मीरा मुराती ने सितंबर 2024 में अपना खुद का काम करने के लिए OpenAI छोड़ दिया। लगभग दो साल बाद, वह खोज सामने आई। उन्होंने जिस कंपनी, थिंकिंग मशीन लैब, की स्थापना की थी, उसने इंकलिंग जारी किया—एक मल्टीमोडल एआई मॉडल जिसे पूरी तरह से स्क्रैच से प्रशिक्षित किया गया है, जिसके हर वेट्स मुफ्त डाउनलोड के लिए उपलब्ध हैं।

जब OpenAI के बोर्ड ने नवंबर 2023 में सैम अल्टमैन को निकाल दिया, तो मुराती—जो उस समय सीटीओ थीं—को अंतरिम सीईओ नामित किया गया। अल्टमैन को पांच दिन बाद बहाल कर दिया गया, मुराती सीटीओ के पद पर लौट आईं, फिर उसके लगभग 10 महीने बाद स्थायी रूप से छोड़ दिया। उन्होंने फरवरी 2025 में थिंकिंग मशीन लैब की स्थापना की।

फिर कंपनी शांत हो गई—और अमीर भी। इसने जुलाई 2025 में 12 अरब डॉलर के मूल्यांकन पर 2 अरब डॉलर जुटाए, जिसका नेतृत्व आंद्रेसन होरोविट्ज़ ने किया, जिसमें Nvidia, Accel, ServiceNow, Cisco, AMD, और जेन स्ट्रीट भी शामिल थे—जो उस समय सिलिकॉन वैली के इतिहास में सबसे बड़े सीड राउंड में से एक था।

नवंबर 2025 की रिपोर्टों के अनुसार, कंपनी 50 अरब डॉलर के मूल्यांकन पर एक नया दौर चाह रही थी। वे बातचीत जनवरी 2026 तक विफल हो गईं।

इंकलिंग क्या है

इंकलिंग एक मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है—एक आर्किटेक्चर जहाँ नेटवर्क का केवल एक हिस्सा किसी भी इनपुट के लिए सक्रिय होता है, जिससे गहराई का त्याग किए बिना अनुमान (inference) तेज रहता है। यह एक बहुत बड़ा मॉडल है: इसमें कुल 975 अरब पैरामीटर (आंतरिक सेटिंग्स जो बताती हैं कि मॉडल जानकारी को कैसे संसाधित करता है) हैं, जिसमें प्रति कार्य 41 अरब सक्रिय रहते हैं, इसलिए इसे अपनी स्थानीय मशीन पर चलाने के बारे में भूल जाएं।

मल्टीमोडल होने के नाते, यह मॉडल टेक्स्ट, इमेज और ऑडियो को स्वीकार करता है, और इसमें 1 मिलियन टोकन की संदर्भ विंडो (context window) है—जितना टेक्स्ट मॉडल एक साथ तर्क कर सकता है—जो लगभग 750,000 शब्दों के बराबर है। इसे टेक्स्ट, इमेज, ऑडियो और वीडियो को कवर करने वाले 45 ट्रिलियन टोकन पर प्रीट्रेन किया गया था।

"हमारा पहला मॉडल, इंकलिंग। स्क्रैच से प्रशिक्षित, वेट्स खुले हैं, आज टिंकर पर फाइन-ट्यून किए जा सकते हैं," मुराती ने X पर लिखा। यह तथ्य कि इसे स्क्रैच से प्रशिक्षित किया गया है, बहुत मायने रखता है, खासकर ओपन-सोर्स समुदाय में क्योंकि यह पश्चिमी डेवलपर्स के लिए एक ताजी हवा ला सकता है जो चीन के प्रति wary हैं लेकिन अपने विकास के लिए एशियाई मॉडल का उपयोग करने की आवश्यकता है क्योंकि पश्चिमी दुनिया की शीर्ष एआई कंपनियां ज्यादातर क्लोज-सोर्स मॉडल भेजने पर केंद्रित हैं।

फाइन-ट्यूनिंग एक विशिष्ट कार्य पर इसके प्रदर्शन को बेहतर बनाने के लिए एक मौजूदा मॉडल को एक विशेष डेटासेट पर फिर से प्रशिक्षित करने की प्रक्रिया है। टिंकर थिंकिंग मशीन्स का क्लाउड प्लेटफॉर्म है जो इस उपयोग के मामले के इर्द-गिर्द बनाया गया है। पूर्ण वेट्स हगिंग फेस पर भी Apache 2.0 लाइसेंस के तहत उपलब्ध हैं, कोई प्रतिबंध नहीं।

इंकलिंग की सबसे स्पष्ट जीत एजेंटिक कार्यों में आती है। MCP एटलस पर—जो यह मापता है कि एक एआई एजेंट मॉडल संदर्भ प्रोटोकॉल (AI सहायकों को बाहरी टूल और सेवाओं से जोड़ने के लिए खुला मानक) का उपयोग करके वास्तविक दुनिया के कार्यों को कितनी मज़बूती से पूरा करता है, पूरा किए गए कार्यों के प्रतिशत के रूप में स्कोर किया गया—इंकलिंग 74.1% पोस्ट करता है। यह Nvidia के नेमोट्रॉन 3 अल्ट्रा से लगभग 30 अंक अधिक है, जो तुलना में मुख्य पश्चिमी ओपन-वेट्स प्रतिद्वंद्वी है।

SWE-बेंच वेरीफाइड पर—यह परीक्षण कि क्या एक एआई एजेंट स्वायत्त रूप से वास्तविक गिटहब सॉफ्टवेयर बग्स को ठीक कर सकता है, हल किए गए मुद्दों के प्रतिशत के रूप में स्कोर किया गया—इंकलिंग 77.6% स्कोर करता है, जो नेमोट्रॉन के 70.7% से भी ऊपर है।

कुल मिलाकर, थिंकिंग मशीन्स इस मॉडल को "सुव्यवस्थित" और जनरलिस्ट के रूप में बेच रही है। इसका मतलब है कि यह कार्यों के एक विशिष्ट सेट में गुणवत्ता से समझौता नहीं करता है क्योंकि इसकी क्षमताएं कुछ और पर केंद्रित होती हैं (जैसे ऐसे मॉडल जो कोडिंग में महान हैं लेकिन रचनात्मक लेखन में खराब हैं, उदाहरण के लिए)।

चीनी मॉडल अभी भी कई मोर्चों पर आगे हैं। Z.ai का GLM 5.2 टर्मिनल बेंच 2.1 पर 82.7% स्कोर करता है—एक बेंचमार्क जो वास्तविक टर्मिनल वातावरण में स्वायत्त एआई कोडिंग एजेंटों को मापता है, पूरे किए गए कार्यों के प्रतिशत के रूप में स्कोर किया गया—जबकि इंकलिंग का स्कोर 63.8% है। किमी K2.6 ह्यूमैनिटीज़ लास्ट एग्जाम में आगे है, जो पीएचडी-स्तर की वैज्ञानिक तर्कशक्ति का परीक्षण है।

थिंकिंग मशीन्स इसे स्वीकार करती है। इंकलिंग आज उपलब्ध सबसे मजबूत मॉडल नहीं है, चाहे वह खुला हो या बंद।

यह एक पश्चिमी लैब द्वारा बनाया गया सबसे सक्षम ओपन-वेट्स मॉडल है। वे डेवलपर्स जो कानूनी, सुरक्षा, या अनुपालन कारणों से बीजिंग में बने मॉडल के माध्यम से वर्कलोड को रूट नहीं करेंगे, उनके पास अब चीनी मॉडल को स्व-होस्ट करने का एक वास्तविक विकल्प है।

अब, इन डेवलपर्स के पास एक ऐसा मॉडल है जो (भले ही लगभग हर चीज में सर्वश्रेष्ठ चीनी मॉडल से खराब हो) उनके आदर्शों, अपेक्षाओं और मूल्यों के साथ बेहतर संरेखित होता है। बाद में किए गए फाइनट्यून इस मॉडल को विशिष्ट कार्यों में उत्कृष्ट बना सकते हैं, जिससे वे फाइनट्यून एशियाई मॉडल के मुकाबले बेंचमार्क में प्रतिस्पर्धी बन जाएंगे।

फोर्ट्रेस एडवर्सरीअल पर—जो यह परीक्षण करता है कि एक मॉडल वैध संकेतों को अत्यधिक अवरुद्ध किए बिना वास्तविक रूप से हानिकारक संकेतों को कितनी लगातार अस्वीकार करता है, सही ढंग से संभाले गए प्रतिशत के रूप में स्कोर किया गया—इंकलिंग 78.0% स्कोर करता है, जो तुलना में सभी ओपन-वेट्स मॉडल में उच्चतम अंक है।

इंकलिंग के साथ, थिंकिंग मशीन्स ने इंकलिंग-स्मॉल का पूर्वावलोकन किया: कुल 276 अरब पैरामीटर, 12 अरब सक्रिय, जो अधिकांश तर्कशक्ति बेंचमार्क पर बड़े मॉडल के साथ पहले से ही मेल खा रहा है। इसके वेट्स परीक्षण पूरा होने के बाद आएंगे, हालांकि कोई समय-सीमा नहीं दी गई है।