Il 15 luglio 2026, Thinking Machines Lab ha rilasciato Inkling con licenza Apache 2.0 — un modello Mixture-of-Experts da 975 miliardi di parametri con 41 miliardi attivi, disponibile in versione completa su Hugging Face e già operativo su Databricks, Baseten, Modal, Fireworks e TogetherAI.
Nel 2026, il panorama dei modelli open-weights ha accelerato oltre il ritmo dei cicli di procurement enterprise. Kimi K2.6, DeepSeek V4 Pro, GLM 5.2 e Nemotron 3 Ultra hanno ridotto il divario tra API proprietarie e alternative self-hostable. Thinking Machines Lab entra in questa corsa con un posizionamento deliberato: Inkling è progettato come foundation model ampio e bilanciato, ottimizzato per la personalizzazione e la copertura multimodale piuttosto che per la supremazia sui benchmark su singole classifiche. Questa scelta ha implicazioni commerciali precise per ogni azienda enterprise attualmente vincolata a un contratto API a tariffa per token.
Architettura e capacità al lancio
Inkling utilizza 256 esperti instradati più 2 esperti condivisi per layer MoE, con 6 esperti attivi per token. La finestra di contesto arriva a 1 milione di token, addestrato su 45 trilioni di token di testo, immagini, audio e video su sistemi NVIDIA GB300 NVL72. Un router sigmoid con bilanciamento del carico privo di loss ausiliaria gestisce la selezione degli esperti — una scelta progettuale che migliora la stabilità dell'inferenza su larga scala e riduce la varianza di latenza per query rispetto al routing basato su loss.
L'ampiezza multimodale è il principale differenziatore di Inkling nella categoria open-weights. L'audio viene elaborato nativamente tramite spettrogrammi dMel; le immagini vengono codificate come patch 40×40 pixel attraverso un hMLP a quattro livelli. Il modello ragiona tra tutte e tre le modalità in un'unica forward pass. Sui benchmark audio, Inkling ottiene 91,4% su VoiceBench e 77,2% su MMAU. Sulla visione, raggiunge 73,5% su MMMU Pro e 78,1% su CharXiv RQ. Questi sono risultati della prima release su un modello progettato per il fine-tuning: le versioni adattate alle esigenze enterprise miglioreranno ulteriormente.
Le performance su coding e task agentici completano il quadro. Inkling registra 77,6% su SWE-Bench Verified e 63,8% su Terminal Bench 2.1 — quest'ultimo raggiunto con un terzo dei token rispetto a Nemotron 3 Ultra per prestazioni equivalenti. I benchmark di ragionamento segnano 97,1% su AIME 2026 e 87,2% su GPQA Diamond. La sicurezza raggiunge 98,6% su StrongREJECT e 78,0% su FORTRESS Adversarial — il punteggio più alto tra i modelli open-weights confrontati.
Inkling introduce il pensiero controllabile su scala 0,2–0,99. I team enterprise configurano la spesa di token per tipo di query — alta attenzione per l'analisi contrattuale, bassa per la classificazione — eliminando la necessità di passare da un endpoint all'altro. Questa funzionalità unifica in un unico endpoint fine-tuned ciò che in precedenza richiedeva deployment separati, riducendo la complessità operativa delle pipeline multi-task.
Un modello companion, Inkling-Small (276 miliardi di parametri totali, 12 miliardi attivi), è disponibile in preview. Il rilascio dei pesi completi seguirà il completamento dei test di sicurezza. Il modello più compatto eguaglia o supera Inkling su diversi benchmark ottimizzando i workload latency-sensitive — ed entrambi i modelli condividono la stessa infrastruttura di fine-tuning tramite la piattaforma Tinker.
Impatto sulla mappa vendor
La licenza Apache 2.0 elimina le restrizioni d'uso che accompagnano la maggior parte dei rilasci di modelli frontier. Le aziende ottengono il diritto di fare fine-tuning, redistribuire e distribuire commercialmente, libere da strutture royalty o clausole di acceptable-use. Questo mette direttamente in discussione il vantaggio competitivo di ogni fornitore API proprietario nella categoria multimodale — audio + visione + testo in un unico modello Apache 2.0 è una prima assoluta nel mercato open-weights a questa scala.
I requisiti hardware rappresentano un filtro concreto. Il deployment in BF16 richiede un minimo di 2TB di VRAM aggregata — otto GPU B300 o sedici H200. La quantizzazione NVFP4 riduce il requisito a 600GB, raggiungibili con quattro B300 o otto H200. I team che accedono alla capacità GPU tramite cloud si affidano a Databricks, TogetherAI, Fireworks, Modal o Baseten — tutti attivi al lancio, con percorsi di inferenza gestita per chi privilegia la velocità di avvio rispetto al controllo self-hosted.
Il posizionamento anti-benchmark è un segnale di mercato deliberato e una scelta strategica di forza. Thinking Machines Lab punta esplicitamente all'acquirente che cerca personalizzazione: l'azienda enterprise che ha bisogno di un foundation model addestrabile su dati proprietari e distribuibile end-to-end con una licenza chiara. La piattaforma Tinker concretizza questo con un'interfaccia di fine-tuning, un cookbook aggiornato e tre nuove ricette orientate all'audio in distribuzione insieme ai pesi del modello. La pressione competitiva ricade principalmente sull'offerta Nemotron gestita da Databricks, sul catalogo open-weights di TogetherAI e sulle imprese che attualmente pagano tariffe per token a fornitori API proprietari per workload multimodali. L'efficienza di un terzo dei token per prestazioni equivalenti su Terminal Bench si traduce in un calcolo del total cost of ownership validabile in un proof-of-concept, in anticipo rispetto agli impegni infrastrutturali.
La decisione nei prossimi 90 giorni
CTO e responsabili di piattaforme AI hanno una finestra limitata per agire sull'economia di lancio di Inkling. Thinking Machines Lab offre uno sconto del 50% sull'accesso alla piattaforma Tinker per un periodo limitato, con l'Inkling Playground che fornisce accesso di valutazione gratuito. L'azione dei 90 giorni: avviare un pilot di fine-tuning su un dataset multimodale interno — audio di chiamate cliente, documenti contrattuali o immagini di catalogo prodotti — e confrontare l'endpoint fine-tuned con la spesa API proprietaria corrente per la stessa classe di workload.
La finestra di valutazione include anche Inkling-Small. Quando i pesi completi saranno disponibili, il modello con 12 miliardi di parametri attivi abilita una strategia di deployment a due livelli: Inkling-Small per inferenza ad alto volume e latenza ridotta; Inkling per task agentici complessi e multi-step. Entrambi condividono gli stessi pesi fine-tuned su Tinker — un'architettura di deployment che elimina il costo di gestione di contratti proprietari separati per categoria di task.
La licenza Apache 2.0 consente a procurement e team legali di procedere in parallelo con la valutazione tecnica, eliminando le sei-otto settimane di negoziazione commerciale che tipicamente ritardano l'adozione enterprise di nuovi modelli. I team che si muovono nei prossimi 90 giorni ottengono sia lo sconto Tinker sia il vantaggio di first-mover su un endpoint personalizzato, prima che i competitor nel loro settore valutino la stessa architettura. Per ogni azienda con investimenti attivi in AI multimodale, la combinazione di licenza aperta, ampiezza e efficienza di Inkling rende una valutazione tempestiva una priorità strategica.
Articolo di NOVA — Industry & Products
NOVA copre lanci di prodotti AI e mosse competitive per i decision-maker enterprise.