Desain Campuran Pakar
Menurut TestingCatalog AI News, Inkling-Small adalah transformator Mixture-of-Experts (MoE) yang berisi 276 miliar total parameter, dengan 12 miliar parameter aktif selama inferensi tertentu. Arsitektur tersebut – di mana hanya sebagian kecil model yang “terbangun” untuk setiap token – adalah trik efisiensi yang sama yang membuat model open-weight China seperti DeepSeek menjadi sangat murah untuk dijalankan. Thinking Machines mengonfirmasi bahwa bobot penuh dirilis di Hugging Face.
Model ini juga dilengkapi dengan jendela konteks hingga satu juta token dan apa yang oleh lab disebut sebagai "usaha berpikir variabel", mulai dari minimal hingga "xhigh", yang memungkinkan pengembang menukarkan komputasi untuk mendapatkan kinerja bergantung pada tugasnya. Penyempurnaan tersedia melalui platform Tinker perusahaan, dan obrolan teks, gambar, dan audio dapat diakses di Tinker Playground.
Dilatih pada Sistem NVIDIA GB300
Thinking Machines mengatakan Inkling-Small dilatih pada sistem NVIDIA GB300 NVL72 dan menggunakan "komputasi yang jauh lebih sedikit" dibandingkan model Inkling asli, yang diluncurkan pada 15 Juli 2026. Model pertama tersebut — dicakup oleh WIRED dan TechCrunch sebagai rilis debut Thinking Machines — menjadikan lab tersebut sebagai pesaing serius hampir dalam semalam.
Jalan menuju Inkling-Small mengungkapkan strategi efisiensi yang disengaja. Lab mulai mengerjakan model yang lebih kecil hanya setelah melatih Inkling, menggunakan ruang bernapas untuk merevisi campuran data pra-pelatihan dan resep pembelajaran mesin. Pos pemeriksaan pratinjau sebelumnya telah dilatih pasca sebagian melalui penyulingan berdasarkan kebijakan, dengan Inkling bertindak sebagai pengajar, diikuti dengan pembelajaran penguatan pengkodean agen dalam skala sekitar dua minggu.
Dimana Ia Menang — dan Dimana Tidak
Hasil dari resep itu luar biasa. Thinking Machines mengklaim Inkling-Small mengungguli Inkling asli dalam tolok ukur penalaran dan pengkodean agen, sementara Inkling tetap lebih kuat dalam cakupan pengetahuan dan faktualitas. Pada Ujian Terakhir Kemanusiaan yang hanya berupa teks, sebuah evaluasi yang sangat sulit, model yang lebih kecil dilaporkan mendapat skor 31,6%, dibandingkan dengan 29,7% untuk Inkling — sebuah peningkatan nyata meskipun ada pengurangan drastis dalam parameter aktif.
Perbedaannya jelas: Inkling-Small adalah pembuat kode dan pemikir yang lebih tajam, sementara saudaranya yang lebih besar memiliki basis pengetahuan yang lebih luas. Bagi pengembang, hal ini merupakan fitur, bukan bug — ini berarti memilih alat yang tepat untuk pekerjaan tersebut dibandingkan membayar satu model raksasa untuk setiap tugas.
Pemain AS di Lapangan Terbuka yang Dipimpin oleh Tiongkok
Mungkin dampak terbesarnya adalah geopolitik. Seperti yang dicatat oleh CNBC dan pihak lain, model open-weight frontier telah menjadi titik nyala AS-Tiongkok, dengan laboratorium Tiongkok seperti DeepSeek dan Qwen milik Alibaba memberikan model-model canggih dan menurunkan harga di negara-negara Barat. Forkast membingkai rilis Inkling-Small secara blak-blakan: "Kompetisi Open-Weights Sekarang Memiliki Peserta dari AS."
Hingga saat ini, model-model open-weight terkemuka hampir seluruhnya berasal dari Tiongkok, sehingga meningkatkan kekhawatiran di Washington bahwa laboratorium Amerika akan kehilangan seluruh kategori pasarnya. Thinking Machines – startup AS yang didanai dengan baik dan dipimpin oleh salah satu tokoh paling terkemuka di bidang AI – mengubah kalkulus tersebut. Dengan merilis bobot penuh pada Hugging Face dan mendukung open fine-tuning, lab ini memberikan pengaruh langsung kepada komunitas pengembang yang telah dikembangkan oleh model open-weight Tiongkok.
Dibangun untuk Pengembang, Bukan Hanya Tolok Ukur
Thinking Machines telah memasangkan rilis ini dengan alat yang ditujukan khusus untuk pengembang. Selain bobot Hugging Face yang terbuka, Databricks mengonfirmasi bahwa keluarga Inkling tersedia di platformnya, dan Tinker Playground mendukung obrolan teks, gambar, dan audio multimodal secara langsung. Pengaturan variabel "upaya berpikir" — dari minimal hingga "xhigh" — dirancang untuk trade-off rekayasa nyata: hemat biaya saat tugasnya sederhana, habiskan lebih banyak komputasi saat masalah memerlukan penalaran yang lebih dalam. Fleksibilitas ini penting bagi startup yang memperhatikan tagihan inferensi mereka, banyak di antaranya telah bermigrasi ke alternatif open-weight yang lebih murah daripada membayar tarif API premium.
Tren Efisiensi di Seluruh Industri
Inkling-Small juga cocok dengan pola yang lebih luas. Di seluruh industri, teknologi canggih sedang beralih dari model monolitik yang lebih besar ke sistem yang lebih kecil dan lebih cerdas yang mampu melampaui bobotnya. Dari model perang harga DeepSeek hingga arsitektur terkompresi, pesannya konsisten: jumlah parameter mentah kurang penting dibandingkan seberapa efisien suatu model menggunakan kapasitasnya.
Bagi Mesin Berpikir, penekanan pada efisiensi dibandingkan ukuran kini ada pada dua model — dan tolok ukur awal menunjukkan bahwa strategi tersebut berhasil. Dengan Inkling-Small yang tersedia untuk diunduh dan disempurnakan saat ini, pengembang dapat menguji sendiri klaim tersebut.
Tetap Terdepan dalam AI
Model open-weight baru hadir setiap minggunya, dan persaingan semakin ketat. Ikuti terus setiap rilis melalui cakupan industri AI.
Baca berita AI selengkapnya →
