Thinking Machines, la snoba startup fondata da ex luminari di OpenAI come Mira Murati e John Schulman, ha lanciato Inkling. Non si è trattato del solito modello chiuso e super-protetto, ma di una vera mossa ‘open weight’ con licenza Apache 2.0, un affronto diretto (ma sofisticato) al dominio dei laboratori cinesi dello sviluppo AI. Si tratta di un Mixture-of-Experts massiccio, dotato di ben 975 miliardi di parametri totali, che ha ricevuto un allenamento su un oceano di dati – parliamo di 45.000 miliardi di token che spaziano tra testo, immagini e video. Il punto forte di Inkling non sono solo i suoi parametri mostruosi, ma l’architettura pensata per la pragmatica del deploy: offre un contesto imponente fino a 1 milione di token nei pesi aperti. Ancora più interessante è il suo meccanismo di ‘effort di ragionamento controllabile numericamente’. In pratica, chi usa Inkling può regolare quanto ‘smart’ vuole che sia il modello, bilanciando così costo e latenza per compiti specifici. È un controllo sul processo piuttosto che una semplice potenza bruta. Questa mossa open-source mira a posizionarsi nel mercato dei modelli di fondazione con pesi accessibili, sfidando i giganti Asiatici (come GLM o Kimi). Sebbene sui benchmark americani Inkling sia leader, un’analisi più granulare rivela che il divario rispetto ai competitor cinesi—specialmente su task multimodali e agentici—è ancora significativo. Tuttavia, la scelta open-weight è un dichiarazione di intenti: Thinking Machines vuole riprendere il controllo del dibattito sulla trasparenza e l’accessibilità, puntando a far muovere i propri clienti fuori dall’ecosistema proprietario.
🇬🇧 Summary in English
Thinking Machines, the buzzy new startup backed by ex-OpenAI heavyweights like Mira Murati and John Schulman, just dropped Inkling. And this isn’t your typical black-box API rollout; it’s a full ‘open weight’ release under the Apache 2.0 license—a strategically aimed challenge to the powerhouse Chinese AI labs. Inkling is a massive Mixture-of-Experts model, boasting an impressive total of 975 billion parameters. Its training dataset was truly gigantic: 45 trillion tokens spanning text, images, and video. But the real genius isn’t just in the numbers; it’s in the architecture itself. The standout feature is the ‘quantifiably controllable reasoning effort.’ Basically, users can dial up or down how ‘smart’ the model needs to be for a given task, directly controlling cost and latency instead of just accepting a fixed level of intelligence. Talk about practical control! By opting for an open-source release, Thinking Machines is making a major statement in a market dominated by high-performing Chinese models (like Kimi or GLM). While Inkling claims the top spot among American open-weight contenders on some benchmarks, a closer look suggests that maintaining the lead against global competitors—especially those excelling in multimodal or complex agentic tasks—is still a journey. Still, making the weights public is a power play. It signals a commitment to transparency and gives developers unprecedented freedom for on-premise deployment, aiming to pull integration outside of proprietary ecosystems.
Leggi l’articolo originale su Tom’s Hardware IT →
Fonte: Tom’s Hardware IT | Argomento: Software & Dev
#tecnologia #innovazione #technews