Inkling: otwarte wagi od byłej CTO OpenAI. Słabszy, ale oszczędniejszy

Thinking Machines Lab, laboratorium założone przez Mirę Murati po odejściu ze stanowiska CTO OpenAI, wydało 15 lipca Inkling: swój pierwszy model ogólnego przeznaczenia, z wagami opublikowanymi na licencji Apache 2.0. Najciekawsze w tym ogłoszeniu jest zdanie, którego zwykle w premierach nie ma. Laboratorium pisze wprost, że Inkling nie jest dziś najmocniejszym dostępnym modelem, ani wśród otwartych, ani wśród zamkniętych.

Co to za model

Inkling to architektura Mixture-of-Experts z 975 mld parametrów, z czego 41 mld aktywuje się na token. Przyjmuje tekst, obraz i dźwięk, odpowiada tekstem. Okno kontekstu sięga miliona tokenów.

Wagi leżą na Hugging Face na licencji Apache 2.0, obok wariantu skwantyzowanego NVFP4. To istotna różnica wobec konkurencji z Chin: Moonshot i część chińskich laboratoriów wypuszczają modele na zmodyfikowanym MIT z klauzulami dla dużych wdrożeń, a Apache 2.0 nie stawia takich warunków. Czym w praktyce są otwarte wagi, tłumaczymy w słowniku. Poza pobraniem modelu na własny serwer można korzystać z niego przez API u pięciu dostawców: TogetherAI, Fireworks, Modal, Databricks i Baseten.

W kodowaniu producent podaje 77,6% na SWE-bench Verified, 54,3% na SWE-bench Pro w wersji publicznej i 63,8 punktu na Terminal Bench 2.1. To liczby z własnej ewaluacji laboratorium, więc traktujemy je jak deklarację producenta, nie jak niezależny pomiar.

Gdzie naprawdę leży w stawce

Niezależny pomiar Artificial Analysis z 15 lipca daje Inklingowi 41 punktów Intelligence Index. Serwis nazywa go najmocniejszym otwartym modelem wydanym przez amerykańskie laboratorium, co jest prawdą, ale mówi więcej o stanie amerykańskiego open source niż o samym modelu.

Zestawmy to z naszą tabelą modeli (dane z 18 lipca): Claude Fable 5 ma 59,9, GPT-5.6 Sol 58,9, a Kimi K3 57,1. Dystans jest więc spory i deklaracja laboratorium o braku statusu najmocniejszego modelu nie jest kokieterią. Inkling gra w innej lidze: otwartych wag, nie czołówki.

Jedna liczba wygląda jednak nietypowo dobrze. Na zadanie w benchmarku Inkling zużywa średnio 25 tys. tokenów wyjściowych, podczas gdy GLM-5.2 w trybie maksymalnym potrzebuje 43 tys., Kimi K2.6 38 tys., a DeepSeek V4 Pro 37 tys. Model generuje po prostu mniej tekstu, zanim dojdzie do odpowiedzi. Przy pracy agentowej, gdzie płacisz za każdy wygenerowany token, to przekłada się wprost na rachunek.

Sam cennik u dostawców zależy od długości kontekstu. Artificial Analysis notuje 1,87 USD za milion tokenów wejściowych i 4,68 USD za wyjściowe przy kontekście 64 tys., oraz dwukrotność tych stawek przy 256 tys. Ile to wyjdzie przy Twoim wolumenie, policzysz w kalkulatorze kosztów API.

Czego w tej premierze brakuje

Karta modelu jest wyjątkowo uboga jak na wydanie tej rangi. Opis danych treningowych sprowadza się do ogólników o publicznie dostępnych treściach i materiałach od stron trzecich. Przy licencji Apache 2.0 to zgrzyt: warunki użycia są liberalne, a wiedza o tym, na czym model się uczył, praktycznie żadna.

Zapowiedziany został też mniejszy wariant Inkling-Small, z 276 mld parametrów i 12 mld aktywnych. Na profilu organizacji na Hugging Face go nie ma, więc na razie jest to plan, nie plik do pobrania.

Co z tego wynika dla Ciebie

Jeśli budujesz aplikacje z gotowych narzędzi jak Cursor czy Lovable, ta premiera nic u Ciebie nie zmienia. Żaden z popularnych edytorów nie ogłosił wsparcia dla Inklinga, a przy 41 punktach nie ma powodu, by porzucać dla niego model z czołówki.

Inkling robi się ciekawy w dwóch sytuacjach. Pierwsza: chcesz uruchomić model u siebie albo u dostawcy, którego sam wybierasz, i zależy Ci na licencji bez haczyków. Apache 2.0 jest tu najczystszą opcją, jaką dostaniesz w tej klasie wielkości. Druga: puszczasz agenta na dużym wolumenie zadań i patrzysz na koszt, a nie na ostatni punkt w rankingu. Oszczędność rzędu jednej trzeciej tokenów wyjściowych wobec konkurencji jest realną liczbą, którą warto sprawdzić na własnym zadaniu.

Do prostych zastosowań i tak trafniejszy będzie tani model z czołówki cenowej. Do trudnych zostaje Fable 5 albo Sol. Inkling wchodzi w lukę pomiędzy nimi, i to jest chyba dokładnie to miejsce, o które laboratorium walczyło.