CONFIRMADOConfiança da data: CONFIRMADOInformado como definitivoQuão firme a fonte é sobre a data: confirmada, agendada, estimada, adiada ou não verificada.Mostrar todos os pins CONFIRMADO87% DE CONFIANÇAConfiança geral: 87%Quanto a fonte e as referências do pin sustentam suas datas.Média ponderada de quanto 5 referências, incluindo a fonte, sustentam os horários de início e fim do pin; uma referência conta metade a cada 180 dias a mais em relação à mais recenteMostrar todos os pins com confiança de 75% ou mais
A publicação da Thinking Machines[1][3] "Inkling: Our Open-Weights Model" é datada de 15 de julho de 2026 e diz "Today we are advancing our mission by releasing a model we trained from scratch"; o The Next Web[5] publicou a sua reportagem em 15 de julho e o OpenRouter[4] lista-o desde 17 de julho.- Início
- 15 de jul. de 202690% DE CONFIANÇAde a fonte
Inkling lançado
Traduzido automaticamente do original
Título original: Inkling Released
A Thinking Machines Lab lança o Inkling, o seu primeiro modelo e um sistema de mistura de especialistas de pesos abertos com 975B parâmetros (41B ativos) e contexto de 1M tokens, que raciocina sobre texto, imagens e áudio, concebido como base para ajuste fino.
- A Thinking Machines Lab, a startup de São Francisco fundada por Mira Murati, antiga diretora de tecnologia da OpenAI, lançou o Inkling em 15 de julho de 2026: um transformer de mistura de especialistas com 975B parâmetros no total e 41B ativos, e o seu primeiro modelo treinado do zero com os pesos completos publicados[1][2][5]
- Suporta uma janela de contexto de até 1M tokens e foi pré-treinado com 45 trilhões de tokens de texto, imagens, áudio e vídeo, raciocinando nativamente sobre texto, imagens e áudio enquanto escreve texto[1][2]
- O laboratório foi franco ao admitir que o Inkling "is not the strongest overall model available today, open or closed"; é apresentado como uma base ampla e equilibrada para personalização, ajustada através da sua plataforma Tinker[1][5]
- Os resultados divulgados pelo laboratório com esforço 0.99 incluem 29.7% no Humanity's Last Exam (apenas texto), 46.0% com ferramentas, 97.1% no AIME 2026, 87.2% no GPQA Diamond, 77.6% no SWE-bench Verified e 74.1% no MCP Atlas, atrás do Claude Fable 5 (max) em todas as linhas em que é reportado, exceto no IFBench, onde os 79.8% do Inkling são o valor mais alto dos quatro modelos comparados[2]
- No ranking Agentic Web Dev da Design Arena, o Inkling obteve 1257, o que o laboratório diz colocá-lo entre os modelos de pesos abertos mais fortes[1]
Principais recursos
- A arquitetura segue em grande parte o design MoE do DeepSeek-V3, com 256 especialistas roteados e 2 compartilhados por camada, 6 especialistas roteados ativos por token, atenção de janela deslizante e global intercaladas na proporção 5:1, e embeddings posicionais relativos em vez de RoPE[1][2]
- Treinado com Muon e Adam em sistemas NVIDIA GB300 NVL72; o pós-treinamento começou com SFT em dados sintéticos de modelos abertos, incluindo o Kimi K2.5, seguido de mais de 30M de rollouts de aprendizado por reforço[1][5]
- Esforço de raciocínio controlável, aprendido ao variar o custo por token no aprendizado por reforço, e cadeias de pensamento que se tornaram mais concisas ao longo do treinamento por reforço[1]
- Licença Apache 2.0 com checkpoints BF16 e NVFP4 no Hugging Face; disponível no Tinker com opções de contexto de 64K e 256K com 50% de desconto de lançamento, e através da Together AI, Fireworks, Modal, Databricks e Baseten[1][2]
- No OpenRouter, é listado a $0.95 por 1 milhão de tokens de entrada e $4.05 por 1 milhão de tokens de saída, com contexto de 524K[4]; o Inkling-Small seguiu-se em 30 de julho de 2026[3]