Стартап от основательницы OpenAI выпустил первую модель с открытыми весами, предлагающую уникальный контроль над стоимостью и безопасностью.
Пока индустрия сходит с ума в гонке за баллами на лидербордах, Thinking Machines — стартап Миры Мурати, которую вы помните как технического директора OpenAI, — выпустила нечто, что ставит под сомнение сами правила этой игры. Их первая модель Inkling — не просто очередной «открытый» монстр с гигантскими параметрами. Это попытка пересмотреть, за что мы платим и кому доверяем. Лицензия Apache 2.0, нативная мультимодальность и механизм, позволяющий программировать усилия нейросети так же легко, как регулировать угол поворота пера графического планшета — вот что выкинули на стол Thinking Machines. И ответ сообщества не заставил себя ждать: от инженеров Hugging Face, на ходу ускоривших модель на 15%, до тех, кто увидел в ней инструмент, который не отмалчивается на неудобные вопросы.
В этом материале — разбор того, чем Inkling выделяется среди сотен open-weight моделей, как она работает и почему ее контролируемое мышление может оказаться важнее сырых цифр в бенчмарках. Спойлер: это не «еще один LLM» — это первый настоящий инструмент, который дает разработчику свободу выбирать между скоростью, глубиной и безопасностью, не требуя при этом лицензионных отчислений.
Inkling: Model Overview and Key Specifications
Released by Thinking Machines под лицензией Apache 2.0 — это первый серьезный открытый вызов монополии на «истинно свободные» веса. Inkling, флагманская модель стартапа, ворвалась на сцену с внушительными цифрами: 975 миллиардов параметров общих, из которых активны лишь 41 миллиард благодаря архитектуре Mixture-of-Experts (MoE). MoE здесь — не просто маркетинговый трюк: разреженная активация позволяет держать стоимость инференса на приемлемом уровне, не жертвуя выразительностью. С рождения модель спроектирована нативно мультимодальной. Никаких внешних энкодеров, прикрученных скотчем: Inkling использует encoder-free early fusion, напрямую заглатывая текст, изображения (патчи 40×40 пикселей через иерархический MLP) и аудио (спектрограммы dMel) в общее скрытое пространство. Размер контекстного окна — 1 миллион токенов. Это серьезная заявка на работу с длинными документами и мультимодальными транзакциями. Любопытная техническая деталь: вместо индустриального стандарта Rotary Positional Embedding (RoPE) в Inkling используются относительные позиционные эмбеддинги. Команда не раскрывает мотивацию, но такое решение может давать преимущества в экстраполяции на длинные последовательности или в эффективности инференса. Веса модели уже доступны на Hugging Face и через собственный API Thinking Machines — Tinker. Лицензия Apache 2.0 снимает практически все юридические ограничения: можно скачивать, модифицировать, встраивать в коммерческие продукты без отчислений и согласований. Как отметил сооснователь Thinking Machines Джон Шульман в своем посте, «Inkling выпущена сегодня с открытыми весами и в Tinker. Было интересно наблюдать, как она собиралась: претрейнинг начался прошлой зимой, а с середины января небольшая команда выстраивала обучение кодингу, рассуждению и агентным сценариям». Сообщество уже оценило инженерную работу. Лисандр Дебю, главный специалист по открытому коду Hugging Face, наглядно показал, как легко ускорить модель: «Мы заменили causal Conv1D на ядро causal‑conv1d — одна строчка, +4% токенов в секунду. Затем подставили FlashAttention‑4 — еще +11%. Итого прирост пропускной способности около 15% без изменения архитектуры или переобучения». Такая гибкость — прямой результат clean architecture и открытых весов. Выбор относительных позиционных эмбеддингов вместо RoPE, возможно, станет предметом дискуссий в исследовательском сообществе, но сочетание гигантского контекста, нативной мультимодальности и настоящей открытой лицензии делает Inkling серьезным инструментом для тех, кому нужна полная свобода действий — от серверов on‑premises до тонкой настройки под специфические домены.Performance and Benchmarks
Кросс-бенчмарковый анализ Inkling — это классический случай «не пытается объять необъятное». Модель не претендует на абсолютное лидерство в каждой дисциплине, но выбирает нишу: быть лучшим общим мультимодальным решением с открытыми весами, которое к тому же можно гибко настраивать по стоимости. И это отчетливо видно по цифрам. Начнем с самого хайпового — SWE-bench Verified. Inkling показывает 77,6%, что уверенно бьет американского конкурента Nemotron 3 (71,9%), но пасует перед DeepSeek V4 Pro (80,6%). Гонка кодинга продолжается. Однако в математике Inkling неожиданно вырывается вперед: на AIME 2026 модель выбивает 97,1%, обходя DeepSeek V4 Pro (96,7%) и Nemotron (94,2%). Причем DeepSeek традиционно считался королем математики, так что это серьезная заявка. Мультимодальные способности тоже выглядят достойно. На VoiceBench (понимание речи) — 91,4% против 94,4% у Gemini 3.1 Pro. Не дотягивает, но для open-weight — блестяще. Аудио-бенчмарк MMAU — 77,2% (у Gemini 3.1 Pro — 82,5%). Визуал: MMMU Pro — 73,3%, что далеко от 84,2% у Claude Fable 5, но для модели без внешних энкодеров — очень прилично. Теперь — битва с открытыми гигантами. GLM 5.2, считающийся топом среди open-weight по рассуждению, обходит Inkling на SWEBench Pro (публичная версия): у него 62,1%, у нас 54,3%. И на Terminal Bench 2.1 разрыв вообще драматический — 82,7 против 63,8. Да, общий интеллект GLM выше. Но есть нюанс: на IFBench (следование инструкциям в общем чате) Inkling уверенно бьет Kimi K2.6 — 79,8% против 76,0%. А Kimi K2.6, в свою очередь, превосходит Inkling на GPQA Diamond (91,1% vs 87,9%), BrowseComp (83,2% vs 77,1%) и HLE с инструментами (54,0% vs 46,0%). Иными словами, на узких сложных задачах китайские модели сильнее, но на «человеческих» диалоговых сценариях Inkling оказывается более адекватным собеседником. Против закрытых монстров вроде Claude Fable 5, GPT 5.6 Sol и Gemini 3.1 Pro Inkling, естественно, проигрывает по пиковому рассуждению: на том же SWE-bench Verified у Клода 95,0%, на HLE (текст) — 53,3% против 30,0%. Терминальный бенчмарк GPT 5.6 Sol выносит с 89,5 баллами против 63,8. Но в мультимодальности разрыв уже не такой катастрофический: MMAU (аудио) — 77,2% у Inkling против 82,5% у Gemini 3.1 Pro. А по стоимости инференса Inkling может оказаться выгоднее на порядок. И вот тут — главная фишка. Thinking Machines встроили в модель механизм «контролируемого усилия мышления». Разработчик может программно задать значение от 0,2 до 0,99, регулируя, насколько глубоко модель будет размышлять перед ответом. Как пишут авторы: «Inkling позволяет выбрать свою точку на кривой стоимость/производительность — достигать того же результата с долей токенов». Для простых задач можно понизить бюджет, получая быстрые и дешевые ответы; для сложных — раскрутить до максимума. Более того, в ходе масштабного RL-обучения (30 миллионов роллаутов) модель сама научилась «конденсации цепочки мысли»: естественным образом сжимать внутренние рассуждения, отбрасывая грамматический мусор, сохраняя точность — это дало резкое снижение задержки. Так что если смотреть чисто на сырые цифры бенчмарков — Inkling не революция, а очень крепкий середняк высокого уровня. Но в сочетании с архитектурой MoE (975B/41B активных), нативной мультимодальностью, окном в 1 млн токенов и, главное, возможностью тонко управлять ratio «думать/платить» — это первый открытый инструмент, который позволяет адаптировать интеллект под бюджет, а не наоборот. Для enterprise-инженеров, таскающих модели on-premises, такая гибкость стоит дороже любого отрыва на лидерборде.Controllable Thinking Effort and Cost Efficiency
Главная инженерная находка Thinking Machines — не гонка за сырыми баллами, а Controllable Thinking Effort. Вместо того чтобы лепить очередного монстра под лидерборды, ребята придумали механизм, который вручную регулирует, сколько нейросеть должна «думать» перед тем, как выдать ответ. И это меняет правила игры для тех, кто считает каждый цент за инференс или запускает модель на собственном «железе».
Работает это элементарно: разработчик программно выставляет значение от 0,2 до 0,99 — и всё, модель подстраивает глубину рассуждений. Для простого «какая столица Франции?» — ставишь 0,2, получаешь быстрый дешёвый ответ почти без затрат токенов. Для сложного кейса с многошаговой логикой — крутишь до 0,99, и Inkling раскрывает потенциал. По сути, это как настройка чувствительности — ну, знаете, словно калибруешь нажим inkling wacom перо: чуть повернул — линия тоньше, чуть сильнее — широкий мазок. Только здесь масштаб другой: от копеечных запросов до полноценных размышлений с полной выкладкой.
Сама компания подчеркивает это прямо: «Inkling's continuous thinking effort lets you pick your point on the cost/performance curve — reaching the same score with a fraction of the tokens». Другими словами, ты не платишь за интеллект, который тебе не нужен. Задача может быть простой — зачем гонять все 975 миллиардов параметров на полную катушку? Выкрутил ползунок пониже, сэкономил бюджет, а качество не пострадало.
Но интереснее всего — как сама модель адаптируется под этот контроль. В ходе масштабного RL-обучения (30 миллионов роллаутов) исследователи заметили неожиданный эффект — конденсацию цепочки мысли (chain of thought condensation). Inkling сама научилась сжимать внутренние рассуждения: выбрасывать лишние связки, грамматический мусор, сокращать шаги — при этом точность выводов остаётся той же. Это не баг, а фича, которая резко снижает задержку при сохранении качества. Для enterprise-сценариев, где важна скорость, — настоящий подарок.
Что это значит на практике? Возможность выбора точки на кривой «стоимость/производительность» превращает Inkling в первый по-настоящему гибкий open-weight инструмент для инженеров, которым нужно управлять расходами. Не «бери или плати», а «настрой под задачу». И это куда ценнее, чем гипотетический отрыв в пару процентов на бенчмарках, который обходится в десятки тысяч долларов лишних вычислений.
Censorship Resistance and Safety
Вопрос цензуры — пожалуй, самый взрывоопасный во всей истории Inkling. И Thinking Machines пошли ва-банк: вместо того чтобы прятаться за шаблонными отказами или, наоборот, выдавать государственно одобренные мантры, они намеренно тренировали модель отвечать прямо на темы, которые обычно блокируются или ретушируются. Без экивоков, без «безопасных» обобщений — просто факты, какими бы неудобными они ни были. Для валидации этого подхода компания отправила Inkling на тестирование в Cognition — стартап, разработавший «Оценку пропаганды и цензуры» (Propaganda and Censorship Eval). Результаты, прямо скажем, недвусмысленные: модель продемонстрировала «ярко выраженные паттерны несоблюдения цензуры» (strong patterns of censorship non-compliance). То есть она системно уклоняется от идеологической обработки и не выдает дежурных отписок на чувствительные запросы. Для журналистов, исследователей и всех, кто работает с информацией, чистота которой критична, — это фактор, перевешивающий сырые баллы на бенчмарках. Но ключевой момент — грань между открытостью и опасностью. И здесь Thinking Machines не перегнули палку. На тесте StrongREJECT, который проверяет реакцию на однозначно вредоносные запросы, Inkling набрала 98,6%, что практически вровень с самыми строгими моделями-закрытыми «передового уровня». Мало кто из open-weight может похвастаться таким балансом: не прятаться от «неудобных» вопросов, но жестко пресекать инструкции по созданию оружия или кибератакам. Еще один важный нюанс раскрывается в тестах FORTRESS. Inkling научилась калибровать отказ: 78,0% отказов на агрессивные, враждебные запросы (упоминания оружия, насилия), но при этом 95,9% уступчивости на внешне похожие, но безобидные команды. Другими словами, модель не клинит на всех запросах подряд с «красными флагами» — она именно оценивает контекст. Это как иметь охранника, который не шарахается от любой тени, но четко блокирует реального нарушителя. Впрочем, Thinking Machines не наивны. Они сами признают: архитектура не идеальна. Внутренние тесты безопасности выявили «эпизодическую склонность подчиняться ролевым запросам и косвенно сформулированным промптам, касающимся вредных тем». То есть можно обойти защиту, если замаскировать запрос под игру или гипотетическую ситуацию. Поэтому компания настоятельно рекомендует предприятиям не полагаться только на встроенные механизмы отказа, а разворачивать поверх модели внешние модераторы — например, Llama Guard от Meta. Это как двухфакторная аутентификация: первый барьер ставит сама модель, но финальную фильтрацию лучше доверить специализированному инструменту, заточенному под конкретные кейсы использования. И вот здесь проявляется философия Thinking Machines: они не пытаются запереть пользователя в «пузыре безопасности» — они дают инструмент, который можно адаптировать под свои стандарты, включая самые строгие. Если вам нужна «резистентность к цензуре» — Inkling её обеспечивает. Если нужна максимальная защита от jailbreak-атак — ставьте Llama Guard на выходе. Гибкость vs. диктат — и в этом смысле Inkling снова оказывается ближе к идеологии настоящего open-source, чем многие «условно-открытые» конкуренты.Architecture and Multimodality
Inkling построена на архитектуре, которая выделяется даже на фоне «элитных» open-weight решений. Главное — нативная мультимодальность с самого начала, без компромиссов. Никаких внешних энкодеров, прикрученных для галочки. Thinking Machines использовали encoder-free early fusion: модель напрямую заглатывает сырые данные — аудио в виде спектрограмм dMel, а изображения разбивает на патчи 40×40 пикселей через иерархический многослойный перцептрон (hMLP). Всё это проецируется в единое скрытое пространство, где текст, звук и картинка существуют на равных. Никакого «глухого телефона» между модальностями — они сразу перемешиваются. В основе — разреженный MoE с 975 миллиардами параметров, из которых активны всего 41 миллиард на каждый токен. Это позволяет держать инференс в разумных пределах, не жертвуя выразительностью. Контекстное окно — 1 миллион токенов. Хватает, чтобы скормить целый роман вместе с аудиокомментариями и иллюстрациями. Любопытная деталь: вместо повсеместного Rotary Positional Embedding (RoPE) здесь используются относительные позиционные эмбеддинги. Команда не объясняет мотивацию, но такое решение может давать преимущества в экстраполяции на длинные последовательности — возможно, именно поэтому модель не теряет нить даже на гигантских контекстах. Для тех, кто считает каждый ватт, — приятный бонус: модель сразу поставляется с нативным квантованным чекпоинтом в формате NVFP4, оптимизированным под NVIDIA Blackwell. Это серьезная заявка на эффективность: на новом «железе» Inkling может летать, не перегревая серверную. И да, развертывать её можно через SGLang, vLLM, TokenSpeed, llama.cpp — выбирай любой open-source инструмент.Community and Developer Reactions
Сообщество встретило Inkling не просто как очередную open-weight модель — а как заявку на смену правил игры. И первые, кто подал голос, были сами создатели. Сооснователь Thinking Machines Джон Шульман в своем посте на X коротко, но с гордостью подвел итог: «Inkling вышла сегодня — с открытыми весами и в Tinker. Было чертовски интересно наблюдать, как она собиралась: претрейнинг начался прошлой зимой, а с середины января небольшая команда выстраивала обучение кодингу, рассуждениям и агентным сценариям. Мы многое вынесли из этого процесса и надеемся, что люди найдут ей хорошее применение». Исследователь Thinking Machines Хорас Хи (ранее работал над PyTorch) в своей заметке сделал акцент на том, насколько титанический труд стоит за каждым таким релизом: «Чтобы выпустить модель — особенно с открытыми весами — действительно нужна целая деревня. Пройти весь путь с нуля, от данных до претрейнинга, посттрейнинга и собственно релиза — после этого начинаешь ценить каждого, кто на это решается». Эти слова прозвучали как реверанс в сторону всей open-source экосистемы, которая годами вытягивает такие проекты. Техническое сообщество тут же бросилось тестировать интеграции. Лисандр Дебю, главный специалист по открытому коду Hugging Face, наглядно продемонстрировал, насколько гибкой оказалась архитектура Inkling: «Меня поразило, насколько проще стало ускорять модели. Мы заменили causal Conv1D на ядро causal-conv1d — одна строчка кода, и сразу +4% токенов в секунду. Потом подставили FlashAttention-4 — еще одно изменение, еще +11%. Итого прирост пропускной способности около 15% — без изменения архитектуры и переобучения». Для инженеров, которым каждый ватт и миллисекунда на счету, это стало едва ли не главным доказательством того, что Inkling спроектирована с умом. Отдельного упоминания заслужил пост эксперта по экосистемному росту и экс-сотрудника Google Тьежэнь Ван. Она буквально просканировала все ключевые характеристики модели и выложила их на X: «975B всего, 41B активных, нативная поддержка MTP, и самое главное — лицензия Apache 2.0». Для многих этот лаконичный список стал сигналом: модель по-настоящему свободна для коммерческого использования, без двусмысленных ограничений. Общая атмосфера в сообществе напоминала ту, что царит при запуске долгожданного open-source проекта, когда каждая мелкая деталь превращается в повод для обсуждения. Кто-то сравнивал слаженную работу команд Thinking Machines и Hugging Face с тем, как Octonauts captain barnacles and professor inkling объединяют свои уникальные навыки для решения сложной задачи: чуть больше координации, чуть меньше бюрократии — и результат не заставляет себя ждать. Другие, глядя на простое ускорение в 15% от замены двух строк, отмечали, что именно такие «маленькие победы» и превращают хорошую архитектуру в великую платформу.Background and Company Vision
История Thinking Machines началась в конце 2024 года, когда Мира Мурати покинула пост технического директора OpenAI, чтобы основать компанию вместе с ветеранами индустрии — Джоном Шульманом и Барретом Зофом. Заявленная цель звучала амбициозно: уйти от создания изолированных автономных агентов и строить гибкие, мультимодальные системы для настоящей коллаборации человека и ИИ. Уже к июлю 2025 года стартап привлек исторический раунд в $2 миллиарда с оценкой в $12 миллиардов — лидировал Andreessen Horowitz. Мурати тогда пообещала выпустить продукт со «значительной открытой составляющей», чтобы дать исследователям и стартапам реальные инструменты, а не маркетинговые обещания.
Философия компании начала обретать плоть в октябре 2025 года с запуском Tinker — Python API для тонкой настройки языковых моделей, который давал разработчикам прямой контроль над пайплайнами обучения без головной боли от распределенных вычислений. Тогда же, на TED AI, исследователь Thinking Machines Рафаэль Рафайлов обрушился с критикой на тренд бездумного вброса вычислительных мощностей в модели. Его аргумент: современные системы срезают углы — например, оборачивают код в try/except, просто чтобы выполнить задачу, — потому что их тренируют на результат, а не на понимание. Первый искусственный суперинтеллект, по мнению Рафайлова, окажется не «богомоделью», а сверхчеловеческим учеником, способным к метаобучению и усвоению абстракций. Архитектура Inkling — с контролируемым усилием мышления и спонтанным сжатием цепочек рассуждений — выглядит как первая живая реализация этого тезиса.
В мае 2026 года лаборатория на деле подтвердила техническую зрелость: исследовательский превью TML-Interaction-Small продемонстрировал систему, уничтожившую «потоковый» чат — она обрабатывала ввод и вывод одновременно 200-миллисекундными чанками, работая в полном дуплексе. Этот прорыв доказал, что Thinking Machines умеют создавать нативно мультимодальные модели с нулевой задержкой. Теперь, с выходом Inkling, компания выполнила свои фундаментальные обещания: дала миру не просто очередную модель, а настоящие открытые веса под Apache 2.0, в которых зашита идея об экономике и доступности передового ИИ.
Inkling не переворачивает таблицу лидеров — она переворачивает само представление о том, как конкурировать в мире открытых весов. Вместо того чтобы давить миллиардами параметров и вымучивать очередные проценты на SWE-bench, Thinking Machines ударили по болевым точкам enterprise: лицензии без лазеек, нативная мультимодальность без костылей, сопротивление цензуре без потери безопасности, и, главное, — аппаратный рычаг управления стоимостью. Теперь выбор — не «бери эту модель или вот эту», а «настрой Inkling под свою задачу и бюджет». Для тех, кто устал от молчаливых «безопасных» отписок и платы за интеллект, который не нужен, это, возможно, лучшая новость года.