Міра Мураті залишила OpenAI у вересні 2024 року, щоб зайнятися власною справою. Майже через два роки це дослідження було реалізовано. Thinking Machines Lab, компанія, яку вона заснувала, випустила Inkling — мультимодальну модель ШІ, навчену повністю з нуля, з усіма вагами, доступними для безкоштовного завантаження.
Коли рада директорів OpenAI звільнила Сема Альтмана у листопаді 2023 року, Мураті — тодішній технічний директор — була призначена тимчасовим генеральним директором. Альтман був поновлений на посаді через п'ять днів, Мураті повернулася до ролі технічного директора, а потім остаточно пішла приблизно через 10 місяців. Вона заснувала Thinking Machines Lab у лютому 2025 року.
Потім компанія затихла — і розбагатіла. У липні 2025 року вона залучила $2 мільярди при оцінці в $12 мільярдів, очолювана Andreessen Horowitz за участю Nvidia, Accel, ServiceNow, Cisco, AMD та Jane Street — один з найбільших початкових раундів фінансування в історії Кремнієвої долини на той час.
Звіти за листопад 2025 року повідомляли, що компанія шукає новий раунд при оцінці в $50 мільярдів. Ці переговори провалилися до січня 2026 року.
Що таке Inkling
Inkling — це модель "суміші експертів" (mixture-of-experts model) — архітектура, де лише частина мережі активується для будь-якого вхідного сигналу, що забезпечує швидкий висновок без шкоди для глибини. Це дуже велика модель: вона має 975 мільярдів загальних параметрів (внутрішні налаштування, що визначають, як модель обробляє інформацію), причому 41 мільярд активний на завдання, тому забудьте про запуск її на вашій локальній машині.
Будучи мультимодальною, ця модель приймає текст, зображення та аудіо, а також підтримує контекстне вікно — обсяг тексту, який модель може обробляти одночасно — у 1 мільйон токенів, приблизно 750 000 слів. Вона була попередньо навчена на 45 трильйонах токенів, що охоплюють текст, зображення, аудіо та відео.
"Наша перша модель, Inkling. Навчена з нуля, ваги відкриті, доступна для доналаштування на Tinker сьогодні", — написала Мураті на X. Той факт, що вона навчена з нуля, означає багато, особливо для спільноти з відкритим кодом, оскільки це може принести ковток свіжого повітря західним розробникам, які побоюються Китаю, але змушені використовувати азіатські моделі для своїх розробок, тому що провідні ШІ-компанії в західному світі здебільшого зосереджені на випуску моделей із закритим вихідним кодом.
Доналаштування (fine-tuning) — це процес повторного навчання існуючої моделі на спеціалізованому наборі даних для покращення її продуктивності на конкретному завданні. Tinker — це хмарна платформа Thinking Machines, створена для цього використання. Повні ваги також доступні на Hugging Face за ліцензією Apache 2.0, без обмежень.
Найбільш очевидні переваги Inkling проявляються в агентних завданнях. На MCP Atlas — який вимірює, наскільки надійно агент ШІ виконує реальні завдання за допомогою Model Context Protocol, відкритого стандарту для підключення ШІ-помічників до зовнішніх інструментів та сервісів, оцінюється як відсоток виконаних завдань — Inkling показує 74,1%. Це майже на 30 пунктів більше, ніж Nvidia Nemotron 3 Ultra, головний західний конкурент з відкритими вагами в порівнянні.
На SWE-Bench Verified — тесті на здатність агента ШІ автономно виправляти реальні програмні помилки GitHub, оцінюється як відсоток вирішених проблем — Inkling набирає 77,6%, також вище, ніж 70,7% у Nemotron.
Загалом, Thinking Machines позиціонує цю модель як «добре збалансовану» та універсальну. Це означає, що вона не погіршує якість в одному конкретному наборі завдань, оскільки її можливості зосереджені на чомусь іншому (наприклад, моделі, які чудово кодують, але погано пишуть креативні тексти).
Китайські моделі все ще мають перевагу на кількох фронтах. GLM 5.2 від Z.ai набирає 82,7% на Terminal Bench 2.1 — бенчмарку, що вимірює автономних ШІ-агентів кодування в реальному термінальному середовищі, оцінюється як відсоток виконаних завдань — проти 63,8% у Inkling. Kimi K2.6 лідирує на Humanity's Last Exam, тесті на наукове мислення рівня доктора філософії.
Thinking Machines визнає це. Inkling не є найсильнішою доступною моделлю сьогодні, ані відкритою, ані закритою.
Проте, це найпотужніша модель з відкритими вагами, створена західною лабораторією. Розробники, які — з юридичних, безпекових чи комплаєнс-причин — не будуть направляти робочі навантаження через моделі, створені в Пекіні, тепер мають реальну альтернативу самостійному хостингу китайських моделей.
Тепер ці розробники мають модель, яка (хоча і гірша за найкращі китайські моделі майже у всьому) краще відповідає їхнім ідеалам, очікуванням та цінностям. Подальші доналаштування можуть дозволити цій моделі досягти успіху в конкретних завданнях, зробивши ці доналаштування конкурентоспроможними в бенчмарках порівняно з азіатськими моделями.
На FORTRESS Adversarial — який перевіряє, наскільки послідовно модель відмовляється від дійсно шкідливих підказок, не блокуючи при цьому легітимні, оцінюється як відсоток правильно оброблених — Inkling набирає 78,0%, найвищий показник серед усіх моделей з відкритими вагами в порівнянні.
Разом з Inkling, Thinking Machines представила Inkling-Small: 276 мільярдів загальних параметрів, 12 мільярдів активних, вже відповідаючи більшій моделі за більшістю бенчмарків логічного мислення. Її ваги з'являться після завершення тестування, терміни не вказані.
