Rettifica del 17 ottobre 2026. Conservato annuncio verificato; corretti input video, primo prodotto, API e generalizzazioni comparative.
Thinking Machines Lab ha rilasciato Inkling il 15 luglio 2026. L’annuncio ufficiale presenta un modello addestrato da zero, con pesi disponibili, pensato come base personalizzabile per applicazioni e ricerca. La notizia è confermata: il suo interesse va spiegato attraverso caratteristiche documentate, evitando di trasformarlo automaticamente nel vincitore di ogni confronto.
Architettura e capacità dichiarate
Il produttore indica 975 miliardi di parametri complessivi e 41 miliardi attivi, un’architettura Mixture-of-Experts e un contesto fino a un milione di token. Il pretraining comprende 45 mila miliardi di token di testo, immagini, audio e video. Quest’ultimo dato descrive il materiale di addestramento e non coincide con l’elenco degli input supportati dal prodotto distribuito.
La model card specifica infatti input testuali, immagini e audio, con output testuale, e identifica la licenza Apache 2.0. Per chi costruisce un’applicazione, questa distinzione è essenziale: una capacità dimostrata durante il training non va promessa all’utente senza verificare formato, interfaccia e supporto effettivo.
Pesi aperti e servizio di personalizzazione
Inkling può essere scaricato e integrato in infrastrutture proprie, ma non è un modello da eseguire su qualunque computer. La documentazione elenca requisiti hardware importanti e checkpoint differenti. Un progetto deve quindi valutare risorse disponibili, formato numerico, manutenzione e carico operativo prima di associare pesi aperti a costi trascurabili.
Tinker è una via commerciale per personalizzare il modello. La documentazione di modelli e prezzi distingue attualmente configurazioni con contesto di 64K e 256K token. Il massimo dichiarato per il modello non va dunque trasferito automaticamente a ogni modalità del servizio. La card documenta anche accesso via API: personalizzazione e accesso programmabile possono convivere.
Come valutare Inkling
Per un’azienda, il confronto dovrebbe partire dal lavoro richiesto: interpretare documenti, usare strumenti, rispondere a istruzioni specialistiche o assistere nello sviluppo software. Un modello adatto alla personalizzazione può essere interessante anche senza dominare tutte le classifiche. Contano qualità dopo l’adattamento, costi di esercizio e affidabilità dei risultati.
Una prova utile usa dati rappresentativi, criteri di successo definiti prima del test e una verifica degli errori più costosi. I benchmark pubblicati dal laboratorio aiutano a scegliere che cosa approfondire, ma non sostituiscono questo lavoro né dimostrano superiorità generale rispetto a tutti i concorrenti.
Nota di correzione: sono confermati data e numeri principali. La versione precedente confondeva video nel pretraining con input nativo, descriveva Inkling come primo prodotto assoluto e generalizzava i primati. Sono state corrette queste affermazioni e precisata la distinzione tra contesto del modello e configurazioni Tinker.
Fonti e verifica
Fonti consultate nella revisione del 17 ottobre 2026. Gli annunci dei produttori sono attribuiti come tali, non presentati come prove indipendenti.