Inkling: новият отворен AI модел на Мира Мурати [2026]

Накратко: Inkling е първият собствен модел на Thinking Machines Lab — лабораторията на бившия технически директор на OpenAI Мира Мурати — пуснат на 15 юли 2026 г. с напълно отворени тегла под лиценз Apache 2.0. Две седмици по-късно, на 30 юли, излезе и по-малката версия Inkling-Small, която на места бие голямия си брат и се събира в две видеокарти.

Ключови факти:

• Дата на пускане: 15 юли 2026 г. за Inkling, 30 юли 2026 г. за Inkling-Small
• Размер: 975 млрд параметри общо, 41 млрд активни на токен; Inkling-Small — 276 млрд общо, 12 млрд активни
• Обучение: 45 трилиона токена текст, изображения, аудио и видео
• Контекст: 1 000 000 токена при двата модела
• Лиценз: Apache 2.0 — търговска употреба, fine-tuning и self-hosting без такси
• Резултати: SWEBench Verified 77,6% за Inkling и 80,2% за Inkling-Small
• Цена през Together AI: $1.00 / $4.05 на милион токена за Inkling; $0.50 / $1.20 за Inkling-Small
• Финансиране на компанията: около $2 млрд при оценка $12 млрд, водено от Andreessen Horowitz

Какво представлява Inkling и какво се случи?

Inkling е първият собствен езиков модел на Thinking Machines Lab и е модел с отворени тегла — тоест файловете с обучените параметри се свалят свободно и се пускат на собствена машина, за разлика от ChatGPT или Gemini, до които се стига само през чужд сървър.

Thinking Machines Lab обяви Inkling на 15 юли 2026 г. Компанията е основана през февруари 2025 г. от Мира Мурати заедно с бивши колеги от OpenAI, сред които Джон Шулман, Барет Зоф и Лилиан Уенг. През юли 2025 г. лабораторията привлече около $2 млрд при оценка от $12 млрд — един от най-големите начални рундове в историята на Силициевата долина.

Самата Мурати съобщи за пускането пестеливо в X:

"Първият ни модел, Inkling. Трениран от нулата, теглата са отворени, може да се дообучава в Tinker още днес." — Мира Мурати, съосновател и главен изпълнителен директор на Thinking Machines Lab

На 30 юли, само две седмици по-късно, дойде и Inkling-Small — същата архитектура, но около три и половина пъти по-малка. И четирите варианта (двата модела плюс квантуваните им NVFP4 версии) са публикувани в Hugging Face, където към началото на август имат стотици хиляди сваляния.

Защо Inkling е важен за отворените AI модели?

Inkling променя нещо в подредбата, което няма общо с класациите. Досега сериозните отворени модели идваха предимно от Китай — GLM 5.2 на Z.ai, Kimi K3, DeepSeek — или от Meta и Google. Американска лаборатория от първа величина, която пуска флагмана си под Apache 2.0, е рядкост.

Втората разлика е в бизнес модела. Thinking Machines не продава достъп до Inkling — продава Tinker, платформа за дообучаване на модели. Тоест компанията печели от това колко хора вземат теглата и ги приспособят към себе си, а не от това колко токена изразходват. Затова и лицензът е възможно най-свободният.

Третото е трезвостта на тона. В официалното съобщение Thinking Machines пише, че Inkling „не е най-силният модел днес, нито сред отворените, нито сред затворените". Формулировката е необичайна за индустрия, свикнала да обявява всеки нов модел за най-добър в света.

Какво ново носят Inkling и Inkling-Small?

Inkling е 66-слоен decoder-only transformer с разредена архитектура Mixture-of-Experts. Всеки токен минава през шест от общо 256 маршрутизирани експерта плюс два споделени — така моделът пази капацитета на 975 млрд параметри, но смята с цената на 41 млрд.

Ето какво го отличава конкретно:

1. Регулируемо усилие при мислене. Параметърът за усилие се движи от почти нула до 0,99 и определя колко дълго моделът разсъждава, преди да отговори. Публикуваните върхови резултати са при 0,99.
2. Мултимодален вход, текстов изход. Приема текст, изображения от 40 до 4096 пиксела и аудио във формат WAV при 16 kHz, а връща само текст.
3. Един милион токена контекст. Достатъчно за цяла кодова база или архив от документи наведнъж.
4. Обучение върху 45 трилиона токена от текст, изображения, аудио и видео, с дедупликация и филтриране по качество.
5. Квантувана NVFP4 версия още от първия ден — тя сваля изискването за видеопамет от 2 TB на 600 GB при големия модел.

Резултатите на Inkling: 97,1% при AIME 2026, 87,2% при GPQA Diamond, 77,6% при SWEBench Verified и 73,5% при MMMU Pro. По-малкият Inkling-Small на места е по-добър — 80,2% при SWEBench Verified и 89,5% при GPQA Diamond, и 95,5% при AIME 2026. Обяснението е в календара: малкият модел излиза 15 дни по-късно и носи по-нов цикъл на дообучаване.

Какви са реакциите на пазара?

Реакцията на разработчиците се вижда най-ясно в броя на свалянията. Квантуваната версия Inkling-NVFP4 е свалена около 248 000 пъти, Inkling-Small-NVFP4 — около 115 000. Тоест повечето хора не взимат оригиналните тегла, а компресираните — практичният избор на всеки, който няма сървърен шкаф с ускорители.

Специализираните медии подчертават не силата, а стратегията. SiliconANGLE отбелязва, че моделът активира само малка част от параметрите си, за да държи скоростта висока и разходите ниски. TechCrunch пише, че за разлика от ChatGPT, Claude и Gemini, построени преди всичко като универсални чатботове, Inkling е замислен около приспособяването към конкретна задача. В същата публикация се посочва съвместна работа с инвестиционния фонд Bridgewater Associates, при която дообучен вариант достига 84,7% при финансови разсъждения — резултат, който по думите на компанията надминава затворени модели при около 14 пъти по-нисък разход. Числото идва от самите участници и все още няма независима проверка.

Компанията сама признава и слабото място. В картата на модела Thinking Machines предупреждава, че Inkling понякога се поддава на ролеви игри и заобиколни вредни заявки — типично за отворените модели — и препоръчва многослойна модерация и човешки надзор при чувствителни приложения.

Inkling или Inkling-Small: кой да изберете?

Разликата, която решава избора, не е в процентите, а в хардуера. Големият Inkling иска най-малко 600 GB видеопамет дори в компресиран вид — на практика цял сървърен шкаф. Inkling-Small се събира в 180 GB, тоест една карта B300 или две H200. Като се има предвид, че H200 носи 141 GB, а B300 — 288 GB памет, малкият модел влиза в бюджета на един сериозен сървър, а големият — не.

Как Inkling засяга България и ЕС?

Inkling е достъпен от България без ограничения — теглата се свалят от Hugging Face, а платеният достъп минава през доставчици като Together AI, Fireworks, Modal, Databricks и Baseten. Няма географски филтър и няма списък на чакащи.

По-важен е регулаторният ъгъл. От 2 август 2026 г. задълженията на европейския AI Act към доставчиците на модели с общо предназначение вече се прилагат. Член 53 освобождава моделите под свободен и отворен лиценз от част от изискванията — техническата документация и информацията към интеграторите — но не и от политиката за авторски права и обобщението на обучителните данни. При модели със системен риск освобождаването отпада изцяло. За български фирми това означава, че вземането на отворени тегла не изтрива задълженията им — просто ги мести другаде.

Сметката, която си струва да направите преди да купите сървър. Inkling-Small иска най-малко 180 GB видеопамет, тоест две карти H200. При обявената цена от $5.99 на час за H200 непрекъснатата работа излиза около $11.98 на час, или близо $8 745 на месец при 730 работни часа. Същият модел през API струва $0.50 за милион входни и $1.20 за милион изходни токена — при равно съотношение това е около $0.85 на милион. Изравняването идва при приблизително 10,3 милиарда токена месечно, което значи около 14 милиона токена всеки час, без прекъсване. Малко български компании се доближават до този обем. Изводът е прост: собственият хостинг на Inkling-Small се оправдава заради данните и контрола, не заради сметката. Ако целта ви е просто по-евтин достъп, API остава по-разумният път.

За екипи, които все пак искат модел на собствена машина, по-леките решения като Ollama и локалните модели остават по-практична отправна точка, а строящата се AI фабрика в София е мястото, където подобни изчисления ще станат реалистични за повече организации.

Какво следва за Thinking Machines?

Thinking Machines обвърза бъдещето си с Tinker — платформата за дообучаване, върху която Inkling е достъпен от първия ден и която компанията предлага с временно намаление от 50%. Логиката е ясна: колкото повече организации приспособят модела към себе си, толкова повече минават през платформата.

Според публикувани съобщения лабораторията води разговори за нов рунд при оценка около $50 млрд. Официално потвърждение няма и това остава непотвърдена информация, а не факт. Компанията не е обявявала дата за следващ модел.

Често задавани въпроси за Inkling

Заключение: струва ли си Inkling?

Inkling заслужава внимание не защото води класациите — Thinking Machines сама казва, че не ги води — а защото сваля бариерата. Голяма американска лаборатория даде флагмана си под Apache 2.0, а вариантът Inkling-Small свежда изискването до хардуер, който един сериозен екип може да си позволи.

За български фирми това отваря конкретна възможност: модел с приличен резултат, който работи там, където стоят данните, без месечна такса за самия лиценз. Сметката обаче остава трезва — собственият хостинг се оправдава при обеми, каквито малко организации имат. Прочетете и по-широкия контекст защо отворените AI модели променят пазара, преди да решите дали да свалите теглата, или да платите за API.

Допълнителни ресурси

• Официално съобщение за Inkling — Thinking Machines Lab
• Карта на модела Inkling и на Inkling-Small
• Тегла в Hugging Face
• Анализ на TechCrunch за стратегията на Thinking Machines
• Член 53 от европейския AI Act — задължения и освобождавания