Mira Murati bringt ihr erstes KI-Modell nach dem Verlassen von OpenAI heraus – und es ist vollständig Open Source

Mira Murati verließ OpenAI im September 2024, um ihr eigenes Ding zu machen. Fast zwei Jahre später wurde diese Erkundung veröffentlicht. Das von ihr gegründete Unternehmen Thinking Machines Lab veröffentlichte Inkling – ein multimodales KI-Modell, das vollständig von Grund auf neu trainiert wurde, wobei jedes Gewicht kostenlos heruntergeladen werden kann.

Als der Vorstand von OpenAI Sam Altman im November 2023 entließ, wurde Murati – damals CTO – zur Interims-CEO ernannt. Altman wurde fünf Tage später wieder eingesetzt, Murati kehrte als CTO zurück und verließ das Unternehmen dann etwa 10 Monate später endgültig. Sie gründete Thinking Machines Lab im Februar 2025.

Das Unternehmen wurde dann still – und reich. Es sammelte im Juli 2025 2 Milliarden Dollar bei einer Bewertung von 12 Milliarden Dollar, angeführt von Andreessen Horowitz mit Nvidia, Accel, ServiceNow, Cisco, AMD und Jane Street – eine der größten Seed-Runden in der Geschichte des Silicon Valley zu diesem Zeitpunkt.

Berichten zufolge suchte das Unternehmen im November 2025 eine neue Runde bei einer Bewertung von 50 Milliarden Dollar. Diese Gespräche brachen im Januar 2026 zusammen.

Was ist Inkling

Inkling ist ein Mischung-aus-Experten-Modell – eine Architektur, bei der nur ein Teil des Netzwerks für einen bestimmten Input aktiviert wird, wodurch die Inferenz schnell bleibt, ohne an Tiefe zu verlieren. Es ist ein sehr großes Modell: Es hat insgesamt 975 Milliarden Parameter (die internen Einstellungen, die definieren, wie das Modell Informationen verarbeitet), mit 41 Milliarden aktiven pro Aufgabe, also vergessen Sie es, es auf Ihrem lokalen Rechner auszuführen.

Als multimodales Modell akzeptiert dieses Modell Text, Bilder und Audio und unterstützt ein Kontextfenster – die Menge an Text, über die das Modell gleichzeitig nachdenken kann – von 1 Million Tokens, was ungefähr 750.000 Wörtern entspricht. Es wurde auf 45 Billionen Tokens trainiert, die Text, Bilder, Audio und Video umfassen.

"Unser erstes Modell, Inkling. Von Grund auf neu trainiert, Gewichte sind offen, heute auf Tinker feinabstimmbar," schrieb Murati auf X. Die Tatsache, dass es von Grund auf neu trainiert wurde, bedeutet viel, insbesondere in der Open-Source-Community, da es frischen Wind für westliche Entwickler bringen könnte, die vorsichtig gegenüber China sind, aber asiatische Modelle für ihre Entwicklungen nutzen müssen, da die führenden KI-Unternehmen in der westlichen Welt hauptsächlich darauf fokussiert sind, geschlossene Modelle zu liefern.

Feinabstimmung ist der Prozess, ein bestehendes Modell auf einem spezialisierten Datensatz neu zu trainieren, um seine Leistung bei einer bestimmten Aufgabe zu verbessern. Tinker ist die Cloud-Plattform von Thinking Machines, die um diesen Anwendungsfall herum aufgebaut ist. Die vollständigen Gewichte sind ebenfalls auf Hugging Face unter einer Apache 2.0-Lizenz ohne Einschränkungen verfügbar.

Die klarsten Erfolge von Inkling kommen in agentischen Aufgaben. Auf MCP Atlas – das misst, wie zuverlässig ein KI-Agent reale Aufgaben mit dem Model Context Protocol, dem offenen Standard zur Verbindung von KI-Assistenten mit externen Tools und Diensten, abschließt, bewertet als Prozentsatz der abgeschlossenen Aufgaben – erzielt Inkling 74,1 %. Das sind fast 30 Punkte über Nvidia's Nemotron 3 Ultra, dem Hauptkonkurrenten mit offenen Gewichten in diesem Vergleich.

Auf SWE-Bench Verified – einem Test, ob ein KI-Agent autonom echte GitHub-Softwarefehler beheben kann, bewertet als Prozentsatz der gelösten Probleme – erzielt Inkling 77,6 %, ebenfalls über Nemotron's 70,7 %.

Insgesamt verkauft Thinking Machines dieses Modell als "gut abgerundet" und generalistisch. Das bedeutet, dass es die Qualität in einem bestimmten Aufgabenbereich nicht beeinträchtigt, weil sich seine Fähigkeiten auf etwas anderes konzentrieren (wie Modelle, die großartig im Programmieren sind, aber beim kreativen Schreiben schlecht abschneiden, zum Beispiel).

Die chinesischen Modelle haben in mehreren Bereichen immer noch die Oberhand. Z.ai's GLM 5.2 erzielt 82,7 % auf Terminal Bench 2.1 – einem Benchmark, der autonome KI-Coding-Agenten in einer realen Terminalumgebung misst, bewertet als Prozentsatz der abgeschlossenen Aufgaben – im Vergleich zu Inkling's 63,8 %. Kimi K2.6 führt bei Humanity's Last Exam, einem Test des wissenschaftlichen Denkens auf Doktoratsniveau.

Thinking Machines erkennt dies an. Inkling ist nicht das stärkste Modell, das heute verfügbar ist, ob offen oder geschlossen.

Was es ist, ist das fähigste Modell mit offenen Gewichten, das von einem westlichen Labor entwickelt wurde. Entwickler, die – aus rechtlichen, sicherheitstechnischen oder Compliance-Gründen – keine Arbeitslasten durch in Peking entwickelte Modelle leiten wollen, haben jetzt eine echte Alternative zum Selbst-Hosting chinesischer Modelle.

Jetzt haben diese Entwickler ein Modell, das (auch wenn es in fast allem schlechter ist als die besten chinesischen Modelle) besser mit ihren Idealen, Erwartungen und Werten übereinstimmt. Nachfolgende Feinabstimmungen können dieses Modell dazu bringen, bei bestimmten Aufgaben hervorragend abzuschneiden, wodurch diese Feinabstimmungen im Vergleich zu asiatischen Modellen wettbewerbsfähig werden.

Auf FORTRESS Adversarial – das testet, wie konsistent ein Modell wirklich schädliche Eingaben ablehnt, ohne legitime zu überblocken, bewertet als Prozentsatz korrekt behandelter Eingaben – erzielt Inkling 78,0 %, die höchste Punktzahl unter allen offenen Modellen in diesem Vergleich.

Neben Inkling stellte Thinking Machines Inkling-Small vor: 276 Milliarden Gesamtparameter, 12 Milliarden aktiv, die bereits die größeren Modelle bei den meisten Denkbenchmarks erreichen. Seine Gewichte werden veröffentlicht, sobald die Tests abgeschlossen sind, ohne einen Zeitrahmen anzugeben.