スタートアップの Thinking Machines が人工知能をパーソナライズする Inkling モデルを発表

元 OpenAI CTO のミラ・ムラティ氏が創設した人工知能スタートアップである Thinking Machines Lab は、2026 年 7 月 15 日水曜日、Inkling と呼ばれる初の独自 AI モデルを発表しました。 OpenAI、Anthropic、Google などの大手企業のソリューションとは異なり、Inkling はオープンソースであるため、開発者や企業は直接ダウンロードして変更できます。

Inkling は、合計 9,750 億のパラメーターを備えた「専門家混合」システムですが、特定のタスクごとにその一部、約 410 億のみを使用します。この共通のアーキテクチャにより広範なモデルが最適化され、モデルがより高速になり、コスト効率が向上します。同社の発表資料によると、このモデルは 45 兆個のテキスト、画像、オーディオ、ビデオのトークンを使用してトレーニングされ、これらすべてのモダリティでネイティブに推論できるようになりました。ただし、現時点では、その出力はテキストに限定されており、コード、スタイル付きアーティファクト、構造化データが含まれます。

このモデルは、ほとんど注目されていない AI インフラストラクチャの構築に焦点を当てた 1 年半を経て、Thinking Machines Lab が初めて公的に進歩したものです。この研究の一部は、コマンドを待つ従来のチャットボットとは異なり、聞き、話し、さらには中断するために作成された人工知能である「インタラクション モデル」に関する研究のプレビューで、5月にすでに実証されていた。 Inkling の立ち上げは、組織が適応できる AI が、最大規模の研究所が販売する標準化されたモデルよりも優れているという、スタートアップの主な賭けをテストします。

Inkling は、推測ではなく不確実性を示して正確な回答を提供するように設計されており、ユーザーは速度を優先するために「思考努力」を調整できます。同社はベンチマークテストで、同じコーディングパフォーマンスを達成するために、Nvidiaの次世代オープンソースモデルであるNemotron 3 Ultraで使用されるトークンの3分の1をInklingが消費すると主張している。

Thinking Machines は、Inkling がそのクラスで最高のモデルであるとは主張しません。彼らの最新のブログ投稿では、Inkling が「オープンかクローズかにかかわらず、現在入手可能な最強のモデルではない」と明確に述べられています。同社の明確な目標は、代わりに、バランスの取れた多用途のパフォーマンスです。

このアプローチでは、企業市場のどの聴衆が Inkling の真のターゲットなのかという疑問が生じます。今のところ、Thinking Machines は Inkling を最終製品としてではなく、企業が同社のテンプレート カスタマイズ プラットフォームである Tinker を通じて改善できる出発点として位置づけています。したがって、カスタマイズのセキュリティに対する責任は、Thinking Machines ではなく顧客にあります。モデルのカスタマイズには、機械学習の高度な資格を持つ専門家が必要であることは言及する価値があります。

一方、OpenAI、Anthropic、Google は、それぞれの ChatGPT、Claude、Gemini で非常に異なる戦略を採用しました。すべては主に汎用チャットボットとして競合するように設計されており、後に自律機能やエージェント機能が追加されました。

Thinking Machines が前週に作成した出版物が、この発表の基礎となりました。その中で同社は、単一の組織によって集中的に訓練され、固定された方法で定義された人工知能は、知識の多くがそれを保持する人々に固有のものであるため、組織自体によって形成されるAIよりも性能が劣ると主張した。

クローズドモデルに対する他の議論も勢いを増しています。 OpenAIとAnthropicに数十億ドルを投資しているMicrosoft社の最高経営責任者（CEO）サティア・ナデラ氏は、日曜日に公開したブログ投稿で、独自のAIモデルを使用する企業は結局二重の支払いをすることになると警告した。 1 回目はサブスクリプション費用のため、もう 1 回目は、プロンプトと修正に組み込まれたビジネス知識を提供することによって行われます。これらは、テンプレートの将来のバージョンに組み込むことができます。

ハギング・フェイスの最高経営責任者（CEO）であるクレム・デラング氏も先週の会話で同様の予測を述べた。同氏は、最先端のモデルはますます実験や価値の高いタスクを対象とする一方、AIの制作作業のほとんどはプライベートまたはオープンソースの代替品、まさにThinking Machinesが開発している部門に移行するだろうと述べた。

Thinking Machines のアプローチに対する最も強力な議論は、Thinking Machines の投資家ではない世界最大のヘッジファンドであるブリッジウォーター アソシエイツとの最近のプロジェクトから来ています。両社の研究者は既存のオープンソース モデルを採用し、ブリッジウォーター独自の金融専門知識を使ってさらにトレーニングしました。報告されているように、その結​​果は財務推論テストで 84.7% を達成し、主要な独自 AI モデルを上回り、運用コストは約 14 分の 1 でした。ただし、これらの結果は両社の評価から得られたものであり、独立した分析から得られたものではないことに注意することが重要です。

いずれにしても、Thinking Machines はこの段階にいかに早く到達したかを強調しています。 OpenAI はそのテクノロジーを市場に投入して収益を生み出すまでに約 5 年かかり、Anthropic は約 3 年かかりました。 Thinking Machines は、約 9 か月で同じことを達成したと主張しています。

Inkling が競合他社のモデルの結果に基づいてトレーニングされたかどうかを疑問視する人もいるでしょう。これは業界の精査の対象となっている「蒸留」として知られる手法です。同社独自の資料によると、端的に言えば、「部分的に」です。 Thinking Machines は、Inkling をゼロから事前トレーニングしましたが、大規模な強化学習が引き継ぐ前に、Moonshot AI の Kim K2.5 などの他のオープンソース モデルを使用して、初期のトレーニング後のデータの一部を生成しました。同社は次のモデルでは完全に自己完結型のポストトレーニングを採用すると保証している。

コストに関しては、Thinking Machines はより慎重です。同社は 3 月に Nvidia と提携して、ギガワット規模の Vera Rubin コンピューティング能力を導入し、Inkling を Nvidia の GB300 NVL72 システム上で完全にトレーニングしました。しかし、これらのコストをどのようにカバーする計画なのかについては明らかにしておらず、ほとんどの分析によると、収益は優先事項ではないという。昨年11月に報告された500億ドルの資金調達ラウンドは1月に停滞したと伝えられており、同社はそれ以来財務状況についてのコメントを避けている。これに関連した疑問は、Thinking Machines の支出がいつか OpenAI や Anthropic の規模に達するのか、それともその効率重視のアプローチが異なる経済学を意味するのかということだ。言い換えれば、同社の賭けは、大手ライバル企業のように支出することではなく、重み付けが公開されているため、OpenAI や Anthropic が販売するペイウォールとは異なり、重み付けをダウンロードする人がそれを実行するために Thinking Machines に料金を支払う必要がないため、そうする必要がないということの方が大きいかもしれない。同社の収益は、モデルそのものではなく、Tinker から得られるものでなければなりません。Tinker は、トレーニングや微調整を通じて、そして現在では Tinker を中心に構築されたホスティング エコシステムの一部となっています。

少なくともスタッフはより安定しているようです。 Thinking Machines の従業員数は現在約 200 名で、今年初めに相次ぐ人員削減後に発表された数字よりも増加しており、その中には 1 月に OpenAI に加わった共同創設者 2 名も含まれています。一方、Thinking Machines は、ほとんどの業界でよくあることですが、個々の動きを強調することに興味を示しません。社内関係者によると、その文化は意図的に、個性への依存よりも継続性を優先するという。最初は人々が台座に乗せられていなかったとき、チームを変えることは小さな挫折を意味するので、これは理にかなっています。