Thinking Machines משיקה את Inkling: מודל פתוח של 975 מיליארד פרמטרים
Thinking Machines Lab של Mira Murati פרסמה את Inkling, מודל ראשון עם משקולות פתוחות ברישיון Apache 2.0. החברה עצמה אומרת שהוא לא המודל החזק ביותר, ושהוא נועד להתאמה אישית.
TL;DR בקצרה
- ב-15 ביולי 2026 Thinking Machines Lab פרסמה את Inkling, מודל mixture-of-experts עם 975 מיליארד פרמטרים, מהם 41 מיליארד פעילים.
- המודל מבין טקסט, תמונות ואודיו, פולט טקסט בלבד, ותומך בהקשר של עד מיליון טוקנים. הרישיון לפי כרטיס המודל הוא Apache 2.0.
- החברה אומרת ש-Inkling אינו המודל החזק ביותר, ושהוא נועד לשמש בסיס להתאמה אישית ב-Tinker.
- הרצה עצמית דורשת לפחות 600GB זיכרון GPU בגרסה המכווצת, ועברית לא מופיעה ברשימת השפות.
Thinking Machines Lab, החברה של Mira Murati, פרסמה ב-15 ביולי 2026 את Inkling, המודל הראשון שלה עם משקולות פתוחות. זהו מודל mixture-of-experts עם 975 מיליארד פרמטרים, והחברה מפיצה אותו ברישיון Apache 2.0. משקולות פתוחות אומרות שכל מי שיש לו חומרה מתאימה יכול להוריד את המודל, להריץ אותו ולהתאים אותו לצרכיו.
המפרט של Inkling: קלטים, חלון הקשר ומומחים
לפי הודעת החברה, רק 41 מיליארד מתוך 975 מיליארד הפרמטרים פעילים בכל טוקן. בכל שכבה יש 256 מומחים מנותבים, ו-6 מהם עובדים על כל טוקן. חלון ההקשר מגיע עד מיליון טוקנים. החברה אימנה את המודל על 45 טריליון טוקנים של טקסט, תמונות, אודיו ווידאו.
כרטיס המודל מפרט שהקלט הוא טקסט, תמונות ואודיו, והפלט הוא טקסט בלבד. אפשר לכוון את מאמץ החשיבה בין 0.2 ל-0.99. החברה טוענת שהמודל משתווה ל-Nemotron 3 Ultra במבחן Terminal Bench 2.1, בערך בשליש מהטוקנים.
הנקודה המעניינת היא ההצהרה של החברה עצמה. ב-15 ביולי 2026 כתבה החברה ש-Inkling הוא ״לא המודל החזק ביותר שקיים היום, פתוח או סגור״. הוא מוצג כמודל ראשון במשפחה, שנועד לשמש בסיס להתאמה אישית.
הציונים שהחברה מדווחת, ומה חסר בהם
החברה מדווחת על ציונים גבוהים. במבחן HLE הוא מגיע ל-46.0% עם כלים, ובמבחן GPQA Diamond ל-87.2%. ב-AIME 2026 הוא מגיע ל-97.1%, וב-SWE-bench Verified ל-77.6%.
כל המספרים האלה מגיעים מהחברה עצמה. היא מציינת כמה הסתייגויות: את Terminal Bench 2.1 הריצו בסביבה פנימית, ופתרונות שזוהו כמזוהמים קיבלו אפס. מספר ה-HLE מגיע מגרסה מקדימה של המודל. בנוסף, החברה מציינת שחקר ההתנהגות הבטוחה של המודל אחרי התאמה אישית טרם הסתיים.
Simon Willison מציין שהתיעוד על נתוני האימון קצר מאוד. המסמך אומר רק שהשירותים פותחו על תכנים ציבוריים מהאינטרנט הפתוח.
איך אפשר להשתמש ב-Inkling ומה צריך בשביל זה
את המשקולות אפשר להוריד מ-Hugging Face, בגרסה המקורית ובגרסת NVFP4 לשבבי Blackwell. החברה מציעה את המודל גם ב-Tinker, הפלטפורמה שלה להתאמה אישית. ספקי API כמו Together AI, Fireworks, Modal, Databricks ו-Baseten מציעים אותו להרצה.
במודל כזה רק חלק מהפרמטרים עובד בכל טוקן. אבל כל הפרמטרים צריכים להיות בזיכרון, ולכן הדרישות נשארות גבוהות.
הרצה עצמית היא עניין כבד. לפי כרטיס המודל, הגרסה המלאה דורשת לפחות 2TB זיכרון GPU, למשל 8 שבבי B300 או 16 שבבי H200. הגרסה המכווצת דורשת לפחות 600GB.
לדוברי עברית יש הסתייגות. כרטיס המודל מציין תמיכה רב-לשונית כללית, והעברית לא מופיעה ברשימה. הוא מזהיר שהביצועים עלולים להיות לא אחידים בשפות שהיו מיוצגות מעט באימון.
מה זה אומר עבורכם
- אל תתכננו הרצה ביתית. גם הגרסה המכווצת דורשת לפחות 600GB זיכרון GPU.
- נסו דרך ספק API. כך בודקים את Inkling בלי לקנות חומרה.
- בדקו עברית לפני שמחליטים. הרשימה הרשמית לא כוללת אותה, ולכן הריצו בדיקה על טקסטים שלכם.
- קראו את הציונים כהצהרה של החברה. אין כאן מבחן עצמאי, ו-Thinking Machines עצמה אומרת שהמודל אינו הטוב ביותר.
- בדקו את הרישיון בכרטיס המודל. עמוד ההודעה לא מזכיר רישיון, והכרטיס מציין Apache 2.0.
מה קרה מאז: לפי עדכון בעמוד ההודעה, החברה השיקה את Inkling-Small כשבועיים אחרי ההכרזה. זו גרסה של 276 מיליארד פרמטרים, מהם 12 מיליארד פעילים.
מקורות והרחבה
- Inkling: Open-Weights ModelThinking Machines Lab
- Inkling model cardThinking Machines Lab
- InklingSimon Willison
הכתבה נכתבה במקור בעברית על ידי מערכת GEEKLIK, על בסיס המקורות שלמעלה ובדיקת העובדות מולם.
מצאתם טעות? דווחו לנו
