Thinking Machines Lab, firma założona przez Mirę Murati (byłą dyrektor technologiczną OpenAI), udostępniła 15 lipca pierwszy otwarty model AI o nazwie Inkling. To pierwszy publiczny efekt zespołu, który przez półtora roku pracował głównie w ukryciu. Model można pobrać i modyfikować, a firma ustawia go w kontrze do zamkniętych modeli OpenAI, Anthropic i Google.
Inkling to architektura mixture-of-experts z 975 mld parametrów, z których do jednego zadania aktywuje się około 41 mld. Trenowano go na 45 bln tokenów tekstu, obrazu, dźwięku i wideo, choć na razie generuje wyłącznie tekst, kod i dane strukturalne. Model powstał na systemach Nvidia GB300 w ramach marcowego partnerstwa na gigawat mocy obliczeniowej. Firma sama przyznaje, że Inkling „nie jest najmocniejszym obecnie dostępnym modelem", i stawia na wszechstronność oraz kalibrację — model ma sygnalizować niepewność, zamiast zgadywać.
Otwarty model AI zamiast jednego rozwiązania dla wszystkich
Teza firmy jest prosta: model trenowany centralnie przez jednego dostawcę i „zamrożony" wypada gorzej niż model, który organizacja sama dostraja do własnych danych. We współpracy z funduszem Bridgewater otwarty model dostrojony do wiedzy finansowej uzyskał 84,7% w testach rozumowania finansowego, bijąc czołowe modele zamknięte przy około czternastokrotnie niższym koszcie działania. Do dostrajania służy platforma Tinker i to na niej, obok hostingu, Thinking Machines zamierza zarabiać, skoro samego otwartego modelu nie może rozliczać za tokeny.
Dla polskich firm Inkling to kolejny argument, by nie zamykać się u jednego dostawcy. Otwarty model można uruchomić na własnej infrastrukturze, co ułatwia zgodność z RODO w obszarach wrażliwych, takich jak zdrowie, finanse czy administracja. Dostrojenie do własnych danych bywa też tańsze niż stała subskrypcja modelu zamkniętego. Warunek jest jeden: dostrajanie wymaga realnych kompetencji ML, a odpowiedzialność za bezpieczeństwo takiego modelu przechodzi na wdrażającego. Rozsądna architektura to routing zapytań między modelami — otwarty do zadań produkcyjnych, mocniejszy zamknięty do najtrudniejszych przypadków.
Źródło: TechCrunch (EN), 15 lipca 2026.
