Een ontwerp van een mix van experts
Volgens TestingCatalog AI News is Inkling-Small een Mixture-of-Experts (MoE) transformator met in totaal 276 miljard parameters, waarvan er 12 miljard actief zijn tijdens een bepaalde gevolgtrekking. Die architectuur – waarbij slechts een klein deel van het model voor elk token ‘wakker wordt’ – is dezelfde efficiëntietruc die Chinese open-weight-modellen zoals DeepSeek zo goedkoop in het gebruik heeft gemaakt. Thinking Machines heeft bevestigd dat de volledige gewichten worden vrijgegeven op Hugging Face.
Het model wordt ook geleverd met een contextvenster van maximaal één miljoen tokens en wat het laboratorium 'variabele denkinspanning' noemt, variërend van minimaal tot 'xhigh', waardoor ontwikkelaars rekenkracht kunnen inruilen voor prestaties, afhankelijk van de taak. Verfijning is beschikbaar via het Tinker-platform van het bedrijf, en tekst-, beeld- en audiochat zijn toegankelijk in de Tinker Playground.
Getraind op NVIDIA GB300-systemen
Thinking Machines zei dat Inkling-Small is getraind op NVIDIA GB300 NVL72-systemen en "substantieel minder rekenkracht" gebruikt dan het originele Inkling-model, dat op 15 juli 2026 werd gelanceerd. Dat eerste model - gedekt door WIRED en TechCrunch als de debuutrelease van Thinking Machines - maakte het lab vrijwel van de ene op de andere dag tot een serieuze concurrent.
Het pad naar Inkling-Small onthult een doelbewuste efficiëntiestrategie. Het laboratorium begon pas aan het kleinere model te werken na de training van Inkling, waarbij de ademruimte werd gebruikt om de datamix vóór de training en het recept voor machinaal leren te herzien. Een eerder preview-controlepunt werd achteraf getraind, deels door middel van on-policy destillatie, waarbij Inkling als leraar fungeerde, gevolgd door ongeveer twee weken geschaald leren van versterking van agentische codering.
Waar het wint – en waar niet
De resultaten van dat recept zijn opmerkelijk. Thinking Machines beweert dat Inkling-Small de oorspronkelijke Inkling inhaalt op het gebied van redeneren en agentische codering, terwijl Inkling sterker blijft wat betreft kennisdekking en feitelijkheid. Op het tekst-only Humanity's Last Exam, een notoir moeilijke evaluatie, scoorde het kleinere model naar verluidt 31,6%, vergeleken met 29,7% voor Inkling – een echte verbetering ondanks de dramatische vermindering van actieve parameters.
De afweging is duidelijk: Inkling-Small is de scherpere codeer en redeneerder, terwijl zijn grotere broer de bredere kennisbasis behoudt. Voor ontwikkelaars is dat een functie en geen bug. Het betekent dat je de juiste tool voor de klus kiest, in plaats van voor elke taak te betalen voor één gigantisch model.
Een Amerikaanse speler in een veld met open gewicht onder leiding van China
Misschien wel de grootste implicatie is van geopolitieke aard. Zoals CNBC en anderen hebben opgemerkt, zijn grensmodellen met open gewicht een vlampunt tussen de VS en China geworden, waarbij Chinese laboratoria als DeepSeek en Alibaba's Qwen krachtige modellen weggeven en de westerse prijzen ondermijnen. Forkast vatte de uitgave van Inkling-Small botweg samen: "Open-Weights-competitie heeft nu een Amerikaanse deelnemer."
Tot nu toe zijn de leidende modellen met open gewicht vrijwel uitsluitend uit China gekomen, waardoor in Washington de bezorgdheid ontstond dat Amerikaanse laboratoria een hele categorie van de markt zouden afstaan. Thinking Machines – een goed gefinancierde Amerikaanse startup onder leiding van een van de meest prominente figuren op het gebied van AI – verandert die calculus. Door volledige gewichten op Hugging Face vrij te geven en open verfijning te ondersteunen, speelt het lab direct in op de ontwikkelaarsgemeenschap die Chinese open-weight-modellen hebben gecultiveerd.
Gebouwd voor ontwikkelaars, niet alleen voor benchmarks
Thinking Machines heeft de release gecombineerd met tools die volledig op ontwikkelaars zijn gericht. Naast de open Hugging Face-gewichten heeft Databricks bevestigd dat de Inkling-familie beschikbaar is op zijn platform, en dat de Tinker Playground out-of-the-box multimodale tekst-, beeld- en audiochat ondersteunt. De variabele "denkinspanning" -instelling - van minimaal tot "xhoog" - is ontworpen voor echte technische afwegingen: goedkoop werken als een taak eenvoudig is, meer rekenkracht uitgeven als een probleem een diepere redenering vereist. Die flexibiliteit is van belang voor startups die hun gevolgtrekkingsrekeningen in de gaten houden, van wie velen al zijn gemigreerd naar goedkopere open-weight-alternatieven in plaats van premium API-tarieven te betalen.
De efficiëntietrend in de hele sector
Inkling-Small past ook in een breder patroon. In de hele sector verschuift het snijvlak van steeds grotere monolithische modellen naar kleinere, slimmere systemen die boven hun gewicht uitstijgen. Van de prijzenoorlogmodellen van DeepSeek tot gecomprimeerde architecturen, de boodschap is consistent: het aantal ruwe parameters doet er minder toe dan hoe efficiënt een model zijn capaciteit gebruikt.
Voor Thinking Machines is de inzet op efficiëntie boven omvang nu twee modellen diep – en de eerste benchmarks suggereren dat de strategie werkt. Nu Inkling-Small vandaag beschikbaar is om te downloaden en te verfijnen, kunnen ontwikkelaars die claim zelf testen.
Blijf AI een stap voor
Elke week landen er nieuwe modellen met een open gewicht, en de concurrentie wordt alleen maar heviger. Blijf op de hoogte van elke release via onze [AI-industrieverslaggeving] (https://aibuzzwire.news).
Lees meer AI-nieuws →
