Thinking Machines Lab, стартап бывшего CTO OpenAI Миры Мурати, опубликовала веса Inkling — мультимодальной модели с 975 млрд параметрами. По данным Artificial Analysis Intelligence Index Inkling занимает первое место среди open-weights моделей американских лабораторий. Стоимость API — $1.87 за миллион входных токенов. Murati сделала ставку не на гонку топ-бенчмарков, а на открытую базу под вертикальный файн-тюнинг.
Контекст
Мира Мурати руководила техническим направлением OpenAI несколько лет — в её эпоху вышли GPT-4 и первые версии DALL-E. Осенью 2024 года она покинула компанию и основала Thinking Machines Lab, собрав команду из выходцев ведущих лабораторий.
Рынок open-weights за последний год определяют китайские лаборатории. Qwen 2.5 от Alibaba и DeepSeek-V3 планомерно вытесняют западные аналоги на большинстве публичных бенчмарков — и делают это при заявленных бюджетах обучения, которые смотрятся скромно на фоне западных. Американские closed-source флагманы держат позиции по совокупным возможностям, но в сегменте открытых весов разрыв был очевиден.
Inkling с её 975 млрд параметрами — прямая попытка закрыть этот разрыв с американской стороны. Размер сопоставим с категорией «frontier open-weights», хотя детали архитектуры Thinking Machines не раскрывает.
Аналитика
Важнее бенчмарков — позиционирование. Murati не пытается взять голый performance-рейтинг: Inkling представлена как база для файн-тюнинга, а не «самая мощная модель». Целевая аудитория смещается с исследователей на продуктовые команды, которым нужны открытые веса с достаточным качеством для серьёзных вертикальных приложений.
Цена в $1.87 за миллион входных токенов — агрессивная для модели такого масштаба. Если условия файн-тюнинга и inference API окажутся разумными, Inkling займёт нишу между «слишком дорогим закрытым API» и «слишком слабыми открытыми весами для продакшна». Это именно та ниша, где болят enterprise-команды.
То, что китайские модели обходят Inkling на отдельных задачах — не провал, а честная точка отсчёта. Важнее другое: американская open-weights история получила новый флагман, и конкуренция в этом сегменте теперь ведётся с обеих сторон Тихого океана. Для рынка это здорово — давление на цены и качество со всех сторон.
Кейсы применения в бизнесе
B2B-SaaS стартап: возьми Inkling как базу и дообучи под узкую вертикаль — юридические документы, медицинская документация, финансовый анализ. Open-weights означает полный контроль над весами и данными, GDPR-совместимость без зависимости от закрытого API. При разумных GPU-затратах это рабочая альтернатива дорогому enterprise-контракту.
Корпорация с legacy-инфраструктурой: развернуть Inkling on-premise или в частном облаке, подключить к внутренним базам знаний через RAG. 975B параметров дают достаточный интеллект для сложных внутренних документов; открытые веса снимают вопрос vendor lock-in. Первый пилот — в изолированном контуре без PII.
SMB и локальный бизнес в КР и ЦА: прямой запуск 975B-модели требует серьёзного железа, но API за $1.87/млн токенов — вполне рабочий вариант для автоматизации клиентской поддержки или генерации контента на русском и кыргызском. Мультимодальность открывает сценарии с обработкой фото товаров, накладных, сканов документов.
Кейсы в личной жизни
Разработчик: Inkling API — дополнительная опция там, где нужен open-weights вариант с качеством, близким к закрытым флагманам, но без зависимости от проприетарного провайдера. Особенно интересна для мультимодальных пайплайнов и экспериментов с файн-тюнингом на собственных данных.
Контент-мейкер и дизайнер: мультимодальность означает работу с изображениями напрямую — описание визуалов, анализ референсов, итерации по промптам для генерации. Попробуй там, где закрытые модели отказывают по content policy.
ML-студент или независимый исследователь: open-weights модели такого масштаба раньше были практически недоступны для личных экспериментов. Inkling — возможность изучить поведение frontier-класса на своих данных без корпоративного согласования и закрытых API.
Как применить сегодня
- Найди страницу Thinking Machines Lab и запроси API-доступ к Inkling — $1.87/млн токенов означает, что первый эксперимент обойдётся в центы.
- Если рассматриваешь файн-тюнинг — подготовь датасет из 500–2000 примеров по своей вертикали и изучи документацию Inkling по дообучению.
- Прогони Inkling через 10–20 реальных кейсов из продакшна и сравни с текущей моделью в стеке, прежде чем принимать решение о переходе.
- Если есть GPU-мощности — уточни условия загрузки весов: open-weights может означать полностью локальное развёртывание без зависимости от внешнего API.
- Отслеживай обновления Artificial Analysis Intelligence Index — объективная динамика по мере появления новых результатов покажет, как быстро Inkling догонит китайских лидеров.