Mira Murati Lança Seu Primeiro Modelo de IA Após Sair da OpenAI—E É Totalmente Open Source

Mira Murati deixou a OpenAI em setembro de 2024 para seguir seu próprio caminho. Quase dois anos depois, essa exploração foi concretizada. O Thinking Machines Lab, a empresa que ela fundou, lançou o Inkling—um modelo de IA multimodal treinado completamente do zero, com todos os pesos disponíveis para download gratuito.

Quando o conselho da OpenAI demitiu Sam Altman em novembro de 2023, Murati—então CTO—foi nomeada CEO interina. Altman foi reintegrado cinco dias depois, Murati voltou ao cargo de CTO e, em seguida, saiu definitivamente cerca de 10 meses depois. Ela fundou o Thinking Machines Lab em fevereiro de 2025.

A empresa então ficou quieta—e rica. Levantou 2 bilhões de dólares com uma avaliação de 12 bilhões de dólares em julho de 2025, liderada pela Andreessen Horowitz com Nvidia, Accel, ServiceNow, Cisco, AMD e Jane Street ao lado—um dos maiores ciclos de investimento inicial na história do Vale do Silício na época.

Relatórios em novembro de 2025 indicavam que a empresa estava buscando uma nova rodada com uma avaliação de 50 bilhões de dólares. Essas negociações fracassaram em janeiro de 2026.

O que é Inkling

Inkling é um modelo de mistura de especialistas—uma arquitetura onde apenas uma parte da rede é ativada para qualquer entrada dada, mantendo a inferência rápida sem sacrificar a profundidade. É um modelo muito grande: possui 975 bilhões de parâmetros totais (as configurações internas que definem como o modelo processa informações), com 41 bilhões ativos por tarefa, então esqueça a ideia de rodá-lo em sua máquina local.

Sendo multimodal, este modelo aceita texto, imagens e áudio, e suporta uma janela de contexto—quantidade de texto que o modelo pode raciocinar de uma vez—de 1 milhão de tokens, aproximadamente 750.000 palavras. Foi pré-treinado em 45 trilhões de tokens abrangendo texto, imagens, áudio e vídeo.

"Nosso primeiro modelo, Inkling. Treinado do zero, pesos são abertos, ajustáveis no Tinker hoje," escreveu Murati no X. O fato de ter sido treinado do zero significa muito, especialmente na comunidade de código aberto, pois pode trazer um novo fôlego para desenvolvedores ocidentais que estão receosos da China, mas precisam usar modelos asiáticos para seus desenvolvimentos, uma vez que as principais empresas de IA no mundo ocidental estão focadas principalmente em lançar modelos de código fechado.

O ajuste fino é o processo de re-treinamento de um modelo existente em um conjunto de dados especializado para melhorar seu desempenho em uma tarefa específica. O Tinker é a plataforma em nuvem do Thinking Machines construída em torno desse caso de uso. Os pesos completos também estão no Hugging Face sob uma licença Apache 2.0, sem restrições.

As vitórias mais claras do Inkling vêm em tarefas agentivas. No MCP Atlas—que mede quão confiavelmente um agente de IA completa tarefas do mundo real usando o Model Context Protocol, o padrão aberto para conectar assistentes de IA a ferramentas e serviços externos, pontuou como porcentagem de tarefas concluídas—o Inkling obteve 74,1%. Isso é quase 30 pontos acima do Nemotron 3 Ultra da Nvidia, o principal rival de pesos abertos ocidentais na comparação.

No SWE-Bench Verified—um teste de se um agente de IA pode corrigir autonomamente bugs de software reais do GitHub, pontuado como porcentagem de problemas resolvidos—o Inkling pontua 77,6%, também acima dos 70,7% do Nemotron.

No geral, o Thinking Machines está vendendo este modelo como "bem equilibrado" e generalista. Isso significa que não compromete a qualidade em um conjunto específico de tarefas porque suas capacidades se concentram em algo diferente (como modelos que são ótimos em codificação, mas péssimos em escrita criativa, por exemplo).

Os modelos chineses ainda têm vantagem em várias frentes. O GLM 5.2 da Z.ai pontua 82,7% no Terminal Bench 2.1—um benchmark que mede agentes de codificação de IA autônomos em um ambiente de terminal real, pontuado como porcentagem de tarefas concluídas—contra 63,8% do Inkling. O Kimi K2.6 lidera no Humanity's Last Exam, um teste de raciocínio científico em nível de doutorado.

O Thinking Machines reconhece isso. O Inkling não é o modelo mais forte disponível hoje, aberto ou fechado.

O que é, é o modelo de pesos abertos mais capaz construído por um laboratório ocidental. Desenvolvedores que—por razões legais, de segurança ou de conformidade—não querem direcionar cargas de trabalho através de modelos construídos em Pequim agora têm uma alternativa real ao auto-hospedagem de modelos chineses.

Agora, esses desenvolvedores têm um modelo que (mesmo sendo pior do que os melhores modelos chineses em quase tudo) se alinha melhor com seus ideais, expectativas e valores. Ajustes finos subsequentes podem fazer com que este modelo se destaque em tarefas específicas, tornando esses ajustes competitivos em benchmarks em comparação com modelos asiáticos.

No FORTRESS Adversarial—que testa quão consistentemente um modelo se recusa a prompts genuinamente prejudiciais sem bloquear excessivamente os legítimos, pontuado como porcentagem corretamente tratada—o Inkling pontua 78,0%, a maior marca entre todos os modelos de pesos abertos na comparação.

Juntamente com o Inkling, o Thinking Machines apresentou o Inkling-Small: 276 bilhões de parâmetros totais, 12 bilhões ativos, já igualando o modelo maior na maioria dos benchmarks de raciocínio. Seus pesos chegarão assim que os testes forem concluídos, sem prazo definido.