Thinking Machines Lab、最初のオープンウェイトマルチモーダルAIモデル「Inkling」を発表

Thinking Machines Labは、Inklingをリリースしました。これは、開発者がテキスト、画像、オーディオを処理できる、約1兆パラメータのシステムにアクセスできる、最初の汎用人工知能モデルです。2026年7月15日のリリースは、元OpenAIのCTOであるMira Muratiによって設立された、多額の資金を調達したAI企業にとって、最も重要な製品マイルストーンです。

Thinking Machinesは、Inklingを、世界で最も優れたモデルであると主張するのではなく、企業、研究者、開発者がAIの動作をより制御したい場合に、カスタマイズ可能な基盤として位置付けました。重みは、Hugging Faceを介してApache 2.0ライセンスでダウンロードでき、モデルはまた、Thinking MachinesのTinkerトレーニングプラットフォームを介してファインチューニングできます。

この位置付けは、AI市場が、少数の企業によって制御される独自のフロンティアシステムと、組織が変更、ホスト、インフラストラクチャに統合できるオープンウェイトの代替品に分裂するにつれて、重要となる可能性があります。

41億パラメータを一度に使用する975億パラメータモデル

Inklingには、合計975億パラメータがあり、公開されたオープンウェイトモデルの中で最大のものの1つです。ただし、スパースMixture-of-Expertsアーキテクチャを使用しているため、個々のトークンを処理するときに、41億パラメータのみがアクティブになります。

モデルには66のトランスフォーマーレイヤーと256のルーティングエキスパートがあります。各トークンは、これらのエキスパートの6つと、すべてのリクエストでアクティブな2つの共有エキスパートに送信されます。このアプローチは、非常に大きなモデルの知識容量を提供することを目的としていますが、すべてのパラメータを使用せずに、各推論操作で使用する必要があります。

Thinking Machinesは、Mixture-of-Experts設計は、ルーティングとロードバランシング方法を含め、DeepSeek-V3で導入されたアイデアに大きく従っていることを示しています。Inklingは、スライディングウィンドウとグローバルアテンションレイヤーの組み合わせ、およびロータリーポジショナルエンベッディングではなく相対的なポジショナルエンベッディングを使用します。

テキスト、画像、オーディオのネイティブ推論

Inklingは、テキスト、画像、オーディオを入力として受け取り、テキストを出力として生成する、ネイティブにマルチモーダルです。画像は階層的なパッチエンコーダを使用して処理され、オーディオは離散トークンに変換され、テキストや視覚情報と同じ共有表現空間に配置されます。

Thinking Machinesは、モデルを45兆トークンで事前トレーニングしました。これには、テキスト、画像、オーディオ、ビデオから抽出されたトレーニングデータが含まれます。ただし、モデルカードには、完全なデータセットインベントリが記載されていないため、「オープンウェイト」という用語は「完全にオープンソース」という用語よりも正確です。

会社は、開発者が、Inklingが回答を生成する前に適用する計算量を調整できる、制御可能な推論システムも導入しました。推論設定を低くすると、待ち時間とトークン消費が削減され、推論設定を高くすると、より困難なコーディング、数学、科学、ツール使用タスクに使用できます。

Tinkerを介したカスタマイズ

Inklingは、Tinkerに密接に関連しています。Tinkerは、Thinking Machinesが2025年に導入したクラウドベースのトレーニングプラットフォームです。Tinkerを使用すると、開発者はローカルでトレーニング手順を記述し、プラットフォームは、モデルのファインチューニングに必要な分散GPUインフラストラクチャを管理します。

プラットフォームは、教師ありファインチューニング、強化学習、Direct Preference Optimization、蒸留、Low-Rank Adaptationをサポートします。顧客は、結果のチェックポイントをダウンロードでき、Thinking Machinesは、顧客のトレーニングデータが、顧客のモデルをファインチューニングするためにのみ使用され、自身の基礎モデルに組み込まれないことを示しています。

ベンチマークでの競争力

Thinking Machinesは、Inklingがすべてのカテゴリで最も強力なモデルではないことを認めています。ベンチマーク結果は、Inklingを、最も優れたオープンウェイトシステムの中に位置付けますが、Anthropic、Google、OpenAIなどの主要な独自モデルの全体的な優位性を維持しています。

Inklingは、2026 American Invitational Mathematics Examinationベンチマークで97.1%のスコアを獲得し、GPQA Diamondで87.2%のスコアを獲得しました。SWE-bench VerifiedとSWE-bench Pro Publicでは、77.6%と54.3%のスコアを獲得しました。

低コストとハードウェア要件

Inklingのコストの主な根拠は、スパースアーキテクチャと制御可能な推論に基づいています。41億パラメータのみをアクティブ化することで、同等のサイズの密なモデルを実行するよりも、推論がはるかに効率的になるはずです。また、開発者は、拡張された推論を必要としないリクエストに対して、推論を無効にすることもできます。

Tinkerを介して、64,000トークンのバージョンは、1,000万のprefillトークンあたり1.87ドル、1,000万のサンプルトークンあたり4.68ドル、1,000万のトレーニングトークンあたり5.61ドルで提供されます。256,000トークンの構成は、prefillあたり3.74ドル、サンプルあたり9.36ドル、トレーニングあたり11.23ドルで、キャッシュされた入力に対しては低料金で提供されます。

検閲への抵抗と安全性のバランス

Inklingの設計目標の1つは、Thinking Machinesが「検閲への抵抗」と呼んでいるものです。会社は、モデルを、政治的または機関的にデリケートなトピックについての質問に答えるように特にトレーニングしました。

Cognitionは、Inklingを、Propaganda and Censorshipベンチマークで評価し、Thinking Machinesは、モデルが「検閲非遵守」の強いパターンを示したと報告しました。基本的な考え方は、オープンモデルは、元の開発者によって埋め込まれた政治的制限や標準化された意見を継承すべきではないということです。

OpenAIのリーダーシップから120億ドルのスタートアップへ

Thinking Machines Labは、2025年2月に正式に立ち上げられました。これは、Mira MuratiがOpenAIを退職した数か月後です。彼女は、ChatGPT、DALL-E、会社の初期の音声およびマルチモーダルシステムの立ち上げ中に、OpenAIのCTOを務めていました。

オリジナルのチームには、OpenAI、Meta、Mistral、その他のAI組織から採用された約30人の研究者とエンジニアが含まれていました。立ち上げ時の従業員の約3分の2は、以前OpenAIで働いていた人でした。創設メンバーには、OpenAIの共同創設者であるJohn Schulman、Barret Zoph、Lilian Weng、Andrew Tulloch、Luke Metzが含まれていました。彼らは、強化学習、モデル整合、多モーダルAI、事前トレーニング、事後トレーニングの経験を持ちました。

(NVDA ) (NOW )

Inklingは、分散型AIへのより広範な賭けを反映する

Thinking Machinesは、ほとんどのAIシステムが、少数の企業によってトレーニングされ、固定製品として配布されていると主張しています。代替案は、企業や個人が、自分の知識、好み、判断を使用してモデルを継続的に適応させることができるエコシステムです。

この哲学は、Inklingが、独自のインターフェイスを介してのみ提供されるのではなく、ダウンロード可能な重みでリリースされる理由を説明しています。また、モデルをTinkerと接続し、組織が大規模なGPUクラスターを組み立てる必要なく、モデルの動作を変更するために必要なトレーニングインフラストラクチャを提供します。

AIへの意味

Inklingの重要性は、ベンチマークでトップになるかどうかよりも、開発者が、より狭いドメイン内で汎用モデルを上回る専門化システムに変換できるかどうかに依存する可能性があります。

金融、ヘルスケア、エンジニアリング、サイバーセキュリティ、科学研究、ソフトウェア開発などの企業は、内部に貴重な知識を持っており、これはパブリックトレーニングデータに十分に表現されていません。有能なオープンウェイトの基礎モデルと、利用可能な強化学習およびファインチューニングインフラストラクチャの組み合わせにより、これらの組織は、モデル動作にさらに多くの専門知識を直接エンコードできる可能性があります。

Thinking Machines Labは、異常に経験豊富なチーム、多大な投資家の支援、通常ははるかに古いAI研究所に通常関連するインフラストラクチャへのコミットメントで市場に参入しました。Inklingは、会社がこれらのリソースを、野心的な研究計画やトレーニングプラットフォームだけでなく、実際の製品に変えることができるかどうかを証明するための最初の機会です。

モデルは、トップの独自モデルの地位を奪うことはありませんが、Thinking Machines Labは、そう主張しているのではありません。代わりに、Inklingは、将来の高度なAIが、最も強力な汎用モデルをトレーニングするだけでなく、開発者が独自のモデルを構築するための最も強力な基盤を提供することによって形作られる可能性があることを示唆しています。