Thinking Machines Lab, het AI‑bedrijf van ex‑OpenAI‑CTO Mira Murati, heeft zijn eerste publieke model vrijgegeven: Inkling. In plaats van alleen een dienst aan te bieden, maakt het bedrijf de kern van het model beschikbaar om te downloaden en aan te passen.

Wat is Inkling?

Inkling is een zogenaamd mixture‑of‑experts‑model: het bevat veel onderdelen, maar gebruikt voor één taak slechts een deel ervan. Het hele model heeft 975 miljard parameters, maar voor een specifieke taak wordt doorgaans ongeveer 41 miljard gebruikt.

Het model is getraind op ongeveer 45 biljoen tokens (stukjes tekst) afkomstig uit tekst, beeld, audio en video. Dat betekent dat Inkling van oorsprong op verschillende soorten informatie is getraind, maar vooralsnog levert het alleen tekst als output, bijvoorbeeld code of gestructureerde gegevens.

Hoe verschilt Inkling van andere modellen?

Thinking Machines kiest bewust voor een open aanpak. Inkling is een open‑weight (downloadbare modelgewichten) model, wat betekent dat organisaties de modelbestanden zelf kunnen binnenhalen en aanpassen. Dat staat in contrast met de gesloten diensten van de grotere spelers die vooral toegang via een online dienst aanbieden.

Het model is ontworpen om:

• antwoorden met zorg te geven en onzekerheid aan te geven in plaats van te gokken;

• de gebruiker toe te staan de mate van “denkinspanning” op te voeren of te verlagen, om een afweging tussen snelheid en zorgvuldigheid te maken;

• efficiënt te werken: Thinking Machines zegt dat Inkling minder tokens nodig heeft dan sommige concurrenten om vergelijkbare codeerprestaties te halen.

De makers zeggen zelf dat Inkling niet het sterkste model op de markt is, maar dat het vooral goed bruikbaar en aanpasbaar is.

Voor wie is Inkling bedoeld?

Thinking Machines positioneert Inkling vooral als een startpunt voor bedrijven die hun eigen modellen willen vormen. Het model is bedoeld om verder te worden aangepast via het platform Tinker — een omgeving om een model te fine‑tunen (bijschaven van een model met eigen data).

Dat brengt twee praktische punten mee:

• organisaties die Inkling inzetten moeten zelf zorgen dat de aanpassingen veilig zijn;

• fine‑tuning vereist specialistische machine‑learningkennis; het is geen kant‑en‑klaar knopje.

Deze aanpak verschilt van de strategie van grote leveranciers die eerst een algemene chatbot of dienst maken en daar later extra functies aan toevoegen.

Techniek, samenwerkingen en kosten

Thinking Machines zegt dat Inkling deels vanaf nul is voorgetraind, maar ook gebruik heeft gemaakt van andere open‑weight‑modellen om vroege post‑trainingdata te genereren. Het bedrijf belooft dat het volgende model volledig zelfstandig zal worden nageschooid.

Voor de training werkte Thinking Machines samen met Nvidia en gebruikte het GB300 NVL72‑systemen. Er is ook een strategische afspraak gemaakt om grote hoeveelheden rekenkracht in te zetten.

Een paar punten om te onthouden:

• Inkling is gebouwd met het oog op efficiëntie en lage gebruikskosten, maar het bedrijf publiceert geen gedetailleerde prijsopgaven voor eindgebruik;

• Thinking Machines verwacht inkomsten te halen uit diensten rond Tinker, zoals training, fine‑tuning en hosting, in plaats van alleen uit het modelbestand zelf;

• eerdere samenwerking met Bridgewater Associates liet zien dat een aangepast open model volgens de betrokken partijen goed kon presteren op financiële taken en veel goedkoper te draaien was dan sommige propriëtaire modellen — die beoordeling komt uit interne tests van beide partijen.

Hoe past dit in de bredere trend?

Er groeit een discussie in de markt over centrale versus aangepaste AI. Sommige leiders in de industrie waarschuwen dat bedrijven die uitsluitend op externe, gesloten modellen vertrouwen, waarde kunnen prijsgeven: naast abonnementskosten kunnen bedrijfskennis en prompts ongemerkt meevloeien naar de dienstverlener.

Thinking Machines speelt in op die zorg door organisaties de middelen te geven hun eigen modellen te bezitten en aan te passen. Volgens voorstanders kan dat op lange termijn meer waarde opleveren voor bedrijven met specifieke kennis en regels.

Conclusie

Inkling is geen recordbrekend model in termen van brute kracht, maar wel een duidelijke keuze voor openheid en aanpasbaarheid. Voor organisaties die bereid zijn te investeren in eigen expertise kan het een startpunt bieden om AI te vormen naar hun eigen kennis en veiligheidseisen. Tegelijk vraagt die route om technische kennis, verantwoordelijk werk aan veiligheid, en een duidelijk plan voor onderhoud en kosten.