ang kumpanya na kanyang itinatag, ang Inkling—isang multimodal AI model na sinanay mula sa simula, na ang bawat weight ay magagamit para sa libreng pag-download.
Nang patalsikin ng board ng OpenAI si Sam Altman noong Nobyembre 2023, si Murati—na noo'y CTO—ay pinangalanang pansamantalang CEO. Naibalik si Altman limang araw pagkatapos, bumalik si Murati sa pagiging CTO, pagkatapos ay umalis nang tuluyan humigit-kumulang 10 buwan pagkatapos nito. Itinatag niya ang Thinking Machines Lab noong Pebrero 2025.
Pagkatapos ay nanahimik ang kumpanya—at yumaman. Nagtaas ito ng $2 bilyon sa halagang $12 bilyon noong Hulyo 2025, na pinangunahan ng Andreessen Horowitz kasama ang Nvidia, Accel, ServiceNow, Cisco, AMD, at Jane Street—isa sa pinakamalaking seed rounds sa kasaysayan ng Silicon Valley noon.
Ang mga ulat noong Nobyembre 2025 ay nagsasabing naghahanap ang kumpanya ng bagong round sa halagang $50 bilyon. Bumagsak ang mga usapan na iyon pagsapit ng Enero 2026.
Ano ang Inkling
Ang Inkling ay isang mixture-of-experts model—isang arkitektura kung saan isang bahagi lamang ng network ang nagiging aktibo para sa anumang ibinigay na input, na nagpapanatili ng mabilis na inference nang hindi isinasakripisyo ang lalim. Ito ay isang napakalaking modelo: Mayroon itong 975 bilyong kabuuang parameter (ang mga panloob na setting na tumutukoy kung paano pinoproseso ng modelo ang impormasyon), na may 41 bilyon na aktibo sa bawat task, kaya huwag nang balaking patakbuhin ito sa iyong lokal na makina.
Bilang multimodal, ang modelong ito ay tumatanggap ng text, mga larawan, at audio, at sumusuporta sa isang context window—ang dami ng text na maaaring pag-isipan ng modelo nang sabay-sabay—na 1 milyong token, humigit-kumulang 750,000 salita. Ito ay pre-trained sa 45 trilyong token na sumasaklaw sa text, mga larawan, audio, at video.
"Ang aming unang modelo, Inkling. Sinanay mula sa simula, bukas ang weights, fine-tunable sa Tinker ngayon," isinulat ni Murati sa X. Ang katotohanan na ito ay sinanay mula sa simula ay malaki ang ibig sabihin, lalo na sa komunidad ng open-source dahil maaari itong magdala ng bagong pag-asa sa mga Western developer na nag-aalala sa China ngunit kailangang gumamit ng mga modelong Asyano para sa kanilang mga development dahil ang mga nangungunang kumpanya ng AI sa Western world ay higit na nakatuon sa paglalabas ng mga close-source na modelo.
Ang fine-tuning ay ang proseso ng muling pagsasanay ng isang umiiral nang modelo sa isang espesyal na dataset upang mapabuti ang performance nito sa isang partikular na task. Ang Tinker ay ang cloud platform ng Thinking Machines na binuo sa paligid ng use case na iyon. Ang buong weights ay nasa Hugging Face din sa ilalim ng lisensyang Apache 2.0, walang restriksyon.
Ang pinakamalinaw na tagumpay ng Inkling ay nasa mga agentic tasks. Sa MCP Atlas—na sumusukat kung gaano maaasahan ang isang AI agent na nakakumpleto ng mga real-world na task gamit ang Model Context Protocol, ang open standard para sa pagkonekta ng mga AI assistant sa mga panlabas na tool at serbisyo, na binibigyan ng score bilang porsyento ng mga nakumpletong task—ang Inkling ay nakakuha ng 74.1%. Iyan ay halos 30 puntos na mas mataas kaysa sa Nemotron 3 Ultra ng Nvidia, ang pangunahing Western open-weights na kalaban sa paghahambing.
Sa SWE-Bench Verified—isang pagsubok kung ang isang AI agent ay kayang ayusin nang awtonomous ang mga tunay na bug ng software sa GitHub, na binibigyan ng score bilang porsyento ng mga isyung naresolba—nakakuha ang Inkling ng 77.6%, mas mataas din kaysa sa 70.7% ng Nemotron.
Sa pangkalahatan, ibinebenta ng Thinking Machines ang modelong ito bilang “well-rounded” at generalist. Ibig sabihin, hindi nito kinokompromiso ang kalidad sa isang partikular na hanay ng mga task dahil nakatuon ang mga kakayahan nito sa ibang bagay (tulad ng mga modelong mahusay sa coding ngunit mahina sa creative writing, halimbawa).
Ang mga modelong Tsino ay mayroon pa ring kalamangan sa ilang aspeto. Ang GLM 5.2 ng Z.ai ay nakakuha ng 82.7% sa Terminal Bench 2.1—isang benchmark na sumusukat sa autonomous AI coding agents sa isang tunay na terminal environment, na binibigyan ng score bilang porsyento ng mga nakumpletong task—laban sa 63.8% ng Inkling. Nangunguna ang Kimi K2.6 sa Humanity's Last Exam, isang pagsubok ng PhD-level scientific reasoning.
Kinikilala ito ng Thinking Machines. Hindi ang Inkling ang pinakamalakas na modelong available ngayon, bukas man o sarado.
Ang ito ay ang pinakamakapangyarihang open-weights model na binuo ng isang Western lab. Ang mga developer na—para sa legal, seguridad, o compliance reasons—ay hindi magpapada ng mga workload sa pamamagitan ng mga modelong binuo sa Beijing ay mayroon na ngayong tunay na alternatibo sa self-hosting ng mga modelong Tsino.
Ngayon, mayroon ang mga developer na ito ng isang modelo na (kahit na mas mababa kaysa sa pinakamahusay na mga modelong Tsino sa halos lahat ng bagay) ay mas akma sa kanilang mga mithiin, inaasahan, at pagpapahalaga. Ang mga susunod na finetunes ay maaaring magpakinang sa modelong ito sa mga partikular na task, na ginagawang mapagkumpitensya ang mga finetunes na iyon sa mga benchmark kumpara sa mga modelong Asyano.
Sa FORTRESS Adversarial—na sumusubok kung gaano ka-consistent ang isang modelo sa pagtanggi sa talagang nakakapinsalang prompts nang hindi over-blocking ang mga lehitimong prompts, na binibigyan ng score bilang porsyento ng tamang paghawak—nakakuha ang Inkling ng 78.0%, ang pinakamataas na marka sa lahat ng open-weights models sa paghahambing.
Kasabay ng Inkling, ipinakita ng Thinking Machines ang Inkling-Small: 276 bilyong kabuuang parameter, 12 bilyong aktibo, na tumutugma na sa mas malaking modelo sa karamihan ng mga reasoning benchmark. Darating ang weights nito kapag natapos na ang pagsubok, na walang ibinigay na timeline.
