Mira Murati torna con un colpo da 975 miliardi
Il 15 luglio 2026 Mira Murati, ex CTO di OpenAI, ha debuttato con Thinking Machines Lab, la startup fondata nel febbraio 2025 dopo la sua uscita da OpenAI. Il primo prodotto è Inkling, un modello open-weight da 975 miliardi di parametri con architettura Mixture-of-Experts. Non è un esperimento: è il modello open-weight più potente mai rilasciato da un'azienda statunitense.
Murati ha annunciato Inkling su X il 15 luglio, dopo 18 mesi di lavoro silenzioso. La startup ha raccolto un seed round da $2 miliardi, uno dei più grandi della storia dell'AI. L'obiettivo dichiarato non è competere sul modello più forte in assoluto, ma creare la migliore base per la personalizzazione: un modello efficiente, multimodale e liberamente modificabile.
Architettura: MoE con 41B parametri attivi
Inkling usa un'architettura Mixture-of-Experts (MoE) con 975 miliardi di parametri totali, di cui solo 41 miliardi attivi per ogni query. Questo è il vantaggio del MoE: scala la capacità del modello senza proporzionalmente aumentare il costo di inferenza. Per ogni token generato, solo una frazione della rete neurale viene attivata, rendendo il modello più veloce ed economico rispetto a un dense model di dimensioni equivalenti.
Il modello è stato pre-addestrato da zero su 45 trilioni di token multimodali (testo, immagini, audio, video) e supporta una finestra di contesto fino a 1 milione di token. È pubblicato sotto licenza Apache 2.0, una delle più permissive disponibili.
Multimodalità nativa
Inkling elabora nativamente testo, immagini, audio e video nello stesso modello. Non moduli separati incollati insieme, ma una comprensione unificata. Questo lo posiziona direttamente contro modelli come Gemini 3.5 e GPT-5.6 che offrono capacità multimodali simili, ma in forma proprietaria.
La multimodalità nativa è cruciale per casi d'uso reali: analisi di documenti con grafici, comprensione di video, transcrizione e sintesi audio, generazione di contenuti che combinano testo e visual. Con Inkling, tutto questo è disponibile in open-weight, modificabile e deployable on-premise.
975 miliardi di parametri, 41B attivi, 1M di contesto, multimodalità nativa, Apache 2.0. Inkling non è il modello più forte, ma è il più potente base open per personalizzazione mai rilasciata negli Stati Uniti.
Posizionamento competitivo
Secondo Artificial Analysis, Inkling è attualmente il più potente modello open-weight statunitense, superando Kimi K2.6 e DeepSeek V4 sui benchmark. Tuttavia, arriva appena due giorni prima di Kimi K3 di Moonshot AI (2,8 trilioni di parametri), che supera Inkling in scala assoluta.
Il quadro competitivo è così strutturato:
- Inkling (USA, 975B): il più potente open-weight statunitense, Apache 2.0, ottimizzato per personalizzazione
- Kimi K3 (Cina, 2,8T): il più grande open-weight in assoluto, open weights promessi entro 27 luglio
- DeepSeek V4 (Cina, ~700B): leader open-weight da mesi, stable release prevista 24 luglio, pricing 75% sotto i rivali
- GPT-5.6 Sol / Claude Fable 5 (USA, proprietari): frontier model chiusi, più forti in assoluto ma non personalizzabili
Thinking Machines non cerca di vincere il benchmark assoluto. Cerca di vincere il mercato della personalizzazione: aziende che vogliono fine-tuning, ricerca accademica, deployment on-premise senza vincoli.
Tinker: la piattaforma di fine-tuning
Inkling è integrato con Tinker, la piattaforma di fine-tuning di Thinking Machines Lab. Tinker permette agli sviluppatori di personalizzare Inkling su dataset specifici con un'interfaccia semplificata. Questo è il vero modello di business della startup: non vendere API, ma vendere la capacità di personalizzare un modello frontier open-weight.
L'approccio è radicale nel panorama AI attuale. OpenAI, Anthropic e Google vendono accesso ai loro modelli tramite API, ma non permettono di modificarli. Thinking Machines dà via il modello gratuitamente e monetizza sulla personalizzazione. È il modello open-source classico applicato all'AI frontier.
Il contesto: la settimana dell'open-weight
Inkling arriva nel mezzo di quella che viene già chiamata la "settimana dell'open-weight". In pochi giorni:
- 15 luglio: Inkling (975B, USA, Apache 2.0)
- 16 luglio: Kimi K3 (2,8T, Cina, open weights promessi 27 luglio)
- 24 luglio (previsto): DeepSeek V4 stable release (Cina, pricing 75% sotto rivali)
Il campo open-weight sta guadagnando un momentum senza precedenti, costringendo i laboratori chiusi a difendere il loro pricing. Quando tre modelli da 700B-2,8T parametri sono disponibili gratuitamente o a costi marginali, il valore dei modelli proprietari a $15-60 per milione di token diventa più difficile da giustificare.
Perché importa
Inkling rappresenta tre shift simultanei. Tecnologico: 975B parametri open-weight con multimodalità nativa redefiniscono ciò che è disponibile gratuitamente. Economico: il modello business basato su personalizzazione (Tinker) invece di API access sfida l'intero paradigma AI-as-a-service. Cultural: Mira Murati, ex CTO di OpenAI, sceglie l'open-weight contro il modello chiuso che ha contribuito a costruire.
Per sviluppatori e aziende, Inkling offre ciò che i modelli proprietari non possono: controllo completo. Fine-tuning su dataset proprietari, deployment on-premise per privacy, modifica dell'architettura per casi d'uso specifici, nessuna dipendenza da cloud provider. Tutto sotto Apache 2.0, tutto modificabile, tutto deployable.
Alla AISAC aiutiamo le aziende a integrare soluzioni AI personalizzate nei loro workflow. Se vuoi capire come Inkling e i modelli open-weight possono trasformare i tuoi processi, parliamone insieme.