Am 15. Juli 2026 hat Thinking Machines Lab Inkling unter Apache 2.0 veröffentlicht — ein Mixture-of-Experts-Modell mit 975 Milliarden Gesamtparametern und 41 Milliarden aktiven Parametern, vollständig auf Hugging Face verfügbar und sofort über Databricks, Baseten, Modal, Fireworks und TogetherAI einsetzbar.
Der Open-Weights-Bereich hat sich 2026 schneller entwickelt als die meisten Enterprise-Beschaffungszyklen. Kimi K2.6, DeepSeek V4 Pro, GLM 5.2 und Nemotron 3 Ultra haben den Abstand zwischen proprietären Frontier-APIs und selbst gehosteten Alternativen erheblich verringert. Thinking Machines Lab tritt mit einer gezielten Gegenpositionierung in dieses Rennen ein: Inkling ist als breites, ausgewogenes Fundament-Modell für Anpassung und multimodale Abdeckung konzipiert — mit klarem Fokus auf Customization statt auf Bestplatzierungen in einzelnen Benchmark-Ranglisten. Diese Entscheidung hat präzise kommerzielle Implikationen für jedes Unternehmen, das derzeit an einen Per-Token-API-Vertrag gebunden ist.
Architektur und Fähigkeiten
Inkling verwendet 256 geroutete Experten plus 2 gemeinsame Experten pro MoE-Schicht, mit 6 aktiven Experten pro Token. Das Kontextfenster umfasst 1 Million Token, trainiert auf 45 Billionen Token aus Text, Bildern, Audio und Video auf NVIDIA-GB300-NVL72-Systemen. Ein Sigmoid-basierter Router mit hilfslosfreiem Last-Balancing verwaltet die Expertenauswahl — ein Designansatz, der die Inferenzstabilität im großen Maßstab verbessert und Latenz-Varianz pro Anfrage reduziert.
Die multimodale Breite ist Inklings deutlichster Differenziator in der Open-Weights-Kategorie. Audio wird nativ über dMel-Spektrogramme verarbeitet; Bilder werden als 40×40-Pixel-Patches durch ein vierlagiges hMLP kodiert. Das Modell denkt über alle drei Modalitäten in einem einzigen Forward-Pass nach. Bei Audio-Benchmarks erzielt Inkling 91,4 % auf VoiceBench und 77,2 % auf MMAU. Bei visuellen Aufgaben erreicht es 73,5 % auf MMMU Pro und 78,1 % auf CharXiv RQ. Diese Werte stammen aus dem ersten Release eines Modells, das für Fine-Tuning ausgelegt ist — enterprise-angepasste Versionen werden sich weiter verbessern.
Coding- und agentische Leistung runden das Bild ab. Inkling erreicht 77,6 % auf SWE-Bench Verified und 63,8 % auf Terminal Bench 2.1 — letzteres mit einem Drittel der Token-Anzahl von Nemotron 3 Ultra für gleichwertige Leistung. Reasoning-Benchmarks zeigen 97,1 % auf AIME 2026 und 87,2 % auf GPQA Diamond. Bei der Sicherheit erreicht das Modell 98,6 % auf StrongREJECT und 78,0 % auf FORTRESS Adversarial — den höchsten Wert unter allen verglichenen Open-Weights-Modellen.
Inkling führt kontrollierbares Denken auf einer Skala von 0,2 bis 0,99 ein. Enterprise-Teams konfigurieren den Token-Verbrauch je Anfragetyp — hoher Aufwand für Vertragsanalysen, geringer Aufwand für Klassifizierungsaufgaben — und eliminieren damit den Wechsel zwischen verschiedenen Modell-Endpunkten. Diese Funktion vereint in einem einzigen fine-getunten Endpunkt, was zuvor separate Modell-Deployments erforderte, und reduziert die operative Komplexität über Multi-Task-Pipelines hinweg.
Ein Begleitmodell, Inkling-Small (276 Milliarden Gesamtparameter, 12 Milliarden aktiv), wird als Preview veröffentlicht. Die Veröffentlichung der vollständigen Gewichte erfolgt nach Abschluss der Sicherheitstests. Das kompaktere Modell entspricht oder übertrifft Inkling bei mehreren Benchmarks und ist auf latenzempfindliche Workloads ausgerichtet — beide Modelle teilen dieselbe Fine-Tuning-Infrastruktur über die Tinker-Plattform.
Auswirkungen auf die Vendor-Landschaft
Die Apache-2.0-Lizenzierung beseitigt die Nutzungsbeschränkungen, die die meisten Frontier-Modell-Releases begleiten. Unternehmen erhalten das Recht, das Modell zu fine-tunen, weiterzuverteilen und kommerziell einzusetzen — frei von Lizenzgebühren oder Acceptable-Use-Klauseln. Das stellt den kommerziellen Vorteil jedes proprietären API-Anbieters im multimodalen Bereich direkt in Frage. Audio + Bild + Text in einem einzigen Apache-2.0-Modell ist ein Novum im Open-Weights-Markt in diesem Maßstab.
Die Hardware-Anforderungen stellen eine reale Hürde dar. Das BF16-Deployment erfordert mindestens 2 TB aggregiertes VRAM — acht B300 oder sechzehn H200 GPUs. NVFP4-Quantisierung reduziert dies auf 600 GB, erreichbar mit vier B300 oder acht H200 GPUs. Teams, die auf Cloud-GPU-Kapazitäten angewiesen sind, nutzen Databricks, TogetherAI, Fireworks, Modal oder Baseten — alle bereits am Starttag verfügbar, mit verwalteten Inferenzpfaden für Teams, die schnellen Einsatz gegenüber Self-Hosted-Kontrolle bevorzugen.
Die Anti-Benchmark-Positionierung ist ein bewusstes Marktsignal und eine strategische Stärke. Thinking Machines Lab zielt explizit auf den Customization-Käufer: das Enterprise-Unternehmen, das ein Foundation-Modell benötigt, das auf proprietären Daten fine-getunt und unter einer klaren Lizenz end-to-end betrieben werden kann. Die Tinker-Plattform setzt dies mit einer Fine-Tuning-Oberfläche, einem aktualisierten Cookbook und drei neuen audiofokussierten Rezepten in die Praxis um. Der Wettbewerbsdruck trifft primär das von Databricks verwaltete Nemotron-Angebot, den Open-Weights-Katalog von TogetherAI und mittelständische Unternehmen, die derzeit Per-Token-Tarife an proprietäre API-Anbieter für multimodale Workloads zahlen. Die Token-Effizienz von einem Drittel gegenüber Nemotron 3 Ultra für gleichwertige Terminal-Bench-Leistung ergibt eine niedrigere TCO-Berechnung, die Beschaffungsteams in einem Proof-of-Concept validieren können — vor Infrastrukturcommitments.
Die Entscheidung in den nächsten 90 Tagen
Enterprise-CTOs und KI-Plattformverantwortliche haben ein begrenztes Zeitfenster, um von Inklings Startangebot zu profitieren. Thinking Machines Lab bietet einen 50-prozentigen Rabatt auf den Tinker-Plattformzugang für einen begrenzten Zeitraum, mit dem Inkling Playground als kostenlosem Evaluierungszugang. Die 90-Tage-Maßnahme: Ein Fine-Tuning-Pilot auf einem internen multimodalen Datensatz — Kunden-Audio-Calls, Vertragsdokumente oder Produktkatalog-Bilder — und Benchmarking des fine-getunten Endpunkts gegenüber dem aktuellen proprietären API-Budget für dieselbe Workload-Klasse.
Das Bewertungsfenster erfasst auch Inkling-Small. Sobald die vollständigen Gewichte verfügbar sind, ermöglicht das Modell mit 12 Milliarden aktiven Parametern eine zweistufige Deployment-Strategie: Inkling-Small für hochvolumige, latenzempfindliche Inferenz; Inkling für komplexe, mehrstufige agentische Aufgaben. Beide laufen auf denselben Tinker-fine-getunten Gewichten — eine Deployment-Architektur, die den Verwaltungsaufwand separater proprietärer Verträge je Aufgabenkategorie eliminiert.
Die Apache-2.0-Lizenz ermöglicht es Beschaffungs- und Rechtsteams, parallel zur technischen Evaluierung vorzugehen — die sechs bis acht Wochen dauernden Vertragsverhandlungen, die die Enterprise-Modelladoption typischerweise verzögern, entfallen. Teams, die in den nächsten 90 Tagen handeln, sichern sich sowohl den Tinker-Rabatt als auch den First-Mover-Vorteil bei einem angepassten Endpunkt, bevor Wettbewerber in ihrem Sektor dieselbe Architektur evaluieren. Für jedes Unternehmen mit aktiven multimodalen KI-Investitionen macht Inklings Kombination aus offener Lizenzierung, Breite und Effizienz eine zeitnahe Evaluierung zur strategischen Pflicht.
Artikel von NOVA — Industry & Products
NOVA berichtet über KI-Produktlaunches und Wettbewerbsbewegungen für Enterprise-Entscheider.