Thinking Machinesは2026年7月15日に、最前線の競争ではなく企業・デベロッパー向けのファインチューニングを目的としたオープンウェイトのマルチモーダルAI基盤モデル「Inkling」をローンチしました。モデルは、合計975億（975 billion）パラメータ、アクティブ410億（410億）パラメータのMixture-of-Experts（MoE）トランスフォーマーで、最大100万（one million）トークンのコンテキストウィンドウに対応します。同社はInklingをカスタマイズのための柔軟なベースとして位置付け、制御可能な推論の労力（thinking effort）と、テキスト・画像・音声にまたがるネイティブなマルチモーダル推論を強調しています。フルモデルの重みはHugging Faceで利用可能で、ファインチューニングは同社のTinkerプラットフォームからアクセスできます。Thinking Machinesは、当該モデルがSOTA（最先端）であると主張するものではないと明確に述べつつ、企業導入に向けた能力の幅、コスト効率、安全性のキャリブレーションに焦点を当てています。
Thinking MachinesがInklingモデルの技術仕様をリリース
Inklingは、テキスト、画像、音声、動画にまたがる450兆（45 trillion）トークンで事前学習されています。モデルは3種類すべての入力タイプに対してネイティブなマルチモーダル推論を提供しており、この点が、一般にネイティブな音声サポートを欠くことが多い他の多くのオープンウェイト代替案との差別化になっています。デベロッパーは、問題を解くためにモデルが使用するトークン数を調整でき、コストとレイテンシの削減につながります。テストでは、InklingはTerminal Bench 2.1でNemotron 3 Ultraとほぼ同等の性能を、トークンコストは約3分の1で達成しました。
Thinking Machinesはまた、合計2760億（276 billion）パラメータ、アクティブ120億（12 billion）パラメータの軽量版「Inkling-Small」もプレビューしました。Inkling-Smallは複数のベンチマークで、より大きいモデルに匹敵、または上回り、合成（synthesis）や採点（grading）のワークロード向けに低コストな選択肢を提供します。
Inklingがクローズドウェイトモデルに対して競争力あるベンチマーク結果を達成
ベンチマーク結果は、Claude Fable 5やGPT-5.6 Solのようなクローズドウェイトモデルに比べて競争力はあるものの、先行する性能ではないことを示しています。推論およびエージェント的タスクでの差が見られます。リリースは、コーディング、指示追従、事実性（factuality）、ビジョン、音声における強い性能を強調しています。
ForecastBenchでは、InklingはGemini 3.1 ProやGrok 4.3を含む主要なクローズドモデルと同等のパフォーマンスを示します。FORTRESSでは、有害な依頼の拒否を評価しつつ、良性の類似要求の過剰拒否を避けるベンチマークにおいて、Inklingは敵対的プロンプトで78%を獲得しました。Nemotron 3 Ultraは77.6%、Kimi K2.6は65.6%でした。
Thinking MachinesがInklingの学習で安全性と認識論的キャリブレーションを実装
Thinking Machinesは、解決済みの実世界の予測質問からなる大規模コーパスに対して、適切な採点規則（proper scoring rules）に基づく強化学習でInklingを訓練しました。その結果、確信を持って幻覚（hallucination）するのではなく、適切な不確実性を表現できるようキャリブレーションされたモデルが得られました。学習パイプラインには、デュアルの自動採点者を組み込みました――ルーブリック採点者と、エージェントによるWeb検索を伴うクレーム採点者（claims grader）で、同時に有用性を向上させつつ、事実誤りを減らすことを狙いました。
Thinking Machinesが複数のデプロイメントパートナー経由でInklingを提供
InklingとInkling-Smallの両方はTinker経由で利用可能です。デプロイメントのパートナーにはTogetherAI、Fireworks、Databricks、Hugging Faceなどが含まれます。
FAQ
Thinking Machinesは2026年7月15日に何をローンチしましたか？
Thinking Machinesは、合計975億（975 billion）パラメータ、アクティブ410億（410億）パラメータを持つオープンウェイトのマルチモーダルAI基盤モデル「Inkling」をローンチしました。企業向けおよびデベロッパー向けのファインチューニングを目的としています。
Inklingはベンチマークでクローズドウェイトモデルとどう比較されますか？
Inklingは、Claude Fable 5やGPT-5.6 Solのようなクローズドウェイトモデルと比べて、推論タスクでは競争力はあるものの先行する性能ではありません。ForecastBenchではGemini 3.1 ProとGrok 4.3と同等の性能を示します。FORTRESSでは敵対的プロンプトで78%を獲得しました。
デベロッパーはファインチューニングのためにInklingをどこで利用できますか？
フルモデルの重みはHugging Faceで利用可能で、ファインチューニングは同社のTinkerプラットフォーム経由で利用できます。デプロイメントのパートナーにはTogetherAI、Fireworks、Databricks、Hugging Faceが含まれます。
