Mira Muratin perustama Thinking Machines Lab julkaisi Inkling-tekoälymallin, joka tarjoaa yrityksille yhdysvaltalaisen vaihtoehdon avoimen painoarvon malleille.
San Franciscossa toimiva Thinking Machines Lab on julkaissut Inkling-mallin, joka on yhtiön ensimmäinen yleiskäyttöinen tekoälymalli. OpenAI:n entisen teknologiajohtajan Mira Muratin perustama yhtiö asemoi Inkling-mallin yhdysvaltalaisena vaihtoehtona nykyisessä markkinatilanteessa, jota hallitsevat kiinalaiset koodaus- ja päättelymallit. Malli käyttää Mixture-of-Experts-arkkitehtuuria, jossa on 975 miljardia parametria, ja se tukee jopa miljoonan tokenin konteksti-ikkunaa.
Teknisesti Inkling on koulutettu 45 biljoonalla tokenilla, jotka kattavat tekstin, kuvan, äänen ja videon. Malli sisältää säädettävän päättelyponnistusasetuksen (reasoning-effort), jonka avulla kehittäjät voivat tasapainottaa suorituskykyä ja token-tuottoa. Testeissä malli on osoittautunut kilpailukykyiseksi, mutta sen käyttöönotto vaatii merkittävää GPU-infrastruktuuria, sillä täyden mallin ajaminen edellyttää vähintään 2 teratavua VRAM-muistia.
Yritysnäkökulmasta Inklingin suurin etu on sen tarjoama riippumattomuus ja mahdollisuus toimia omassa infrastruktuurissa, mikä helpottaa sääntelyyn tai hankintoihin liittyviä esteitä länsimaisissa organisaatioissa. Biswajeet Mahapatra Forresterilta huomauttaa, että mallin arvo korostuu domain-spesifissä hienosäädössä, kuten yritysten omissa tiedoissa ja toimintaprosesseissa. Hienosäätö tapahtuu yhtiön lokakuussa 2025 julkaiseman Tinker-alustan kautta.
Turvallisuuden osalta yhtiö korostaa mallin suorituskykyä haitallisten pyyntöjen torjunnassa, mutta asiantuntijat muistuttavat mallin muokkauksen mahdollisista riskeistä. Kun yritykset hienosäätävät mallia, alkuperäiset suodattimet voivat heikentyä, minkä vuoksi hallinta ja auditointi ovat välttämättömiä korkean riskin tehtävissä. Thinking Machines valmistelee parhaillaan pienemmän 276 miljardin parametrin Inkling-Small-mallin julkaisua, joka voi olla monelle yritykselle kustannustehokkaampi vaihtoehto.
Tärkeimmät pointit
- 975 miljardia parametria (41 miljardia aktiivista), 1 miljoonan tokenin konteksti-ikkuna
- 45 biljoonan tokenin esikoulutus (teksti, kuva, ääni, video)
- SWE-Bench Verified: 77,6 %, MCP Atlas: 74,1 %, IFBench: 79,8 %
- GPU-vaatimukset: vähintään 2 TB VRAM (BF16-checkpoint) tai 600 GB (NVFP4-kvantisoitu)
- Suositeltu laitteisto: 8× Nvidia B300 tai 16× H200 (täysi malli)
- Hienosäätö 64 000 tai 256 000 tokenin kontekstipituuksilla Tinker-alustalla
- Infrastruktuurituki: Together AI, Fireworks, Modal, Databricks, Baseten, vLLM, llama.cpp
Lähde: infoworld — alkuperäinen artikkeli julkaistu 16.7.2026
