Design směsi odborníků
Podle TestingCatalog AI News je Inkling-Small Mixture-of-Experts (MoE) transformátor obsahující 276 miliard celkových parametrů, s 12 miliardami aktivních během libovolného odvození. Tato architektura – kde se pro každý token „probudí“ pouze malý kousek modelu – je stejný trik s efektivitou, díky kterému jsou čínské modely s otevřenou váhou, jako je DeepSeek, tak levné na provoz. Společnost Thinking Machines potvrdila, že na Hugging Face jsou zveřejněny plné váhy.
Model je také dodáván s kontextovým oknem až do jednoho milionu tokenů a tím, co laboratoř nazývá „variabilní myšlení“, v rozsahu od minimálního po „xhigh“, což umožňuje vývojářům měnit výpočet za výkon v závislosti na úkolu. Jemné ladění je k dispozici prostřednictvím platformy Tinker společnosti a textový, obrázkový a zvukový chat jsou přístupné v Tinker Playground.
Školení na systémech NVIDIA GB300
Společnost Thinking Machines uvedla, že Inkling-Small byl vyškolen na systémech NVIDIA GB300 NVL72 a používá „podstatně méně výpočetní techniky“ než původní model Inkling, který byl uveden na trh 15. července 2026. Tento první model – pokrytý WIRED a TechCrunch jako debut Thinking Machines – vytvořil přes noc seriózní laboratoř.
Cesta k Inkling-Small odhaluje záměrnou strategii efektivity. Laboratoř začala pracovat na menším modelu až po zaškolení Inklinga a využila dýchací místnosti k revizi mixu dat před tréninkem a receptu strojového učení. Dřívější kontrolní bod náhledu byl následně proškolen částečně prostřednictvím destilace podle zásad, kdy Inkling sloužil jako učitel, po kterém následovaly zhruba dva týdny škálovaného učení se posílením agentního kódování.
Kde vítězí – a kde ne
Výsledky tohoto receptu jsou pozoruhodné. Thinking Machines tvrdí, že Inkling-Small předbíhá původní Inkling v testech uvažování a agentního kódování, zatímco Inkling zůstává silnější v pokrytí znalostí a faktičnosti. V pouze textové Humanity's Last Exam, notoricky obtížném hodnocení, menší model údajně dosáhl 31,6 % ve srovnání s 29,7 % pro Inkling – skutečné zlepšení navzdory dramatickému snížení aktivních parametrů.
Kompromis je jasný: Inkling-Small je ostřejší kodér a uvažovač, zatímco jeho větší sourozenec si zachovává širší znalostní základnu. Pro vývojáře je to funkce, nikoli chyba – znamená to výběr správného nástroje pro danou práci, spíše než platit za jeden obří model na každý úkol.
Americký hráč na otevřeném poli pod vedením Číny
Snad největší implikace je geopolitická. Jak CNBC a další poznamenali, modely s otevřenou váhou na hranicích se staly bodem vzplanutí mezi USA a Čínou, přičemž čínské laboratoře jako DeepSeek a Qwen společnosti Alibaba rozdávají výkonné modely a podbízejí se západním cenám. Forkast zarámoval vydání Inkling-Small otevřeně: "Open-Weights Competition Now has a US Entant."
Až dosud pocházely přední modely s otevřenou váhou téměř výhradně z Číny, což ve Washingtonu vyvolalo obavy, že americké laboratoře postoupily celou kategorii trhu. Thinking Machines – dobře financovaný americký startup vedený jednou z nejvýznamnějších postav v AI – tento kalkul mění. Uvolněním plných závaží na Hugging Face a podporou otevřeného jemného ladění dělá laboratoř přímou hru pro vývojářskou komunitu, kterou si čínské modely s otevřenou váhou vypěstovaly.
Vytvořeno pro vývojáře, nejen pro benchmarky
Thinking Machines spojilo vydání s nástroji zaměřenými přímo na vývojáře. Kromě otevřených závaží Hugging Face Databricks potvrdili, že rodina Inkling je dostupná na její platformě a Tinker Playground podporuje multimodální textový, obrázkový a zvukový chat ihned po vybalení. Proměnné nastavení „úsilí myšlení“ – od minimálního po „xhigh“ – je navrženo pro skutečné technické kompromisy: běžet levně, když je úkol jednoduchý, utrácet více výpočtů, když problém vyžaduje hlubší uvažování. Tato flexibilita je důležitá pro začínající podniky, které sledují své účty za odvození, z nichž mnozí již přešli na levnější alternativy s otevřenou váhou, místo aby platili prémiové sazby API.
Trend efektivity napříč průmyslem
Inkling-Small také vyhovuje širšímu vzoru. V celém odvětví se špička posouvá od stále větších monolitických modelů k menším a chytřejším systémům, které přesahují svou hmotnost. Od modelů s cenovou válkou DeepSeek po komprimované architektury je zpráva konzistentní: na počtu nezpracovaných parametrů záleží méně než na tom, jak efektivně model využívá svou kapacitu.
Pro Thinking Machines je nyní sázka na efektivitu před velikostí hluboká o dva modely – a první benchmarky naznačují, že strategie funguje. Díky Inkling-Small, který je dnes k dispozici ke stažení a doladění, mohou vývojáři toto tvrzení otestovat sami.
Udržujte si náskok před umělou inteligencí
Každý týden přistávají nové modely s otevřenou váhou a konkurence se jen přiostřuje. Držte krok s každým vydáním prostřednictvím našeho pokrytí odvětví AI.
Přečtěte si další zprávy o AI →
