تینکینگ ماشینز نخستین مدل هوش مصنوعی خود را معرفی کرد؛ Inkling مدل متن بازِ ۹۷۵ میلیارد پارامتری
استارتاپ Thinking Machines Lab که توسط میرا موراتی، مدیر ارشد فناوری پیشین OpenAI، تأسیس شده است، نخستین مدل زبانی آماده استفاده تجاری خود با نام Inkling را معرفی کرد. این مدل متنباز با معماری Mixture of Experts و مجموع ۹۷۵ میلیارد پارامتر عرضه شده، اما در هر لحظه تنها ۴۱ میلیارد پارامتر آن فعال هستند. بر اساس ارزیابیهای Artificial Analysis، Inkling اکنون قویترین مدل متنباز توسعهیافته در یک آزمایشگاه آمریکایی محسوب میشود، هرچند همچنان از بهترین مدلهای متنباز چینی در عملکرد کلی عقبتر است.
مدل جدید Inkling بهصورت بومی از متن، تصویر و صدا پشتیبانی میکند و حداکثر پنجره متنی آن به یک میلیون توکن میرسد. کدها و اطلاعات این مدل بهصورت رایگان در Hugging Face منتشر شدهاند و شرکت سازنده از طریق پلتفرم Tinker نیز امکان شخصیسازی و تطبیق آن با کاربردهای مختلف را فراهم کرده است. Thinking Machines تأکید میکند که Inkling قدرتمندترین مدل موجود بازار نیست، اما ترکیب قابلیتهای چندرسانهای، پردازش بهینه و امکانات Fine tuning را نقطه تمایز اصلی آن میداند.
Thinking Machines اعلام کرده که Inkling با استفاده از ۴۵ تریلیون توکن شامل متنهای عمومی و مصنوعی، تصاویر، فایلهای صوتی و ویدیوها آموزش دیده است و البته مجموعه داده آموزشی همچنین دادههای عمومی را در بر میگیرد که ممکن است تحت قوانین مالکیت فکری قرار داشته باشند. این شرکت برای تولید دادههای مصنوعی از روشهای مختلف، از جمله مدل چینی Kimi K2.5، استفاده کرده که K2.5 نیز یک مدل متن باز به حساب میآید.
در شاخص Artificial Analysis Intelligence Index، مدل Inkling امتیاز ۴۱ را کسب کرده و بالاتر از Nemotron 3 Ultra با امتیاز ۳۸، Gemma 4 31B با امتیاز ۲۹ و gpt-oss-120b با امتیاز ۲۴ قرار گرفته است. همچنین در آزمون عاملمحور GDPval-AA v2 با امتیاز Elo برابر با ۱۲۳۸، عملکرد بهتری نسبت به Kimi K2.6 و DeepSeek v4 Flash max ثبت کرده و در بنچمارک بانکی Tau-3 نیز با امتیاز ۲۴ درصد، از هر دو رقیب چینی پیش افتاده است.
با وجود این نتایج عملکرد Inkling در دقت اطلاعات چندان مطلوب نیست و این مدل در معیار AA Omniscience تنها امتیاز مثبت ۲ را به دست آورده که اگرچه از Nemotron 3 Ultra با امتیاز منفی ۱ بهتر است، اما همچنان پایینتر از برترین مدلهای متنباز قرار میگیرد. نرخ دقت آن ۴۰ درصد و نرخ توهم یا Hallucination نیز ۶۳ درصد اعلام شده که میتواند استفاده از آن را در کاربردهای نیازمند اطلاعات بسیار دقیق محدود کند.
هزینه استفاده از Inkling با پنجره متنی ۶۴ هزار توکنی برابر با ۱.۸۷ دلار برای هر یک میلیون توکن ورودی و ۴.۶۸ دلار برای هر یک میلیون توکن خروجی است. در حالت استفاده از پنجره متنی تا ۲۵۶ هزار توکن، این ارقام بهترتیب به ۳.۷۴ دلار برای ورودی، ۰.۷۴۸ دلار برای ورودی کششده و ۹.۳۶ دلار برای خروجی افزایش مییابد. با این حال Artificial Analysis میگوید Inkling برای انجام هر وظیفه بهطور میانگین تنها ۲۵ هزار توکن خروجی مصرف میکند که کمتر از GLM-5.2 max، کیمی K2.6 و دیپسیک v4 پرو مکس است.
Thinking Machines همچنین قابلیت Thinking Effort را برای Inkling معرفی کرده که به کاربران اجازه میدهد تعادل دلخواه خود میان هزینه و کیفیت خروجی را انتخاب کنند و بدون افت کیفیت، مصرف توکن را کاهش دهند. این شرکت همزمان نسخه آزمایشی Inkling Small را نیز با ۲۷۶ میلیارد پارامتر و ۱۲ میلیارد پارامتر فعال رونمایی کرده است.
این مدل در آزمون GPQA Diamond امتیاز ۸۸.۳ درصد و در HLE همراه ابزارها امتیاز ۴۶.۶ درصد را کسب کرده که در هر دو مورد اندکی از Inkling بهتر است. شرکت سازنده دلیل این برتری را تغییرات در دادههای پیشآموزش و فرایند آموزش عنوان کرده و وعده داده است پس از پایان آزمایشها، کدهای کامل Inkling Small نیز منتشر شوند.
