Thinking Machines lança Inkling, seu primeiro modelo aberto com quase um trilhão de parâmetros

O Inkling da Thinking Machines é um modelo transformer do tipo Mixture-of-Experts (MoE) com uma arquitetura complexa. Ele possui 975 bilhões de parâmetros totais, mas ativa apenas 41 bilhões por token, o que otimiza sua eficiência. Projetado para ser multimodal, o Inkling processa texto, imagens e áudio de forma nativa e aceita uma janela de contexto extensa de até um milhão de tokens. Isso o torna ideal para lidar com grandes volumes de informação em cenários que exigem raciocínio robusto.

A empresa posiciona o Inkling como uma base ampla para IA, não focada em ser a melhor em uma única área, mas sim em cobrir tarefas diversas como agente, raciocínio, codificação, seguir instruções, factualidade, visão e áudio. Essa versatilidade é fundamental para a customização que a plataforma Tinker oferece, permitindo que desenvolvedores ajustem o modelo às necessidades específicas. A Thinking Machines também lançou uma versão mais leve, o Inkling-Small, com 12 bilhões de parâmetros ativos, visando menor custo e latência para certos casos de uso.

A chegada do Inkling marca o lançamento do primeiro modelo open-weights com pesos completos da Thinking Machines, uma novidade da startup de IA liderada por Mira Murati. Em termos de escala, o Inkling, com seus 975 bilhões de parâmetros, ultrapassa modelos MoE recentes como o Hy3 da Tencent (295 bilhões) e o Nemotron 3 Super da NVIDIA (120 bilhões total, 12 bilhões ativos), noticiados pelo CEVIU News em julho de 2026 e março de 2026, respectivamente. O artigo-fonte destaca a eficiência do Inkling, que utiliza um terço dos tokens do Nemotron 3 Ultra para alcançar a mesma performance em benchmarks de codificação agente, mostrando uma evolução significativa em otimização de custo e latência para uso em larga escala.

O Inkling é um passo importante na democratização de IA avançada de grande porte, ao disponibilizar os pesos completos e permitir customização via Tinker. A capacidade de balancear performance e custo, ajustando o 'esforço de pensamento' do modelo, é crucial para aplicações reais, onde latência e orçamento são fatores limitantes. A forte ênfase em epistemics (calibração, obediência a instruções e resistência à censura) e segurança o torna um modelo mais confiável. Sua natureza multimodal, treinada desde o início para integração com voz e visão, é essencial para o desenvolvimento de sistemas de IA agentic e colaborativos, que são o futuro da interação humano-máquina.