Thinking Machines Lab, startup AI sing didegake dening mantan Chief Technology Officer OpenAI Mira Murati, wis ngrilis Inkling-Small, model open-weight sing dikandhakake perusahaan kasebut cocog karo kinerja kapal penggedhe sing kira-kira seprapat ukurane. Rilis kasebut menehi Amerika Serikat peserta serius ing balapan model frontier bobot mbukak - kategori sing, nganti saiki, wis didominasi dening laboratorium Cina. Peluncuran kasebut minangka salah sawijining sawetara gerakan kanthi cepet sing ngowahi lanskap AI open-source sing kita tutup ing [kabar AI] (https://aibuzzwire.news).

Desain Campuran Ahli

Miturut TestingCatalog AI News, Inkling-Small minangka trafo Mixture-of-Experts (MoE) sing ngemot 276 milyar total paramèter, kanthi 12 milyar aktif sajrone inferensi tartamtu. Arsitèktur kasebut - ing ngendi mung irisan cilik saka model "bangun" kanggo saben token - minangka trik efisiensi sing padha sing nggawe model bobot mbukak Cina kaya DeepSeek dadi murah. Thinking Machines ngonfirmasi bobot lengkap dirilis ing Hugging Face.

Model kasebut uga dikirim kanthi jendhela konteks nganti siji yuta token lan apa sing diarani lab "usaha mikir variabel," saka minimal nganti "xhigh," ngidini pangembang dagang ngitung kinerja gumantung saka tugas. Fine-tuning kasedhiya liwat platform Tinker perusahaan, lan teks, gambar, lan obrolan audio bisa diakses ing Tinker Playground.

Dilatih ing Sistem NVIDIA GB300

Thinking Machines ujar manawa Inkling-Small dilatih ing sistem NVIDIA GB300 NVL72 lan nggunakake "komputasi sing rada kurang" tinimbang model Inkling asli, sing diluncurake ing 15 Juli 2026. Model pisanan kasebut - dilindhungi dening WIRED lan TechCrunch minangka rilis debut Thinking Machines - nggawe lab minangka rilis debut ing wayah wengi.

Path menyang Inkling-Small mbukak strategi efisiensi sing disengaja. Lab kasebut wiwit nggarap model sing luwih cilik mung sawise nglatih Inkling, nggunakake ruangan ambegan kanggo ngowahi campuran data pra-latihan lan resep sinau mesin. Titik pamriksan pratinjau sadurunge dilatih sebagian liwat distilasi ing kabijakan, kanthi Inkling dadi guru, banjur sinau penguatan kode agenik kira-kira rong minggu.

Where Iku Menang — lan Where Ora

Asil saka resep sing kacathet. Thinking Machines ngaku Inkling-Small nyusul Inkling asli babagan benchmarks pertimbangan lan kode-agenik , nalika Inkling tetep kuwat ing jangkoan kawruh lan faktualitas. Ing teks mung Ujian Terakhir Kemanusiaan , evaluasi sing angel banget, model sing luwih cilik dilaporake ngetung 31,6%, dibandhingake karo 29,7% kanggo Inkling - perbaikan nyata sanajan ana pengurangan dramatis ing parameter aktif.

Trade-off cetha: Inkling-Small minangka coder lan penalaran sing luwih cetha, dene sedulur sing luwih gedhe nahan basis kawruh sing luwih jembar. Kanggo pangembang, iku fitur, dudu bug - tegese milih alat sing pas kanggo proyek kasebut tinimbang mbayar model raksasa siji ing saben tugas.

Pemain AS ing Lapangan Bobot Terbuka Dipimpin dening China

Mbok implikasi paling gedhe yaiku geopolitik. Minangka CNBC lan liya-liyane wis nyathet, model frontier bobot mbukak wis dadi titik nyala AS-China, kanthi lab China kaya DeepSeek lan Alibaba's Qwen menehi model sing kuat lan nyuda rega Barat. Forkast nggawe rilis Inkling-Small kanthi blaka: "Kompetisi Bobot Terbuka Saiki Nduwe Peserta AS."

Nganti saiki, model bobot mbukak sing unggul meh mung saka China, nyebabake keprihatinan ing Washington yen laboratorium Amerika wis nyerahake kabeh kategori pasar. Thinking Machines - startup AS sing didanai kanthi apik sing dipimpin dening salah sawijining tokoh sing paling misuwur ing AI - ngganti kalkulus kasebut. Kanthi ngeculake bobot lengkap ing Hugging Face lan ndhukung penyetelan sing mbukak, lab kasebut nggawe play langsung kanggo komunitas pangembang sing dibudidayakake model bobot terbuka Cina.

Dibangun kanggo Pangembang, Ora Mung Benchmarks

Thinking Machines wis masangake release karo perkakas ngarahke squares kanggo pangembang. Ngluwihi bobot Hugging Face sing mbukak, Databricks dikonfirmasi kulawarga Inkling kasedhiya ing platform kasebut, lan Playground Tinker ndhukung teks multimodal, gambar, lan obrolan audio metu saka kothak. Setelan "usaha mikir" variabel - saka minimal nganti "xhigh" - dirancang kanggo perdagangan rekayasa nyata: mbukak murah nalika tugas gampang, mbuwang luwih akeh nalika ana masalah mbutuhake pertimbangan sing luwih jero. Fleksibilitas kasebut penting kanggo para pemula sing nonton tagihan inferensi, sing akeh sing wis migrasi menyang alternatif bobot mbukak sing luwih murah tinimbang mbayar tarif API premium.

Tren Efisiensi ing saindenging Industri

Inkling-Small uga cocog karo pola sing luwih jembar. Ing saindhenging industri, pinggiran pemotongan ganti saka model monolitik sing luwih gedhe menyang sistem sing luwih cilik lan luwih cerdas sing ngluwihi bobote. Saka model perang rega DeepSeek nganti arsitektur sing dikompres, pesen kasebut konsisten: jumlah parameter mentah luwih penting tinimbang kepiye model nggunakake kapasitase.

Kanggo Thinking Machines, taruhan babagan efisiensi saka ukuran saiki dadi rong model - lan pathokan awal nuduhake yen strategi kasebut bisa digunakake. Kanthi Inkling-Small kasedhiya kanggo download lan fine-tuning saiki, pangembang bisa nyoba pratelan kasebut kanggo awake dhewe.

Tetep Ahead saka AI

Model bobot mbukak anyar landing saben minggu, lan kompetisi mung saya tambah akeh. Terusake saben rilis liwat [liputan industri AI] (https://aibuzzwire.news).

Waca liyane AI warta →