Мира Мурати представила свою первую модель ИИ после ухода из OpenAI — и она полностью открыта

Мира Мурати покинула OpenAI в сентябре 2024 года, чтобы заняться собственными делами. Почти через два года после этого её исследование принесло плоды. Компания, которую она основала, Thinking Machines Lab, выпустила Inkling — многомодальную модель ИИ, обученную полностью с нуля, с доступными для бесплатной загрузки всеми весами.

Когда совет директоров OpenAI уволил Сэма Альтмана в ноябре 2023 года, Мурати — тогдашний технический директор — была назначена временным генеральным директором. Альтман был восстановлен через пять дней, Мурати вернулась на пост технического директора, а затем ушла окончательно примерно через 10 месяцев. Она основала Thinking Machines Lab в феврале 2025 года.

Компания затем замолчала — и разбогатела. В июле 2025 года она привлекла 2 миллиарда долларов при оценке в 12 миллиардов долларов, возглавляемая Andreessen Horowitz с участием Nvidia, Accel, ServiceNow, Cisco, AMD и Jane Street — это один из крупнейших раундов начального финансирования в истории Кремниевой долины на тот момент.

В ноябре 2025 года появились сообщения о том, что компания ищет новый раунд финансирования при оценке в 50 миллиардов долларов. Эти переговоры провалились к январю 2026 года.

Что такое Inkling

Inkling — это модель смешанных экспертов — архитектура, при которой только часть сети активируется для любого данного ввода, что позволяет поддерживать быструю инференцию без ущерба для глубины. Это очень большая модель: у неё 975 миллиардов параметров (внутренние настройки, определяющие, как модель обрабатывает информацию), из которых 41 миллиард активен для каждой задачи, так что забудьте о запуске её на вашем локальном компьютере.

Будучи многомодальной, эта модель принимает текст, изображения и аудио и поддерживает контекстное окно — количество текста, которое модель может обрабатывать одновременно — в 1 миллион токенов, что примерно соответствует 750 000 словам. Она была предварительно обучена на 45 триллионах токенов, охватывающих текст, изображения, аудио и видео.

«Наша первая модель, Inkling. Обучена с нуля, веса открыты, можно тонко настраивать на Tinker сегодня», — написала Мурати в X. То, что она обучена с нуля, имеет большое значение, особенно в сообществе с открытым исходным кодом, так как это может принести свежий воздух западным разработчикам, которые настороженно относятся к Китаю, но нуждаются в использовании азиатских моделей для своих разработок, поскольку ведущие ИИ-компании в западном мире в основном сосредоточены на выпуске закрытых моделей.

Тонкая настройка — это процесс повторного обучения существующей модели на специализированном наборе данных для улучшения её производительности по конкретной задаче. Tinker — это облачная платформа Thinking Machines, построенная вокруг этого случая использования. Полные веса также доступны на Hugging Face под лицензией Apache 2.0, без ограничений.

Наиболее очевидные успехи Inkling проявляются в агентских задачах. На MCP Atlas — который измеряет, насколько надежно ИИ-агент выполняет реальные задачи с использованием Model Context Protocol, открытого стандарта для подключения ИИ-ассистентов к внешним инструментам и сервисам, оценка производится в процентах выполненных задач — Inkling набирает 74,1%. Это почти на 30 пунктов выше, чем у Nemotron 3 Ultra от Nvidia, главного западного конкурента с открытыми весами в этом сравнении.

На SWE-Bench Verified — тесте на то, может ли ИИ-агент автономно исправлять реальные ошибки программного обеспечения на GitHub, оценка производится в процентах решенных проблем — Inkling набирает 77,6%, также выше, чем у Nemotron с 70,7%.

В целом, Thinking Machines продает эту модель как "всестороннюю" и универсальную. Это означает, что она не компрометирует качество в одном конкретном наборе задач, потому что её возможности сосредоточены на чем-то другом (например, модели, которые отлично справляются с кодированием, но плохо пишут креативные тексты, например).

Китайские модели все еще имеют преимущество на нескольких фронтах. GLM 5.2 от Z.ai набирает 82,7% на Terminal Bench 2.1 — бенчмарке, измеряющем автономные ИИ-кодирующие агенты в реальной терминальной среде, оценка производится в процентах выполненных задач — против 63,8% у Inkling. Kimi K2.6 лидирует на Humanity's Last Exam, тесте научного мышления на уровне PhD.

Thinking Machines это признает. Inkling не является самой сильной моделью, доступной сегодня, открытой или закрытой.

Тем не менее, это самая мощная модель с открытыми весами, созданная западной лабораторией. Разработчики, которые — по юридическим, безопасностным или комплаенс-причинам — не хотят направлять рабочие нагрузки через модели, созданные в Пекине, теперь имеют реальную альтернативу для саморазмещения китайских моделей.

Теперь у этих разработчиков есть модель, которая (хотя и хуже лучших китайских моделей почти во всем) лучше соответствует их идеалам, ожиданиям и ценностям. Последующие тонкие настройки могут сделать эту модель выдающейся в конкретных задачах, делая эти тонкие настройки конкурентоспособными в бенчмарках по сравнению с азиатскими моделями.

На FORTRESS Adversarial — тесте, который проверяет, насколько последовательно модель отказывается от действительно вредных подсказок, не блокируя легитимные, оценка производится в процентах правильно обработанных — Inkling набирает 78,0%, что является самым высоким показателем среди всех моделей с открытыми весами в этом сравнении.

Вместе с Inkling, Thinking Machines представила Inkling-Small: 276 миллиардов параметров, 12 миллиардов активных, уже соответствующих более крупной модели по большинству бенчмарков рассуждений. Её веса будут доступны после завершения тестирования, сроков не указано.