Thinking Machines Lab, start-up zajmujący się sztuczną inteligencją założony przez byłą dyrektor ds. technologii OpenAI Mirę Murati, wypuścił swój pierwszy podstawowy model 15 lipca 2026 r. Model o nazwie Inkling udostępnia swoje w pełni otwarte ciężarki programistom, którzy chcą go dostosować do własnych przypadków użycia — jest to celowe postawienie na personalizację zamiast podejścia uniwersalnego, które dominuje w branży sztucznej inteligencji. Premiera stanowi pierwszy publiczny dowód dla firmy, która spędziła ponad rok na budowaniu infrastruktury sztucznej inteligencji w dużej mierze poza zasięgiem opinii publicznej, i pojawia się w momencie, gdy zachodnie przedsiębiorstwa są głodne najnowszych wiadomości o sztucznej inteligencji i wiarygodnych alternatyw zarówno dla zamkniętych modeli własnościowych, jak i tanich chińskich systemów open source.
Co to jest przeczucie?
Inkling to pierwszy model w pełni przeszkolony od podstaw przez Thinking Machines. Jest to architektura oparta na mieszance ekspertów (MoE), obejmująca 975 miliardów parametrów, choć w przypadku przeciętnego monitu wykorzystuje tylko około 41 miliardów tych parametrów, aby szybciej przetwarzać zadania i utrzymywać koszty na niskim poziomie. Według firmy model został przeszkolony na około 45 bilionach tokenów tekstu, obrazu, dźwięku i wideo i potrafi natywnie rozumować we wszystkich czterech typach danych wejściowych. Jednak jego wyniki ograniczają się do tekstu — chociaż tekst ten może zawierać kod, artefakty stylizowane i dane strukturalne.
Model oferuje elementy sterujące „wysiłkiem myślenia”, które pozwalają programistom na kompromisy, takie jak poświęcenie szybkości przetwarzania na rzecz dokładności. Co niezwykłe, Inkling oznacza również własne wyniki jako niepewne, zamiast po prostu generować pewnie brzmiące halucynacje. Programiści mogą dostroić model bezpośrednio w Tinker, szkoleniowym interfejsie API firmy, który został uruchomiony w październiku 2025 r.
Zachodnia alternatywa dla chińskich modeli open source
Jednym z najważniejszych aspektów premiery jest to, co reprezentuje ona w szerszym ekosystemie wagi otwartej. Przez ostatni rok przestrzeń ta była zdominowana przez chińskie firmy zajmujące się sztuczną inteligencją, takie jak DeepSeek i Alibaba, podczas gdy Meta bagatelizowała rodzinę modeli Llama na rzecz bardziej zastrzeżonego podejścia. Inkling jest pozycjonowany jako pierwsza wiarygodna zachodnia alternatywa dla tych systemów.
Analityk Grupy Futurum, Mitch Ashley, powiedział dziennikowi Wall Street Journal, że Inkling zapewnia zachodnim przedsiębiorstwom alternatywę skupioną na ekonomii dostosowywania — przenosząc wydatki z ustalania cen API za token na infrastrukturę kontrolowaną przez samo przedsiębiorstwo. „Zespoły inżynieryjne powinny traktować wybór modelu podstawowego jako decyzję dotyczącą architektury” – stwierdziła Ashley. „Model, który organizacja dostraja, staje się częścią oprogramowania, a koszty zmiany zwiększają się wraz z każdym dalszym dostosowaniem”.
Szczerze mówiąc o swoich ograniczeniach
Thinking Machines niezwykle przejrzyście przyznało, że Inkling nie jest najmocniejszym modelem na rynku. Firma przyznała, że nie dorównuje najbardziej zaawansowanym dostępnym, autorskim systemom AI. Zamiast tego zakłada się, że możliwość dostosowania zrobi różnicę: zamiast wypuszczać Inkling jako sztywną aplikację w stylu chatbota, firma umieściła go jako model podstawowy, który organizacje powinny dopracowywać i uruchamiać na własnej infrastrukturze.
Strategia już jest obiecująca. We współpracy z Bridgewater Associates badacze wykorzystali narzędzie Tinker do dostrojenia otwartego modelu przy użyciu specjalistycznych danych finansowych. W rezultacie powstał tani, lekki model, który uzyskał 84,7% w wiodących testach porównawczych z zakresu analizy finansowej, przewyższając najbardziej zaawansowane, zastrzeżone alternatywy przy cenie poniżej 10%.
Szybkość i krzem
Thinking Machines twierdzi, że udało mu się opracować Inkling od zera w niecałe dziewięć miesięcy, co wypada korzystnie w porównaniu z wieloletnimi cyklami rozwoju obserwowanymi u rywali, takich jak OpenAI i Anthropic. Model został przeszkolony na systemie GB300 NVL72 firmy Nvidia w ramach partnerstwa między obiema firmami ogłoszonego w marcu 2026 roku.
We wczesnych wynikach testów porównawczych Thinking Machines wykazało, że Inkling osiągnął wydajność kodowania porównywalną z modelem Nemotron 3 Ultra firmy Nvidia, używając o dwie trzecie mniej tokenów, co stanowi silny wskaźnik wydajności dla organizacji dbających o koszty.
Model biznesowy: majsterkowanie, nie tokeny
Zamiast pobierać od klientów opłaty za dostęp za pośrednictwem odmierzonego interfejsu API, Thinking Machines planuje generować przychody przede wszystkim za pośrednictwem Tinker – płatnej usługi, która ułatwia programistom dostrajanie modeli z otwartymi ciężarami do określonych zadań. Stanowi to bezpośrednie wyzwanie dla zamkniętego modelu dostępu za pomocą tokena, którego pionierami są największe firmy zajmujące się sztuczną inteligencją w Dolinie Krzemowej.
Dla Murati, która opuściła OpenAI we wrześniu 2024 r. i od dawna upierała się, że w jej nowej firmie chodzi o dostępność, dostosowywanie i współpracę multimodalną, Inkling jest wyrazem intencji. Firma zakłada, że przyszłość sztucznej inteligencji nie leży w jednym dominującym modelu, za którego badanie każdy płaci, ale w świecie, w którym organizacje posiadają modele, które napędzają ich najbardziej krytyczną pracę, i je kształtują.
To, czy ten zakład się opłaci, będzie zależeć od tego, czy wystarczająca liczba przedsiębiorstw będzie skłonna inwestować w dostrajanie i infrastrukturę, a nie w wygodę zarządzanego interfejsu API. Jednak wraz z udostępnieniem Inklinga na Hugging Face i Tinker, Thinking Machines zapewniło ruchowi otwartemu najważniejszy jak dotąd punkt wyjścia na Zachodzie.
Wyprzedź sztuczną inteligencję
Chcesz więcej relacjonowania branży sztucznej inteligencji tego typu? AI Buzz Wire śledzi każdą premierę nowego modelu, rundę finansowania i zmianę polityki, dzięki czemu Ty nie musisz tego robić.
Przeczytaj więcej aktualności o sztucznej inteligencji →
