Thinking Machines Lab — компания бывшего технического директора OpenAI Миры Мурати — выпустила свою первую полноценную модель Искусственного интеллекта с открытыми весами под названием Inkling. Релиз произошел спустя семнадцать месяцев после основания компании и стал первой моделью, которую она обучила с нуля, а не адаптировала на основе чужой архитектуры.
Inkling построена как смесь экспертов (Mixture-of-Experts, архитектура, где вместо одной гигантской сети работает набор специализированных подмоделей, и для каждого запроса включается лишь часть из них) на 975 миллиардов параметров, из которых одновременно активны только 41 миллиард. Такая конструкция снижает вычислительные затраты при инференсе (собственно, обращении к модели за ответом), сохраняя масштаб знаний полной сети. Предобучили ее на 45 триллионах токенов текста, изображений, звука и видео, контекстное окно способно охватывать до миллиона токенов, а на площадке Tinker (облачная платформа для дообучения моделей) для экономии предложены варианты попроще — 64 и 256 тысяч токенов. Веса лежат в открытом доступе на Hugging Face под лицензией Apache 2.0, а развернуть модель для дообучения можно через фирменную Tinker или партнеров вроде Databricks.
Внутри Thinking Machines заметно опирались на находки китайских лабораторий. Маршрутизация экспертов у Inkling построена по той же логике, что и в DeepSeek-V3, а начальную донастройку прогнали на синтетических данных, которые сгенерировала китайская Kimi K2.5. Получилась любопытная картина: американская компания, рожденная как противовес китайской конкуренции, при этом опирается на архитектурные и обучающие приемы китайских разработчиков. Часть западных экспертов уже иронично отметили двойной стандарт — использование чужих открытых моделей китайскими компаниями в Америке принято называть кражей интеллектуальной собственности, а обратный процесс здесь же назвали инженерным решением.
Чтобы показать возможности кастомизации на практике, Inkling заставили донастроить саму себя через Tinker. Ей поставили задачу писать ответы без единой буквы «e» (прием называется липограмма), и модель сама написала код обучения, прогнала его и оценила результат. Забавный трюк, но он же рекламирует главный тезис релиза: Inkling создавалась не ради рекорда в бенчмарках, а ради удобства решения конкретных задач.
По совокупности тестов компания честно признает: модель не претендует на первое место среди всех систем, ни открытых, ни закрытых. По рассуждениям и агентным задачам Inkling располагается примерно между китайскими Kimi K2.5 и K2.6, уступает китайской GLM 5.2 на части тестов по программированию, зато обгоняет Nvidia Nemotron 3 Ultra. Сильнее всего она выглядит там, где считают не сырую мощность, а эффективность. У нее управляемое «усилие мышления» — можно тратить меньше токенов на обдумывание ценой части точности, и на одном из агентных тестов модель достигает результата Nemotron втрое дешевле по затратам. В части честного признания «не знаю» вместо выдумки Inkling также обходит большинство открытых конкурентов, а по устойчивости к вредоносным запросам показывает лучший результат среди всех открытых моделей, которые тестировала сама компания. При этом на входе принимает текст, изображения и звук, но ответы генерирует пока только в виде текста или кода.
Реакция разработчиков получилась неоднозначной: одни радуются, что наконец появилась сильная западная альтернатива после того, как Meta фактически свернула курс на открытые модели и оставила поле китайским лабораториям, другие справедливо спрашивают, зачем связываться с моделью, которая в полтора-три раза крупнее того же GLM 5.2, если по ряду метрик китайская модель находится рядом, либо даже лучше. Дополняет картину пример хедж-фонда Bridgewater: там уже давно дообучают через тот же Tinker китайскую Qwen от Alibaba и, по их словам, получают результат дешевле проприетарных решений, то есть западный бизнес и так пользуется разработками из КНР.
На звание серьезного соперника, готового бороться с китайскими открытыми моделями на равных, Inkling пока не тянет, и полноценной заменой для Запада она тоже не стала. Ее реальная ниша не в превосходстве, а в совместимости с корпоративными требованиями там, где компания по регуляторным или репутационным причинам не готова разворачивать у себя систему китайского происхождения. Для такого сценария Inkling дает пусть не самую мощную, зато полностью открытую и юридически комфортную базу. Создатели видят ее в агентных системах, помощниках для программирования, чат-ботах и корпоративном поиске по документам методом RAG (retrieval-augmented generation — модель сначала находит релевантные документы, а затем отвечает на их основе).
Развернуть Inkling на своем «железе» способен далеко не каждый. Паспорт модели требует минимум 2 терабайта видеопамяти в связке из 8 карт Nvidia B300 или 16 карт H200 для полной версии, облегченная версия с более грубым квантованием обходится примерно 600 гигабайтами и помещается уже в 4 карты B300. О домашнем компьютере речи не идет, только серверные кластеры и облачные площадки.
Мурати возглавляла технический департамент OpenAI шесть с половиной лет и пару дней в 2023 году даже исполняла обязанности гендиректора, когда совет уволил Сэма Альтмана. Осенью 2024 года она ушла из компании, а в феврале 2025-го основала Thinking Machines Lab в Сан-Франциско как public benefit corporation (компания общественной пользы — структура, обязывающая учитывать не только прибыль, но и общественное благо).
Уже в июле того же года стартап привлек 2 миллиарда долларов на посевном раунде при оценке в 12 миллиардов — на тот момент крупнейший посевной раунд в истории Кремниевой долины. Среди инвесторов Andreessen Horowitz, Nvidia, AMD, Cisco, Jane Street и даже правительство Албании, которое вложило 10 миллионов долларов (Мурати родом из Албании).
Пока Thinking Machines достраивает облегченную версию Inkling-Small на 12 миллиардов активных параметров и обещает выложить ее веса, как только закончит тестирование. Тогда и станет ясно, получилась ли у компании не разовая заявка на открытый рынок, а рабочая линейка моделей.
