16 июля 2026 года Thinking Machines Lab — компания Миры Мурати, бывшего CTO OpenAI — выпустила Inkling: первую открытую модель под лицензией Apache 2.0. Это мультимодальный Mixture-of-Experts трансформер с 975B суммарными параметрами и 41B активными, обученный на 45 триллионах токенов текста, изображений, аудио и видео. Одновременно анонсирована компактная версия Inkling-Small (276B суммарных, 12B активных) — пока на тестировании, веса выйдут позже.
Контекст
Мира Мурати — одна из ключевых фигур первой волны коммерческого AI. Уйдя из OpenAI осенью 2024 года, она основала Thinking Machines Lab и до середины 2026-го работала в закрытом режиме. Inkling — первый публичный результат. Архитектура MoE стала стандартом де-факто для крупных моделей: при 975B параметрах работают лишь 41B за раз, что делает инференс значительно дешевле, чем у плотных моделей сопоставимого масштаба.
Apache 2.0 — наиболее разрешительная из реальных open-source лицензий для LLM: коммерческое использование, модификация, производные продукты — без роялти. В сравнении с ограниченными community-лицензиями ряда других лабораторий это самый дружественный вариант для стартапов. Модель доступна через Tinker — собственную платформу Thinking Machines для файн-тюнинга и деплоя.
Важный нюанс: сама компания прямо говорит, что Inkling не является фронтирной моделью. Это не конкурент GPT или Claude в задачах общего назначения — это сильная база для специализации. Стратегия читается чётко: открытые веса как магнит для разработчиков, монетизация через Tinker-платформу.
Аналитика
Релиз Inkling — не попытка обогнать GPT или Claude. Это другая игра. Thinking Machines занимают нишу, которую OpenAI принципиально не занимает: открытые веса плюс инфраструктура для кастомизации. Ближайшие конкуренты — NVIDIA Nemotron и Gemma 4 от Google. То, что американская лаборатория выходит в этот сегмент, — хорошая новость для open-weights экосистемы: до этого она была фактически поделена между Meta, Mistral и китайскими игроками — Qwen, DeepSeek.
Нативная мультимодальность — текст, изображения, аудио и видео в одной модели — редкость даже среди закрытых систем. Большинство open-weights решений поддерживают один-два модальности. Если Inkling действительно качественно обрабатывает все четыре, это серьёзное преимущество для multimodal-пайплайнов. Параметры обучения — 45 трлн токенов — сопоставимы с тем, что публично известно о frontier-моделях.
Скромный model card — осторожность после волны судебных претензий по авторским правам к западным лабораториям. Описание данных стандартное: «публичный интернет плюс третьи стороны» без детализации. Это не уникальная практика, но заметно на фоне более подробных карточек ряда конкурентов. Tinker как платформа для файн-тюнинга — реальная монетизационная ставка: модель бесплатна, tooling — за деньги.
Кейсы применения в бизнесе
B2B-SaaS стартап: если вы строите вертикальный AI-продукт — юридический ассистент, медицинский, финансовый — Inkling даёт мультимодальный фундамент с возможностью файн-тюнинга под домен через Tinker. Apache 2.0 означает: никаких ограничений на коммерческое использование в продукте. Конкурентное преимущество — собственная дообученная модель без vendor lock-in к OpenAI или Anthropic.
Корпорация с legacy-инфраструктурой: возможность развернуть Inkling on-premise (веса открыты) критична для финтеха и госсектора, где данные нельзя отправлять в облако третьей стороны. При 41B активных параметрах модель реалистично запускается на нескольких A100/H100 — не нужен кластер из сотен GPU.
SMB и локальный бизнес в КР/СНГ: через API Tinker можно подключить мультимодальную модель без собственной инфраструктуры. Для e-commerce — автоматическое описание товаров по фото; для контент-агентства — обработка аудио и текста в одном пайплайне. Apache 2.0 снимает юридические вопросы о коммерческом использовании в локальных юрисдикциях.
Кейсы в личной жизни
Разработчик: Inkling доступна через Tinker API с OpenAI-совместимым интерфейсом — подключение это смена одной строки с endpoint и model name в существующем коде. Стоит протестировать на задачах image understanding в связке с генерацией кода или анализом документов.
Контент-мейкер: нативная мультимодальность означает, что одна модель анализирует скриншоты, описывает изображения, работает с аудио-транскриптами. Для YouTube-продакшна — автоматическая аннотация референсов и описание визуала для монтажа без переключения между разными сервисами.
Исследователь и студент: Apache 2.0 плюс открытые веса — можно скачать, изучить архитектуру, запустить локально на мощном железе или через аренду облачных GPU. Для академических экспериментов с мультимодальными MoE-системами это ценный ресурс без коммерческих ограничений.
Как применить сегодня
- Зарегистрируйтесь на платформе Tinker (Thinking Machines Lab) и получите API-ключ для тестирования Inkling.
- Подключите через OpenAI-совместимый endpoint с моделью
thinkingmachines/Inkling— документация Tinker описывает точный base URL и параметры авторизации. - Протестируйте мультимодальность: отправьте изображение и текстовый запрос в одном сообщении (формат
image_url+textв content array). - Если планируете файн-тюнинг — изучите Tinker по кастомным датасетам: Inkling-Small (12B активных, выйдет позже) будет оптимальнее по цене для специализированных задач.
- Для production on-premise — следите за публикацией весов: Apache 2.0 разрешает полный self-hosting без каких-либо ограничений.