Thinking Machines、エンタープライズ向けカスタマイズに特化したオープンウェイト モデル Inkling をリリース

元OpenAI CTO Mira Murati が創業した Thinking Machines Lab は、水曜朝、初のプロプライエタリ AI モデル Inkling をリリースした。OpenAI、Anthropic、Google のフラッグシップモデルと異なり、Inkling はオープンウェイトで、外部の開発者と企業がダウンロードして直接修正できる。モデルはエキスパートミクスチャーシステムとして動作し、総パラメータ数 9750億であるが、与えられたタスクでは約 41 億パラメータのみを使用する—非常に大規模なモデルを高速で安価に実行させる一般的な設計。Inkling は 45 兆トークンのテキスト、画像、音声、動画で学習され、4 つすべてのモダリティにわたってネイティブに推論する。ただし、現世代の機能はテキスト出力（コード、スタイル化されたアーティファクト、構造化データを含む）に限定されている。

Thinking Machines は、ほぼ公開されていない状態で AI インフラストラクチャの構築に約 1 年半を費やした後、Inkling をリリースした。その作業の一部は、5 月に「インタラクションモデル」の研究プレビューとして表面化した—従来のチャットボットのように停止して待つのではなく、聞いて話し（さらには割り込むことさえ）設計された AI。モデルは校正された回答を提供するように設計され、推測ではなく不確実性をフラグし、ユーザーが「考え抜く努力」を上下に調整してスピードと徹底性をトレードオフできるようにする。あるベンチマークでは、Inkling は Nvidia の Nemotron 3 Ultra—最新世代のオープンウェイトモデル—と同じコーディング性能に到達するために 3 分の 1 のトークンを使用する。ただし、同社は明示的に Inkling が「クローズドとオープンを問わず現在利用可能な最強モデルではない」と述べており、代わりに均衡の取れた性能とカスタマイズ可能性を優先している。

Thinking Machines は Inkling を完成品というより、Tinker（同社のモデルカスタマイズプラットフォーム）を通じて組織がファインチューニングするための出発点として販売している。同社の中心的な主張（先週公開されたポストで詳述）は、1 つの企業によって集中的に学習され、その後固定化された AI は、組織が自ら形作る AI を上回るパフォーマンスが落ちるということである。なぜなら、非常に多くの専門知識がそれを保有する人々に固有だからである。この論文はより広い支持を得ている：Microsoft CEO Satya Nadella は、プロプライエタリモデルを使用するエンタープライズは事実上二重に支払っている—サブスクリプションコストと、数千のプロンプトと修正に埋め込まれたビジネス知識を引き渡すことで、それが将来のモデルバージョンに吸収される可能性があると警告した。Hugging Face CEO Clem Delangue は、フロンティアモデルは実験と高価値タスクに次第に限定され、ほとんどの本番 AI 作業がプライベートまたはオープンソース代替品にシフトするだろうと予測した—正にこれが Thinking Machines が構築している分割である。

Thinking Machines の主張に対する最も明確な証拠は、Bridgewater Associates（世界最大のヘッジファンド。同社の投資家ではない）とのプロジェクトから来た。両社の研究者は既存のオープンソースモデルを取り、Bridgewater 独自の金融専門知識でさらに学習させた。結果は金融推論テストで 84.7% を記録し、トッププロプライエタリ AI モデルを上回りながら、実行コストは約 14 分の 1 程度であった。ただし、これらの結果は独立した評価ではなく両社独自の評価から来ている。学習手法に関して、Thinking Machines は Inkling を最初からプリトレーニングしたが、Moonshot AI の Kimi K2.5 を含むその他のオープンウェイトモデルを使用して、大規模強化学習が引き継ぐ前に初期のポストトレーニングデータを生成するのに役立てた。同社は次のモデルは完全に自己完結したポストトレーニングを使用すると述べている。

Thinking Machines は 3 月に Nvidia と戦略的パートナーシップを締結し、Vera Rubin コンピューティング容量 1 ギガワットをデプロイし、Inkling は Nvidia の GB300 NVL72 システム上で完全に学習された。同社は学習コストと収益のバランスをどのように計画しているかを公開していない。複数のアウトレットが 11 月に組み立てられていると報じた 500 億ドルの資金調達ラウンドの焦点となっていたが、そのラウンドは 1 月までに停滞していると報じられている。Thinking Machines はそれ以来、その資金状況について議論することを拒否しているが、同社が 3 月のパートナーシップを発表した際、Nvidia は「大きな投資」を行ったと述べている。同社の収益モデルは Tinker に依存している—トレーニング、ファインチューニング、およびホスティングエコシステムの一部を通じて—モデルウェイトへの従量アクセスではなく、ウェイトが公開されると、誰も Thinking Machines に実行するために支払う義務がないためである。Thinking Machines は現在約 200 人を雇用しており、今年初めの離職の波の後レベルが低下している。1 月に OpenAI に去った 2 人の共同創業者を含む。同社は、その文化は設計によって、いかなる一人の個性への依存よりも継続性を優遇していると強調している。

Thinking Machines による Inkling のリリースは、エンタープライズ AI に標準化よりもカスタマイズが優位であるという確信の高まりを反映している。同社の賭けは、OpenAI や Anthropic のような集中化された研究機関が、個々の組織に固有のドメイン固有知識を無視する一律的なプロダクトを販売しているという前提に基づいている。この議論は Thinking Machines を超えて信頼性を獲得している。Microsoft CEO Satya Nadella は最近、プロプライエタリモデルを使用するエンタープライズは事実上二重に支払っている—サブスクリプションコストと、数千のプロンプトと修正に埋め込まれたビジネス知識を引き渡すことで、それが将来のモデルバージョンに吸収される可能性があると警告している。Hugging Face CEO Clem Delangue は、フロンティアモデルは実験と高価値タスクに次第に限定され、ほとんどの本番 AI 作業がプライベートまたはオープンソース代替品にシフトするという同様の予測を行った。

Bridgewater Associates プロジェクトはこの論文に対する具体的な証拠を提供している。両社の研究者はオープンソースモデルを Bridgewater の金融専門知識でファインチューニングし、金融推論テストで 84.7% を達成し、トッププロプライエタリモデルを上回りながら、実行コストは約 14 分の 1 程度であった。この結果—独立した評価ではなく両社自身による評価—はドメイン固有カスタマイズの潜在的価値を実証している。Thinking Machines の市場投入速度（約 9 カ月）はまた、同社がより大きなライバルよりも効率的なパスを見出したことを示唆しているが、その支出が最終的に OpenAI や Anthropic レベルにスケールするのか、あるいはその効率駆動型アプローチが根本的に経済性を変えるのかについての疑問が残る。