Мира Мурати выпустила Inkling на 975 млрд параметров — лучшая open-weights модель в США, но китайские впереди

Thinking Machines Lab, стартап бывшего технического директора OpenAI Миры Мурати, представил Inkling — мультимодальную модель с открытыми весами на 975 млрд параметров. По рейтингу Artificial Analysis Intelligence Index она лидирует среди американских open-weights моделей, но топовые китайские решения всё ещё обходят её в некоторых задачах. Цена начинается от $1,87 за миллион входных токенов, и компания позиционирует Inkling не как самую мощную модель на рынке, а как базу для дообучения под конкретные задачи.

Что за модель и почему она важна

Inkling — первая собственная модель Thinking Machines Lab, стартапа, который Мира Мурати основала после ухода из OpenAI в 2024 году. Модель мультимодальная (работает с текстом, изображениями и другими форматами) и выпущена с открытыми весами — это значит, что разработчики могут скачать её, дообучить на своих данных и использовать без жёстких лицензионных ограничений.

975 миллиардов параметров — это существенно больше, чем у популярных открытых моделей вроде Llama 3.1 405B от Meta или Qwen2.5 72B от Alibaba. По результатам бенчмарков Inkling лидирует среди американских open-weights решений, но уступает нескольким китайским моделям в задачах на рассуждения и специализированных доменах.

Thinking Machines Lab сознательно не стремится конкурировать с закрытыми флагманами вроде GPT-4.5 или Claude 4. Вместо этого компания делает ставку на кастомизацию: Inkling задумана как фундамент, который команды могут адаптировать под свои данные, регуляторные требования или узкие задачи — от медицинской диагностики до анализа финансовых документов.

Почему сейчас и что изменилось

Запуск Inkling попадает в момент, когда индустрия раскалывается на два лагеря. С одной стороны — OpenAI, Anthropic, Google, которые выпускают всё более мощные закрытые модели и берут за них всё больше денег. С другой — волна открытых моделей от Meta, Mistral, китайских лабораторий и теперь Thinking Machines, которые дают разработчикам контроль, но требуют инфраструктуры и экспертизы для дообучения.

Мира Мурати покинула OpenAI в сентябре 2024 года после семи лет работы, включая период техдиректора. Thinking Machines Lab она запустила в начале 2025-го, привлекла команду из бывших инженеров OpenAI, Google DeepMind и Meta AI и за полтора года построила модель, которая по размеру сопоставима с GPT-4 (по неофициальным оценкам — 1,7 трлн параметров, хотя OpenAI это не подтверждала).

Китайские лаборатории — DeepSeek, Baichuan, Zhipu AI — в последние два года активно выпускают открытые модели, которые на некоторых бенчмарках обходят западные аналоги. Inkling лидирует среди американских open-weights моделей, но факт, что её обходят китайские решения, показывает, насколько конкурентным стал этот сегмент.

Кому нужна модель на 975 млрд параметров

Inkling не для тех, кто хочет просто подключить API и начать работать. Её инференс на полной точности требует несколько GPU с высокой памятью — минимум 8×A100 или 4×H100. Это инфраструктура уровня исследовательской лаборатории или крупной компании.

Зато для команд, которым нужна полная гибкость, это интересный вариант:

• Регулируемые индустрии (финансы, здравоохранение, госсектор), где нельзя отправлять данные на внешние API.
• Компании с узкими доменами, которым нужно дообучить модель на внутренних данных — юридические документы, медицинские записи, техническая документация.
• Исследовательские лаборатории, которые хотят экспериментировать с архитектурой, интерпретируемостью или новыми методами выравнивания.

Цена $1,87 за миллион входных токенов — это дешевле, чем GPT-4 Turbo ($10) или Claude 3.5 Sonnet ($3), но выше, чем у некоторых китайских открытых моделей, которые можно запустить на собственном железе без платы за inference. Thinking Machines явно рассчитывает на enterprise-клиентов, готовых платить за поддержку и интеграцию.

Где это ломается

Открытые веса — не значит «открытый код». Thinking Machines пока не раскрыла детали обучающего датасета, архитектуры и процесса выравнивания. Это делает сложным воспроизведение результата и ограничивает прозрачность для академических исследователей.

Китайские модели обходят Inkling в некоторых задачах — это признак того, что китайские лаборатории либо используют более качественные данные, либо эффективнее настраивают пайплайны обучения. Для американской компании, основанной бывшим техдиректором OpenAI, это чувствительный момент.

Модель на 975 млрд параметров требует не только железа, но и экспертизы. Дообучение такой модели под свою задачу — это недели работы ML-инженеров, эксперименты с гиперпараметрами и риск переобучения. Для стартапов и небольших команд это барьер входа.

Что дальше

Thinking Machines Lab явно не собирается останавливаться на одной модели. Судя по заявлениям, компания планирует развивать экосистему вокруг Inkling — инструменты для fine-tuning, готовые адаптеры для популярных доменов, сервисы для управляемого inference.

Для индустрии это ещё один сигнал, что open-weights модели становятся серьёзной альтернативой проприетарным решениям. Если Thinking Machines удастся построить сообщество разработчиков вокруг Inkling и упростить процесс дообучения, это может сместить баланс в сторону кастомизируемых решений против универсальных API.

Для Миры Мурати это публичная ставка на то, что будущее AI — не в одной сверхмощной закрытой модели, а в множестве специализированных открытых моделей, адаптированных под конкретные задачи. Остаётся увидеть, насколько рынок готов за это платить.

Источники

• The Decoder: Ex-OpenAI CTO Murati's Thinking Machines drops Inkling, a 975B parameter model that leads US labs but trails China