Phòng thí nghiệm Máy tính tư duy ra mắt Inkling, mô hình AI đa phương thức mở đầu tiên

Phòng thí nghiệm Máy tính tư duy đã phát hành Inkling, mô hình trí tuệ nhân tạo đa phương thức đầu tiên, cung cấp cho các nhà phát triển quyền truy cập vào hệ thống gần một nghìn tỷ tham số có thể xử lý văn bản, hình ảnh và âm thanh. Sự ra mắt vào ngày 15 tháng 7 năm 2026 đại diện cho cột mốc sản phẩm quan trọng nhất từ trước đến nay của công ty AI được tài trợ mạnh mẽ này, được thành lập bởi cựu Giám đốc công nghệ của OpenAI Mira Murati.

Thay vì tuyên bố đã xây dựng mô hình mạnh nhất thế giới, Thinking Machines định vị Inkling như một nền tảng tùy chỉnh cho các công ty, nhà nghiên cứu và nhà phát triển muốn kiểm soát nhiều hơn cách AI của họ hoạt động. Các trọng số của nó có thể được tải xuống thông qua Hugging Face theo giấy phép Apache 2.0, trong khi mô hình cũng có thể được tinh chỉnh thông qua nền tảng đào tạo dựa trên đám mây Tinker của Thinking Machines.

Vị trí này có thể chứng minh quan trọng khi thị trường AI chia tách giữa các hệ thống tiền phong độc quyền được kiểm soát bởi một số công ty và các giải pháp mở mà các tổ chức có thể sửa đổi, lưu trữ và tích hợp vào cơ sở hạ tầng của riêng họ.

Mô hình 975 tỷ tham số chỉ sử dụng một phần tại một thời điểm

Inkling chứa 975 tỷ tham số tổng cộng, khiến nó trở thành một trong những mô hình mở lớn nhất được phát hành cho đến nay. Tuy nhiên, nó sử dụng kiến trúc Mixture-of-Experts thưa thớt, có nghĩa là chỉ 41 tỷ tham số được kích hoạt trong khi xử lý bất kỳ token riêng lẻ nào.

Mô hình này bao gồm 66 lớp biến đổi và 256 chuyên gia được định tuyến. Mỗi token được gửi đến sáu chuyên gia đó, cùng với hai chuyên gia chung được chia sẻ vẫn hoạt động trên các yêu cầu. Cách tiếp cận này nhằm mục đích cung cấp khả năng kiến thức của một mô hình rất lớn mà không yêu cầu mọi tham số phải được sử dụng trong mọi hoạt động suy luận.

Thinking Machines cho biết thiết kế Mixture-of-Experts chủ yếu theo ý tưởng được giới thiệu trong DeepSeek-V3, bao gồm cả phương pháp định tuyến và cân bằng tải. Inkling cũng sử dụng sự kết hợp của các lớp chú ý trượt và toàn cầu, cùng với các bản nhúng vị trí tương đối thay vì các bản nhúng vị trí Rotary thường được sử dụng trong các mô hình ngôn ngữ hiện đại.

Mô hình này hỗ trợ cửa sổ ngữ cảnh lên đến một triệu token. Thông qua Tinker, các nhà phát triển hiện có quyền truy cập vào các cấu hình 64.000 token và 256.000 token, trong khi khả năng đầy đủ về ngữ cảnh có sẵn thông qua các triển khai tương thích của các trọng số đã tải xuống.

Tư duy bản địa trên văn bản, hình ảnh và âm thanh

Inkling là bản địa đa phương thức, chấp nhận văn bản, hình ảnh và âm thanh làm đầu vào trong khi tạo ra văn bản làm đầu ra. Hình ảnh được xử lý bằng cách sử dụng mã hóa patch phân cấp, trong khi âm thanh được chuyển đổi thành các token rời rạc và đặt vào cùng không gian biểu diễn được chia sẻ như thông tin văn bản và hình ảnh.

Thinking Machines đã tiền huấn luyện mô hình trên 45 nghìn tỷ token được rút ra từ văn bản, hình ảnh, âm thanh và video. Công ty cho biết dữ liệu bao gồm tài liệu có sẵn công khai, nguồn hoặc tài liệu được cấp phép của bên thứ ba và nội dung được tạo hoặc tăng cường tổng hợp. Tuy nhiên, thẻ mô hình không cung cấp hàng tồn kho dữ liệu hoàn chỉnh, khiến “trọng số mở” trở thành mô tả chính xác hơn là mã nguồn mở hoàn toàn.

Công ty cũng giới thiệu một hệ thống suy luận có thể kiểm soát cho phép các nhà phát triển điều chỉnh lượng tính toán mà Inkling áp dụng trước khi tạo ra câu trả lời. Cài đặt suy luận thấp hơn có thể giảm độ trễ và tiêu thụ token, trong khi cài đặt cao hơn có thể được sử dụng cho các nhiệm vụ mã hóa, toán học, khoa học hoặc sử dụng công cụ khó hơn.

Cùng với mô hình chính, Thinking Machines đã xem trước Inkling-Nhỏ, một mô hình Mixture-of-Experts 276 tỷ tham số với 12 tỷ tham số hoạt động. Công ty cho biết rằng các cải tiến đối với dữ liệu và công thức đào tạo của họ cho phép mô hình nhỏ hơn này khớp hoặc vượt qua phiên bản lớn hơn trên một số đánh giá, mặc dù Inkling-Nhỏ chưa nhận được cùng một xử lý phát hành đầy đủ.

Được thiết kế để tùy chỉnh thông qua Tinker

Inkling gắn liền với Tinker, nền tảng đào tạo dựa trên đám mây mà Thinking Machines giới thiệu vào năm 2025. Tinker cho phép các nhà phát triển viết thủ tục đào tạo cục bộ trong khi nền tảng quản lý cơ sở hạ tầng GPU phân tán cần thiết để tinh chỉnh các mô hình từ các hệ thống tương đối nhỏ đến kiến trúc Mixture-of-Experts trị giá nghìn tỷ tham số.

Nền tảng này hỗ trợ tinh chỉnh giám sát, học tăng cường, Tối ưu hóa Ưu tiên Trực tiếp, chưng cất, và Thích nghi Thấp Hạng. Khách hàng có thể tải xuống các điểm kiểm tra kết quả, và Thinking Machines cho biết dữ liệu đào tạo của khách hàng chỉ được sử dụng để tinh chỉnh mô hình của khách hàng chứ không được kết hợp vào các mô hình cơ sở của chính công ty.

Để chứng minh quá trình tùy chỉnh này, công ty đã yêu cầu Inkling tinh chỉnh chính nó thành một mô hình sẽ không bao giờ sử dụng chữ “e”. Inkling đã tạo ra dữ liệu đào tạo và phương pháp đánh giá của riêng nó, tạo và chạy công việc tinh chỉnh thông qua Tinker, kiểm tra điểm kiểm tra cập nhật và sau đó tải trọng số đã sửa đổi vào môi trường hoạt động của nó.

Demonstration này có chủ đích hẹp, nhưng nó minh họa cho chiến lược rộng lớn hơn. Thinking Machines muốn các nhà phát triển coi các mô hình cơ sở như điểm khởi đầu có thể được thích nghi với thuật ngữ, quy trình làm việc, dữ liệu, chính sách và hành vi ưa thích của một tổ chức chứ không phải là sản phẩm hoàn chỉnh được kiểm soát hoàn toàn bởi nhà cung cấp mô hình ban đầu.

Hiệu suất cạnh tranh mà không tuyên bố vương miện benchmark

Thinking Machines công khai thừa nhận rằng Inkling không phải là mô hình mạnh nhất có sẵn trên mọi danh mục. Kết quả benchmark của nó thường đặt nó trong số các hệ thống trọng lượng mở có khả năng hơn, trong khi các mô hình độc quyền hàng đầu từ các công ty như Anthropic, Google và OpenAI vẫn giữ lại lợi thế tổng thể.

Inkling đạt 97,1% trên kỳ thi toán học Mỹ năm 2026 và 87,2% trên GPQA Diamond, đánh giá lý luận khoa học cấp sau đại học. Nó ghi được 77,6% trên SWE-bench Verified và 54,3% trên SWE-bench Pro Public, hai benchmark được sử dụng để đánh giá khả năng của các tác nhân mã hóa trong việc giải quyết các vấn đề kỹ thuật phần mềm thực tế.

Trên Kỳ thi cuối cùng của loài người, Inkling đạt 29,7% mà không có công cụ và 46% khi được truy cập công cụ. Hiệu suất có công cụ của nó cạnh tranh với một số mô hình mở nhưng vẫn thấp hơn các hệ thống đóng mạnh nhất được bao gồm trong so sánh của Thinking Machines.

Inkling cũng nhận được điểm 1.257 trên bảng xếp hạng phát triển web Agentic của Design Arena, nơi các đánh giá viên con người so sánh các ứng dụng được tạo bởi các mô hình khác nhau. Điều đó đặt nó gần với một số hệ thống độc quyền và trước một số đối thủ cạnh tranh trọng lượng mở đã thành lập.

Giống như bất kỳ tập hợp benchmark nào do nhà cung cấp xuất bản, kết quả sẽ yêu cầu phải được tái tạo độc lập. Thinking Machines đã sử dụng điểm số bên ngoài khi có sẵn, nhưng một số đánh giá phụ thuộc vào các giá đỡ, cấu hình hoặc kết quả tự báo cáo từ các nhà cung cấp mô hình cạnh tranh.

Chi phí thấp hơn đi kèm với yêu cầu phần cứng đáng kể

Luận điểm về chi phí của Inkling chủ yếu dựa trên kiến trúc thưa thớt và suy luận có thể kiểm soát của nó. Kích hoạt 41 tỷ tham số thay vì tất cả 975 tỷ nên làm cho suy luận hiệu quả hơn nhiều so với chạy một mô hình dày đặc tương tự, trong khi cho phép các nhà phát triển tắt suy luận mở rộng cho các yêu cầu không yêu cầu nó.

Thông qua Tinker, phiên bản 64.000 token được liệt kê với giá 1,87 đô la mỗi triệu token tiền điền, 4,68 đô la mỗi triệu token mẫu và 5,61 đô la mỗi triệu token đào tạo. Cấu hình 256.000 token được định giá cao hơn ở mức 3,74 đô la cho tiền điền, 9,36 đô la cho mẫu và 11,23 đô la cho đào tạo, với các mức giá thấp hơn có sẵn cho đầu vào được lưu vào bộ nhớ đệm.

Các con số này làm cho việc thử nghiệm mô hình lớn trở nên dễ tiếp cận hơn so với việc lắp ráp một cụm đào tạo chuyên dụng, nhưng Inkling không phải là mô hình mà hầu hết các nhà phát triển sẽ chạy trên một trạm làm việc thông thường. Điểm kiểm tra BF16 đầy đủ yêu cầu ít nhất hai terabyte bộ nhớ đồ họa tổng hợp, tương đương với tám GPU B300 của Nvidia (NVDA ) hoặc 16 GPU H200.

Một điểm kiểm tra NVFP4 được lượng tử hóa giảm yêu cầu xuống khoảng 600 gigabyte, nhưng vẫn yêu cầu cơ sở hạ tầng như bốn GPU B300 hoặc tám GPU H200. Trong thực tế, nhiều tổ chức do đó có khả năng truy cập Inkling thông qua Tinker hoặc các nhà cung cấp suy luận của bên thứ ba thay vì lưu trữ mô hình hoàn chỉnh trực tiếp.

Cân bằng giữa khả năng chống kiểm duyệt với các biện pháp an toàn

Một trong những mục tiêu thiết kế đặc biệt của Inkling là khả năng chống kiểm duyệt mà Thinking Machines mô tả. Công ty cho biết họ đã đào tạo mô hình cụ thể để trả lời các câu hỏi về các chủ đề có thể nhạy cảm về chính trị hoặc thể chế thay vì tự động từ chối chúng.

Cognition đã đánh giá Inkling bằng cách sử dụng benchmark Kiểm duyệt và Tuyên truyền và Thinking Machines cho biết mô hình đã thể hiện các mẫu “không tuân thủ kiểm duyệt” mạnh mẽ. Ý tưởng cơ bản là một mô hình mở không nên kế thừa các hạn chế chính trị hoặc quan điểm tiêu chuẩn hóa không cần thiết chỉ vì chúng được nhúng bởi nhà phát triển ban đầu.

Điều đó không có nghĩa là Inkling được thiết kế để trả lời mọi yêu cầu. Công ty cũng đã đào tạo mô hình để từ chối các hướng dẫn liên quan đến vũ khí, bạo lực, lạm dụng mạng, đe dọa hóa học hoặc sinh học, thao túng và các hoạt động nguy hiểm khác.

Inkling đạt 78% trên phần đối lập của benchmark an toàn FORTRESS và trả lời đúng 95,9% câu hỏi vô hại được thiết kế để giống như các yêu cầu có hại. Nó cũng đạt 98,6% trên StrongREJECT, đo lường xem mô hình có từ chối các hướng dẫn rõ ràng có hại. Thinking Machines cho biết sự kết hợp này cho thấy mô hình có thể duy trì các biện pháp an toàn mà không chặn quá mức các câu hỏi hợp pháp, mặc dù hiệu ứng của việc tinh chỉnh của bên thứ ba sau này vẫn là một vấn đề nghiên cứu mở.

Từ lãnh đạo OpenAI đến một công ty khởi nghiệp 12 tỷ đô la

Phòng thí nghiệm Máy tính tư duy được thành lập chính thức vào tháng 2 năm 2025, vài tháng sau khi Murati rời OpenAI. Cô đã từng là Giám đốc công nghệ của OpenAI trong các lần ra mắt sản phẩm bao gồm ChatGPT, DALL-E và các hệ thống đa phương thức và giọng nói đầu tiên của công ty.

Đội ngũ ban đầu bao gồm khoảng 30 nhà nghiên cứu và kỹ sư được tuyển dụng từ OpenAI, Meta, Mistral và các tổ chức AI khác. Khoảng hai phần ba nhân viên của công ty tại thời điểm ra mắt trước đây đã từng làm việc tại OpenAI. Nhóm sáng lập bao gồm đồng sáng lập OpenAI John Schulman, Barret Zoph, Lilian Weng, Andrew Tulloch và Luke Metz, mang lại kinh nghiệm trên toàn bộ học tăng cường, sắp xếp mô hình, AI đa phương thức, tiền huấn luyện và hậu huấn luyện.

Chỉ năm tháng sau khi ra mắt, Thinking Machines đã huy động được khoảng 2 tỷ đô la với mức định giá 12 tỷ đô la. Andreessen Horowitz đã dẫn đầu vòng này, với sự tham gia của Nvidia, Accel, ServiceNow (NOW ), Cisco, AMD và công ty giao dịch định lượng Jane Street.

Nvidia đã mở rộng mối quan hệ với công ty này thông qua một quan hệ đối tác chiến lược nhiều năm. Được công bố vào tháng 3 năm 2026, thỏa thuận này yêu cầu triển khai ít nhất một gigawatt hệ thống Vera Rubin thế hệ tiếp theo của Nvidia để hỗ trợ đào tạo mô hình và các nền tảng AI tùy chỉnh của Thinking Machines. Nvidia cũng đã đầu tư thêm vào công ty.

Inkling phản ánh một đặt cược rộng lớn hơn vào AI phân tán

Thinking Machines cho rằng hầu hết các hệ thống AI được đào tạo bởi một số công ty và sau đó được phân phối dưới dạng sản phẩm cố định. Phương án thay thế của họ là một hệ sinh thái trong đó các doanh nghiệp và cá nhân có thể liên tục thích nghi các mô hình bằng kiến thức, sở thích và phán quyết của riêng họ.

Triết lý này giúp giải thích tại sao Inkling được phát hành với trọng số có thể tải xuống thay vì được cung cấp độc quyền thông qua giao diện độc quyền. Nó cũng kết nối mô hình với Tinker, cung cấp cơ sở hạ tầng đào tạo cần thiết để sửa đổi hành vi mà không buộc mọi tổ chức phải lắp ráp cụm GPU lớn.

Vẫn còn căng thẳng giữa tầm nhìn này và thực tế thực tế của việc phát hành. Inkling đủ mở để tải xuống và sửa đổi, nhưng đủ lớn để chỉ các tổ chức có nguồn lực dồi dào mới có thể lưu trữ mô hình đầy đủ. Dữ liệu đào tạo của nó được mô tả trong các danh mục rộng, thay vì được ghi chép đầy đủ, và việc tùy chỉnh có thể làm suy yếu các biện pháp an toàn được xây dựng vào điểm kiểm tra ban đầu.

Việc phát hành này vẫn cung cấp cho các nhà phát triển phương Tây một lựa chọn mô hình trọng lượng mở lớn khác vào thời điểm nhiều mô hình tùy chỉnh cạnh tranh nhất đến từ các phòng thí nghiệm Trung Quốc như DeepSeek, Alibaba, Moonshot AI và Zhipu AI. Reuters lưu ý rằng sự phát triển trọng lượng mở của phương Tây đã mất đà khi một số công ty hàng đầu của Mỹ đã chuyển sang các chiến lược độc quyền hơn.

Inkling có ý nghĩa gì đối với AI

Tầm quan trọng của Inkling có thể phụ thuộc ít hơn vào việc nó dẫn đầu mọi benchmark và nhiều hơn vào việc liệu các nhà phát triển có thể biến nó thành các hệ thống chuyên dụng vượt trội các mô hình đa năng trong các lĩnh vực hẹp hơn.

Các công ty trong lĩnh vực tài chính, chăm sóc sức khỏe, kỹ thuật, an ninh mạng, nghiên cứu khoa học và phát triển phần mềm thường có kiến thức nội bộ quý giá không được đại diện tốt trong dữ liệu đào tạo công khai. Một mô hình trọng số mở có khả năng, kết hợp với học tăng cường và cơ sở hạ tầng tinh chỉnh có thể tiếp cận, có thể cho phép các tổ chức đó mã hóa nhiều hơn chuyên môn của họ trực tiếp vào hành vi của mô hình.

Đồng thời, mô hình sẽ cần chứng minh rằng các tuyên bố hiệu quả của nó chuyển thành chi phí triển khai tổng thể thấp hơn, đặc biệt là khi cơ sở hạ tầng, khối lượng suy luận, tinh chỉnh, giám sát và kiểm tra an toàn được xem xét. Các nhà nghiên cứu độc lập cũng sẽ cần kiểm tra hiệu suất benchmark, khả năng đa ngôn ngữ, tính trung lập chính trị, tốc độ ảo giác và khả năng chống suy giảm an toàn sau khi tùy chỉnh.

Thinking Machines đã tham gia thị trường với một đội ngũ không thường thấy, sự hỗ trợ của nhà đầu tư đáng kể và các cam kết về cơ sở hạ tầng thường được liên kết với các phòng thí nghiệm AI lâu đời hơn. Inkling là cơ hội đầu tiên của công ty để chứng minh rằng những nguồn lực này có thể tạo ra nhiều hơn các kế hoạch nghiên cứu đầy tham vọng và các nền tảng đào tạo.

Mô hình này không thay thế các hệ thống độc quyền hàng đầu, và Phòng thí nghiệm Máy tính tư duy không tuyên bố rằng nó làm được. Thay vào đó, Inkling cung cấp một đề xuất khác: rằng tương lai của AI tiên tiến có thể được định hình không chỉ bởi ai đào tạo mô hình đa năng mạnh nhất, mà còn bởi ai cung cấp cho các nhà phát triển nền tảng mạnh nhất để xây dựng mô hình của riêng họ.