Thinking Machines Labは2026年7月15日、同社初のAIモデル「Inkling」を発表した。テキスト、画像、音声を横断して推論できる汎用モデルで、重みも公開した。発表時点で、同社のサービス「Tinker」でファインチューニングでき、Inkling Playgroundでも試せる。

• Inkling: Our open-weights model - Thinking Machines Lab

テキスト⁠・画像⁠・音声に対応⁠、推論量も調整可能

Inklingはマルチモーダルモデルとして、テキスト、画像、音声を入力として受け取り、テキストを出力する。

タスクに応じて推論に使うトークン量を連続的に変えられる「continuous thinking effort」も備える。推論量を抑えてコストと待ち時間を減らしたり、難しいタスクには多くの推論量を割り当てたりできる。Thinking Machines Labは、推論量の設定を調整することで、より少ないトークンで同じ評価スコアに到達できるとしている。

公開されたモデルカードによると、InklingはMixture of Experts（MoE）アーキテクチャを採用している。総パラメータ数は9750億で、このうち各トークンの処理には410億のパラメータを使う。最大100万トークンのコンテキストを扱う。公式発表では、事後学習の対象として、数学、エージェントによるコード作成とツール利用、音声、画像、チャット、安全性を挙げている。

Thinking Machines Labの共同創業者兼CEO、Mira Murati氏も、Inklingについて「ゼロから学習した、同社初のモデル」とXで述べている。

能力の目安として、音声評価ベンチマークのVoiceBench、MMAU、AudioMCでは、オープンウェイトモデルの上位に入ったとしている。モデルカードにはthinking effortを最大値の0.99に設定した評価結果も掲載されている。ターミナル上の実作業を測るTerminal-Bench 2.1では63.8％を記録した。実在するGitHubリポジトリの課題解決を測るSWE-bench Verifiedは77.6％、大学院レベルの科学知識と推論を問うGPQA Diamondは87.2％となっている。

重みを公開⁠、Tinkerでファインチューニング可能

モデルの重みはHugging Faceで公開されている。ダウンロードした重みは、利用者が用意したGPU環境上で、Inklingに対応したvLLMやSGLangを使って実行できる。InferactはvLLM、RadixArkはSGLangでInklingをサポートしている。

同社が提供するTinkerでは、同日からInklingをファインチューニングできる。このほか、公開初日からサードパーティーのTogether AI、Fireworks AI、Modal、Databricks、BasetenがInklingのAPIを提供している。

Thinking Machines Labは、Inklingをモデルファミリーの第1弾とし、同様の手法で学習した軽量版「Inkling-Small」の概要も示している。その重みは今後公開する予定としている。