Das KI-Startup Thinking Machines Lab, gegründet von der ehemaligen OpenAI-CTO Mira Murati, hat mit Inkling sein erstes Open-Weight-Modell veröffentlicht. Im Gegensatz zu den geschlossenen Systemen von OpenAI, Anthropic oder Google ermöglicht Inkling den direkten Download und die Modifikation durch externe Entwickler. Die Veröffentlichung markiert den ersten öffentlichen Meilenstein nach eineinhalb Jahren Entwicklungszeit. Technisch basiert Inkling auf einer Mixture-of-Experts-Architektur mit 975 Milliarden Parametern, wovon pro Aufgabe nur etwa 41 Milliarden aktiviert werden. Das Design reduziert Laufzeitkosten und Latenz. Trainingierte mit 45 Billionen Tokens unterstützt das Modell nativ Text, Bild, Audio und Video sowie quermulti-modales Reasoning. Die Architektur bietet kalibrierte Antworten, die Unsicherheit explizit kennzeichnen, und erlaubt die dynamische Anpassung des Rechenaufwands. Auf einem Coding-Benchmark erreichte Inkling bei vergleichbarer Performance nur ein Drittel des Token-Verbrauchs von Nvidia Nemotron 3 Ultra. Das Unternehmen stellt klar, dass Inkling nicht die stärkste KI darstellt, sondern auf Effizienz und Anpassbarkeit setzt. Die Strategie richtet sich primär an Enterprise-Kunden, die Modelle über die Plattform Tinker selbstständig fine-tunen möchten. Dies reduziert die Abhängigkeit von proprietären SaaS-Lösungen. Der Ansatz gewinnt an Boden: Microsoft-CEO Satya Nadella warnte vor versteckten Kosten geschlossener Modelle durch Datenweitergabe, während Hugging-Face-CEO Clem Delangue eine Verschiebung hin zu privaten oder Open-Source-Systemen prognostiziert. Erste Validierung liefert ein Bridgewater-Associates-Projekt, das nach dem Fine-Tuning auf eigene Finanzdaten 84,7 Prozent erreichte und die Betriebskosten auf ein Vierzehntel senkte. Mit nur neun Monaten Entwicklungsdauer unterstreicht das Startup seine operative Effizienz. Die Trainingshardware stammte vollständig von Nvidia, im Zuge einer Partnerschaft wurden zudem massive Kapazitäten für Folgemodelle reserviert. Initial nutzte Inkling offene Modelle wie Kimi K2.5 zur Datengenerierung, künftige Iterationen sollen jedoch autark trainiert werden. Das Geschäftsmodell fokussiert sich nicht auf API-Verkauf, sondern auf die Tinker-Plattform und ein Hosting-Ökosystem. Mit rund 200 Mitarbeitenden setzt Thinking Machines auf kontinuitätsorientierte Teamstrukturen. Inkling positioniert sich damit als Katalysator für dezentrale KI-Infrastrukturen und bestätigt die wachsende Relevanz unternehmenseigener, anpassbarer KI-Systeme.