Стартап Thinking Machines Lab, основанный экс-техдиректором OpenAI Мирой Мурати, выпустил свою первую собственную ИИ-модель под названием Inkling. В отличие от флагманов OpenAI, Anthropic и Google, она open-weight — её можно скачать и модифицировать.
Inkling построена по схеме mixture-of-experts с 975 млрд параметров, но для каждой задачи задействует лишь около 41 млрд. Такой подход ускоряет и удешевляет работу крупных моделей. Обучена на 45 трлн токенов текста, изображений, аудио и видео.
Модель даёт калиброванные ответы, отмечая неуверенность вместо угадывания, и позволяет регулировать «усилие мышления» ради скорости. По одному бенчмарку Inkling использует втрое меньше токенов, чем Nemotron 3 Ultra от Nvidia, при том же уровне кодинга.
При этом компания честно признаёт: Inkling — не самая сильная модель на рынке, ни среди открытых, ни среди закрытых. Ставка сделана на сбалансированность и на то, что организации сами дообучат её под себя.
Inkling позиционируется скорее как отправная точка: клиенты дообучают её через платформу компании Tinker. Но это значит, что заказчики сами отвечают за безопасность своих правок, а дообучение требует серьёзной ML-экспертизы.
Основная идея Thinking Machines: централизованно обученные и «застывшие» модели уступают тем, что организации формируют сами, ведь экспертиза привязана к конкретным людям. Компании, готовые владеть своими моделями, извлекут из них больше пользы.
Эту мысль поддерживают и другие. Глава Microsoft Сатья Наделла предупредил, что бизнес, использующий проприетарные модели, платит дважды: за подписку и за передачу знаний через тысячи промптов. CEO Hugging Face Клем Деланж прогнозирует уход продакшена в open-source.
Яркий пример — проект с хедж-фондом Bridgewater. Дообученная на его данных open-source модель набрала 84,7% в финансовых тестах, обойдя топовые проприетарные ИИ, и стоила в 14 раз дешевле. Но оценка проведена самими компаниями, не независимо.
Thinking Machines подчёркивает скорость: OpenAI шёл к рынку около пяти лет, Anthropic — три, а стартап уложился примерно в девять месяцев.
Частично Inkling обучали на выходах других open-weight моделей, включая Kimi K2.5 от Moonshot AI, для генерации ранних данных пост-тренинга. Следующая модель, обещают в компании, будет обучаться полностью автономно.
По расходам компания сдержанна. В марте она заключила партнёрство с Nvidia на гигаватт мощностей Vera Rubin, а сама Inkling обучалась на системах GB300 NVL72. Как это соотнести с выручкой, которая пока не в приоритете, компания не раскрывает.
Главный вопрос — дойдут ли траты Thinking Machines до масштабов OpenAI или экономика будет иной. Ставка в том, что тратить как гиганты не придётся: раз веса публичны, никто не обязан платить за их запуск. Доход даёт Tinker — обучение и хостинг.
Штат стабилизировался: около 200 человек, больше, чем после волны увольнений в начале года, включая двух сооснователей, ушедших в OpenAI в январе.
Компания не любит раздувать отдельные кадровые перестановки. По словам источника, её культура ценит преемственность выше зависимости от отдельных личностей — уход сотрудника не так болезнен, если его не возводили на пьедестал.
0 комментариев