Inkling: il primo modello open-weight di Thinking Machines Lab
975 miliardi di parametri, contesto da 1 milione di token, multimodale su testo, immagini e audio. E pensato fin dall'inizio per essere personalizzato.
In sintesi
Thinking Machines Lab, il laboratorio di Mira Murati, ha rilasciato il 15 luglio 2026 il suo primo modello open-weight: Inkling, un Mixture-of-Experts da 975 miliardi di parametri progettato non per vincere le classifiche ma per essere la migliore base aperta da personalizzare. 975B parametri totali, 41B attivi per token, contesto da 1 milione di token Multimodale nativo: testo, immagini e audio in un unico modello Thinking effort regolabile da 0.2 a 0.99: stesso punteggio di rivali con un terzo dei token Addestrato su 45 trilioni di token e rifinito con RL su oltre 30 milioni di rollout Inkling-Small (276B/12B) eguaglia il fratello maggiore su molti benchmark Pesi completi su Hugging Face, fine-tuning su Tinker con sconto del 50%
Thinking Machines Lab ha pubblicato Inkling, il suo primo modello open-weight. Non è un tentativo di detronizzare i frontier model: è una dichiarazione di intenti. Il laboratorio fondato da Mira Murati — che ha raccolto 2 miliardi di dollari prima ancora di mostrare un prodotto — ha costruito un modello da 975 miliardi di parametri pensato per una cosa sola: essere personalizzato da chi lo usa.
Cos'è Inkling
Inkling è un Mixture-of-Experts da 975 miliardi di parametri totali, di cui 41 miliardi attivi per ogni token. Il contesto arriva a 1 milione di token, l'addestramento è avvenuto su 45 trilioni di token di testo, immagini, audio e video. I pesi completi sono su Hugging Face, il fine-tuning gira su Tinker, la piattaforma di training del laboratorio.
La filosofia è dichiarata senza giri di parole: "Inkling non è il modello più forte disponibile oggi, open o closed. È la combinazione delle sue qualità a renderlo una buona base open-weight per la customizzazione: capacità multimodali, thinking efficiente e disponibilità su Tinker per il fine-tuning."
È una scommessa precisa: molti problemi reali non si risolvono bene nemmeno col miglior modello generalista, e il divario si chiude col fine-tuning che sfrutta la conoscenza specializzata di un'organizzazione.
La mappa delle capacità
Il grafico sopra racconta la strategia meglio di qualsiasi comunicato: Inkling (in verde) non domina nessun asse, ma copre tutti gli assi. È stato addestrato in ampiezza — agentic, ragionamento, coding, instruction following, fattualità, visione e audio — invece che ottimizzato in profondità su un dominio solo.
Cosa sa fare in pratica
Le demo ufficiali mostrano il modello al lavoro su compiti agentici end-to-end.
Inkling costruisce una web app e la usa con un browser agent
Il modello non si limita a generare il codice della web app: un browser agent la apre e compila il form di candidatura leggendo i dati da un profilo salvato. È il tipo di flusso — genera, poi usa quello che hai generato — che distingue un modello agentico da un autocompletatore.
Snake multiplayer generato da Inkling
Un'unica richiesta in linguaggio naturale produce un gioco funzionante con fisica, bot e classifica live. Non cambierà l'industria dei videogiochi, ma dimostra coerenza su artefatti complessi generati in un colpo solo.
Thinking effort: la leva che gli altri non hanno
La caratteristica più originale di Inkling è il thinking effort regolabile da 0.2 a 0.99: un parametro che decide quanta "fatica" il modello dedica a ragionare prima di rispondere. Non è un interruttore on/off come nei modelli ibridi: è una manopola continua.
Il dato che conta: Inkling raggiunge un punteggio dato con molti meno token dei concorrenti — su Terminal Bench 2.1 eguaglia Nemotron 3 Ultra usando circa un terzo dei token. Per chi fa fine-tuning su un compito specializzato, l'efficienza vale quanto il punteggio massimo: in produzione i token sono costi.
I numeri: benchmark completi
Tutti i valori sono dichiarati da TML a effort 0.99 e temperature 1.0.
Ragionamento
| Benchmark | Inkling | Kimi K2.6 | GLM 5.2 | Gemini 3.1 Pro | Claude Fable 5 | GPT 5.6 Sol |
| HLE (solo testo) | 29,7% | 35,9% | 40,1% | 44,7% | 53,3% | 47,2% |
| HLE (con tool) | 46,0% | 54,0% | 54,7% | 51,4% | 64,5% | 55,0% |
| AIME 2026 | 97,1% | 96,4% | 99,2% | 98,3% | 99,9% | 99,9% |
| GPQA Diamond | 87,2% | 91,1% | 89,5% | 94,1% | 92,6% | 94,1% |
Coding agentico
| Benchmark | Inkling | Kimi K2.6 | GLM 5.2 | Gemini 3.1 Pro | Claude Fable 5 | GPT 5.6 Sol |
| SWE-bench Verified | 77,6% | 80,2% | 80,0% | 80,6% | 95,0% | 82,2% |
| SWE-bench Pro | 54,3% | 58,6% | 62,1% | 54,2% | 80,0% | 64,6% |
| Terminal Bench 2.1 | 63,8% | 71,3% | 82,7% | 73,8% | 84,6% | 89,5% |
Agentico generale e fattualità
| Benchmark | Inkling | Kimi K2.6 | GLM 5.2 | Gemini 3.1 Pro | Claude Fable 5 | GPT 5.6 Sol |
| MCP Atlas | 74,1% | 68,1% | 77,8% | 78,2% | 83,3% | 81,8% |
| Toolathlon Verified | 45,5% | 58,0% | 59,9% | 61,1% | 76,4% | 73,1% |
| BrowseComp | 77,1% | 83,2% | – | 85,9% | 88,0% | 90,8% |
| SimpleQA Verified | 43,9% | 38,7% | 38,1% | 77,3% | 68,3% | 71,6% |
Multimodale (visione e audio)
| Benchmark | Inkling | Kimi K2.6 | Gemini 3.1 Pro | Claude Fable 5 | GPT 5.6 Sol |
| MMMU Pro | 73,5% | 79,0% | 82,0% | 84,2% | 83,0% |
| Charxiv RQ (con Python) | 82,0% | 86,7% | 89,9% | 89,4% | 87,8% |
| MMAU (audio) | 77,2% | – | 82,5% | – | – |
| VoiceBench | 91,4% | – | 94,3% | – | – |
Sicurezza
| Benchmark | Inkling | Kimi K2.6 | GLM 5.2 | Claude Fable 5 | GPT 5.6 Sol |
| FORTRESS (adversarial) | 78,0% | 65,6% | 71,3% | 96,0% | 82,4% |
| FORTRESS (benign) | 95,9% | 97,2% | 90,0% | 55,1% | 98,1% |
| StrongREJECT | 98,6% | 99,8% | 98,5% | 98,7% | 98,5% |
La lettura interessante è la coppia FORTRESS: Inkling rifiuta più richieste dannose senza over-rifiutare quelle benigne — l'equilibrio che Claude Fable 5, con il suo 55,1% sul lato benign, sacrifica.
C'è anche un lato epistemico raro: il modello è stato addestrato a calibrare l'incertezza. Su ForecastBench (previsioni di eventi futuri) fa 61,1 senza search, alla pari di Gemini 3.1 Pro e sopra GPT-5.5. Come dice il team: "un modello sicuro di ogni risposta, anche quando gli mancano le informazioni, costringe l'utente a ricontrollare tutto".
Come è stato costruito
L'architettura MoE segue in gran parte DeepSeek-V3: 256 expert instradati + 2 condivisi per layer, 6 attivi per token, router sigmoid con load balancing senza auxiliary loss. Ma ci sono scelte insolite: attention con sliding window e layer globali alternati in rapporto 5:1, embedding posizionali relativi invece di RoPE, e convoluzioni dopo le proiezioni key/value.
La multimodalità è nativa, non incollata: l'audio entra come spettrogrammi dMel, le immagini come patch 40×40 codificate da una hMLP a 4 layer, tutto processato insieme ai token di testo. L'addestramento è girato su sistemi NVIDIA GB300 NVL72 con un ottimizzatore ibrido: Muon per le matrici grandi, Adam per il resto.
Inkling si riaddestra da solo
La demo più impressionante del rilascio: Inkling che usa Tinker per fare fine-tuning su se stesso. Gli viene chiesto di diventare un lipogramma — mai usare la lettera "e" — un vincolo che il prompting da solo non regge. Il modello scrive la rubrica di reward, genera i dati sintetici, lancia il training, carica i nuovi pesi e risponde alla stessa domanda senza una sola "e". Guardala qui sotto, passo per passo.
L'RL che scala: 30 milioni di rollout
Dopo il pre-training, Inkling è passato per un bootstrap SFT su dati sintetici (generati anche da Kimi K2.5) e poi per un reinforcement learning asincrono su larga scala: oltre 30 milioni di rollout su matematica, coding agentico, tool use, audio, immagini, chat e safety. Il reward è migliorato in modo log-lineare per tutto l'addestramento — nessun plateau.
Il dettaglio più affascinante è emergente: la chain of thought si è compressa da sola. A inizio RL il modello ragionava con frasi complete ("We need to understand..."); a fine training scriveva in telegrafese ("We need determine"), tagliando l'overhead grammaticale senza perdere comprensibilità. Il modello ha imparato che i token costano.
Inkling contro Inkling-Small
Insieme al modello grande arriva Inkling-Small (preview): 276 miliardi di parametri totali, 12 attivi. Il grafico sopra mostra il punto: su metà dei benchmark il piccolo eguaglia o supera il grande, grazie a una ricetta dati migliorata. Crolla solo dove i parametri sono memoria: SimpleQA passa da 43,9% a 20,9%. Se il tuo caso d'uso non dipende dalla conoscenza enciclopedica, il piccolo costa un terzo.
Breakfast Around the World: il PDF impaginato da Inkling
La demo più concreta della multimodalità: un journal di nove pagine in stile editoriale sulla colazione in sei città del mondo, scritto e impaginato interamente dal modello. Sfoglialo qui sopra: la coerenza tipografica tra le pagine è il punto, non il contenuto.
Prezzi e disponibilità
- Tinker: fine-tuning e inference con contesto 64K o 256K, sconto del 50% per un periodo limitato
- Hugging Face: pesi completi, formato originale + NVFP4 per i sistemi NVIDIA Blackwell
- API partner: TogetherAI, Fireworks, Modal, Databricks, Baseten
- Framework: vLLM, SGLang, llama.cpp, transformers
La valutazione di Velthub
Inkling è il modello open più onesto dell'anno: dichiara di non voler vincere le classifiche e mantiene la promessa. La sua forza non sta in nessun singolo numero ma nella combinazione — multimodalità completa, effort controllabile, pipeline di fine-tuning già pronta. Per un'azienda che vuole un modello suo, addestrato sui suoi dati, oggi è il punto di partenza più razionale nel panorama open. Il tallone d'Achille è la fattualità: da solo, senza retrieval, inventa troppo per usi knowledge-intensive.
Domande frequenti
Inkling è gratuito?
I pesi sono liberamente scaricabili da Hugging Face. L'uso via API (Together, Fireworks, ecc.) e il fine-tuning su Tinker si pagano a consumo — Tinker è scontato del 50% al lancio.
Che differenza c'è tra Inkling e Inkling-Small?
Il grande è 975B parametri (41B attivi), il piccolo 276B (12B attivi). Sui benchmark di capacità sono quasi alla pari; il piccolo perde molto solo sulla conoscenza fattuale (SimpleQA: 20,9% contro 43,9%). Small è ancora in preview.
Posso fare fine-tuning sui miei dati?
Sì, è il caso d'uso per cui Inkling esiste. La via ufficiale è Tinker (con cookbook pronto su GitHub); in alternativa i pesi completi permettono qualsiasi pipeline custom.
Il contesto da 1 milione di token è disponibile ovunque?
No: su Tinker le opzioni sono 64K e 256K. Il milione è il limite architetturale del modello, raggiungibile self-hosted.
https://velthub.ai/blog/inkling-modello-open-weight-thinking-machines