Міра Мурати випустила свою першу модель ШІ після виходу з OpenAI — і вона повністю з відкритим кодом

Міра Мурати залишила OpenAI у вересні 2024 року, щоб зайнятися власними справами. Майже через два роки після цього її дослідження увінчалося успіхом. Компанія, яку вона заснувала, Thinking Machines Lab, випустила Inkling — мультимодальну модель ШІ, навчена повністю з нуля, з усіма вагами, доступними для безкоштовного завантаження.

Коли рада OpenAI звільнила Сема Альтмана у листопаді 2023 року, Мурати — тоді CTO — була призначена виконуючою обов'язки CEO. Альтман був відновлений через п’ять днів, Мурати повернулася на посаду CTO, а потім залишила компанію назавжди приблизно через 10 місяців. Вона заснувала Thinking Machines Lab у лютому 2025 року.

Компанія потім замовкла — і стала багатою. У липні 2025 року вона залучила 2 мільярди доларів при оцінці в 12 мільярдів доларів, очолювана Andreessen Horowitz з Nvidia, Accel, ServiceNow, Cisco, AMD та Jane Street — це один з найбільших раундів початкового фінансування в історії Кремнієвої долини на той час.

Звіти у листопаді 2025 року повідомляли, що компанія шукає новий раунд фінансування при оцінці в 50 мільярдів доларів. Ці переговори зірвалися до січня 2026 року.

Що таке Inkling

Inkling — це модель змішування експертів — архітектура, в якій лише частина мережі активується для будь-якого даного введення, що дозволяє зберігати швидкість висновків без жертвування глибиною. Це дуже велика модель: вона має 975 мільярдів загальних параметрів (внутрішні налаштування, які визначають, як модель обробляє інформацію), з 41 мільярдом активних на завдання, тому забудьте про запуск її на вашій локальній машині.

Будучи мультимодальною, ця модель приймає текст, зображення та аудіо, і підтримує контекстне вікно — кількість тексту, над яким модель може міркувати одночасно — в 1 мільйон токенів, приблизно 750 000 слів. Вона була попередньо навчена на 45 трильйонах токенів, що охоплюють текст, зображення, аудіо та відео.

"Наша перша модель, Inkling. Навчена з нуля, ваги відкриті, можна тонко налаштовувати на Tinker сьогодні," — написала Мурати в X. Той факт, що вона навчена з нуля, має велике значення, особливо в спільноті з відкритим кодом, оскільки це може принести новий подих свіжого повітря західним розробникам, які насторожено ставляться до Китаю, але повинні використовувати азійські моделі для своїх розробок, оскільки провідні компанії ШІ у західному світі в основному зосереджені на випуску закритих моделей.

Тонке налаштування — це процес повторного навчання існуючої моделі на спеціалізованому наборі даних для покращення її продуктивності в конкретному завданні. Tinker — це хмарна платформа Thinking Machines, побудована навколо цього випадку використання. Повні ваги також доступні на Hugging Face під ліцензією Apache 2.0, без обмежень.

Найбільші досягнення Inkling проявляються в агентних завданнях. На MCP Atlas — який вимірює, наскільки надійно агент ШІ виконує реальні завдання, використовуючи Model Context Protocol, відкритий стандарт для підключення ШІ-асистентів до зовнішніх інструментів і сервісів, Inkling отримує 74,1%. Це майже на 30 пунктів вище, ніж у Nemotron 3 Ultra від Nvidia, основного західного конкурента з відкритими вагами в цьому порівнянні.

На SWE-Bench Verified — тесті, чи може агент ШІ автономно виправити реальні помилки програмного забезпечення на GitHub, оцінюваному за відсотком вирішених проблем — Inkling отримує 77,6%, також вище, ніж у Nemotron з 70,7%.

В цілому Thinking Machines продає цю модель як "універсальну" та загальну. Це означає, що вона не жертвує якістю в одному конкретному наборі завдань, оскільки її можливості зосереджені на чомусь іншому (наприклад, моделі, які чудово справляються з програмуванням, але погано з креативним письмом, наприклад).

Китайські моделі все ще мають перевагу в кількох аспектах. GLM 5.2 від Z.ai отримує 82,7% на Terminal Bench 2.1 — бенчмарку, що вимірює автономних агентів ШІ для кодування в реальному терміналі, оцінюваному за відсотком виконаних завдань — проти 63,8% Inkling. Kimi K2.6 лідирує на Humanity's Last Exam, тесті на наукове мислення на рівні PhD.

Thinking Machines визнає це. Inkling не є найсильнішою моделлю, доступною сьогодні, відкритою чи закритою.

Що це таке, так це найбільш здатна модель з відкритими вагами, створена західною лабораторією. Розробники, які — з юридичних, безпекових або комплаєнс-причин — не хочуть направляти навантаження через моделі, створені в Пекіні, тепер мають реальну альтернативу для самостійного хостингу китайських моделей.

Тепер ці розробники мають модель, яка (хоча й гірша за найкращі китайські моделі в майже всьому) краще відповідає їхнім ідеалам, очікуванням і цінностям. Подальші тонкі налаштування можуть зробити цю модель відмінною в конкретних завданнях, роблячи ці тонкі налаштування конкурентоспроможними в бенчмарках проти азійських моделей.

На FORTRESS Adversarial — який тестує, як послідовно модель відмовляється від дійсно шкідливих запитів, не блокуючи легітимні, оцінюваному за відсотком правильно оброблених — Inkling отримує 78,0%, найвищий бал серед усіх моделей з відкритими вагами в цьому порівнянні.

Разом з Inkling, Thinking Machines попередньо представила Inkling-Small: 276 мільярдів загальних параметрів, 12 мільярдів активних, вже відповідає більшій моделі за більшістю бенчмарків міркування. Її ваги з’являться після завершення тестування, терміни не вказані.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.