پس از دو سال سکوت از طرف Thinking Machines Lab، مدل Inkling بهتازگی منتشر شده و در OpenRouter در دسترس قرار گرفته است. این مدل منحصربهفرد و منبع باز، با پانصد و هفتاد و پنج میلیارد پارامتر، تماماً از صفر آموزش دیده است.
این اولین مدل مهم از آزمایشگاه میرای موراتی است که پس از ترک OpenAI در سپتامبر ۲۰۲۴، عرضه شده است. قیمت آن در OpenRouter، یک دلار به ازای هر میلیون توکن ورودی و ۴.۰۵ دلار به ازای هر میلیون توکن خروجی است که امکان استفاده در سامانههای Hermes و OpenClaw را فراهم کرده است. این در حالی است که مدلهای رقیب نتایج بهتری در بنچمارکهای خام با هزینه برابر یا کمتر ارائه میدهند.
میرای موراتی پس از ترک OpenAI، دو سال در حال ساختن چیزی نو بوده و هفته گذشته آن را برای عموم آشکار ساخت. Inkling، نخستین مدل آزمایشگاه فکر میکنیگه ماشینز است و به عنوان بهترین مدل منبع باز آموزشدیده از صفر توسط یک آزمایشگاه غربی شناخته میشود.
آزمایشگاههای غربی در رقابتهای منبع باز عقب ماندهاند؛ عرضههای Mistral در آوریل با ردهبندی غالب توسط Qwen، GLM از Z.ai و Kimi از Moonshot AI روبهرو بودند. مدل Nvidia Nemotron، تنها مدل غربی در رتبهبندی، چندان در وضعیت «درستترین» قرار ندارد. Inkling نیز با نسخههای کامل بر روی Hugging Face تحت مجوز Apache 2.0 عرضه شده است.
این مدل از معماری «کارشناس مخلوط» بهره میبرد: 975 میلیارد پارامتر کل، 41 میلیارد فعال در حین استنتاج. توانایی خواندن متن، تصاویر و صدا را دارد، از یک پنجره ۱ میلیون توکن پشتیبانی میکند و بر روی ۴۵ تریلیون توکن آموزش دیده است. پارامترها همان تنظیماتی هستند که یک مدل میتواند کنترل کند، توکنها هم واحد اطلاعات پایهای هستند که AI پردازش میکند.
در واقع، این مدل را نمیتوان در سیستمهای محلی اجرا کرد—حتی نزدیک هم نیست. مهمترین مزیت آن، استفاده توانمند از ابزارهای عاملی است. امتیاز MCP Atlas - که میزان موفقیت یک عامل در انجام وظایف دنیای واقعی بر اساس استاندارد Model Context Protocol است—برای Inkling، ۷۴.۱ درصد است، تقریبا ۳۰ امتیاز بالاتر از Nvidia Nemotron 3 Ultra. در آزمون SWE-Bench Verified، که میزان حل مسائل در GitHub را اندازهگیری میکند، این مدل ۷۷.۶ درصد را بدست آورد، در حالی که Nemotron تنها ۷۰.۷ درصد داشت.
در حال حاضر، میتوانید این مدل را در OpenRouter با هزینه یک دلار به ازای هر میلیون توکن ورودی و ۴.۰۵ دلار برای هر میلیون توکن خروجی بیابید. هر سامانهای که از طریق OpenRouter ترافیکش عبور میکند، میتواند آن را جایگزین کند بدون نیاز به تنظیمات خاص، و امتیاز MCP Atlas آن، گزینهای مطمئن برای کارهای عاملانه است.
اگر بخواهیم به عملکرد خام در برنامهنویسی نگاه کنیم، مدلهای چینی هنوز برتری دارند. بنچمارکها مهم هستند، اما نشست با مدل و آزمودن تواناییهای آن تفاوت فاحشی دارد. ما Inkling را در پروژههای مختلف آزمایش کردیم تا ببینیم واکنش آن در کارهای روزمره چگونه است. در این زمینه، به خوبی عمل میکند، اما نقطه ضعفها نیز نمایان میشود.
در مواجهه با درخواستهایی پیچیده، Inkling اغلب ناکام میماند—بیشترین آزمونهای ما نتیجهای نداشتند. اما با کاهش سختی درخواست، تصویر متفاوتی شکل میگیرد، هر چند مطلوب نیست.
برای مثال، در درخواست طولانی و جزئی که یک بازی تیراندازی با بمبگذاری زامبیها را توضیح میداد، مدل نتوانست بازی پرکاربردی بسازد. در حالی که با درخواست سادهتر، توانست یک بازی ابتدایی تولید کند. اشکال اصلی در حرکت و نرخ spawn بودن دشمنان بود که برخلاف انتظار به صورت پیوسته تولید میشد، نه در موجهای جداگانه.
در مقایسه، مدل Bonsai 27B، که بر پایه Qwen 3.6 است و تنها ۳.۹ گیگابایت حجم دارد، نتایج بهتری ارائه داد و بازی کاملتری ساخت. این نشان میدهد که پارامترهای بیشتر لزوماً برتری نمیآورد و سوالی درباره نحوه استفاده صحیح از این حجم پارامترها مطرح میکند.
همچنین، مدل در آزمونهای خلاقانه و استنتاج منطقی نمرات متفاوتی کسب میکند. در آزمونهای ارتباط ایدهها، مدل تلاش داشت با ارائه تطابقهای سمبلیک، مفاهیمی مانند شاخه، استثمار کارگر، و کاهو را مرتبط کند. اما در بخشهایی، روابط مفهومی نادرستی ارائه شد، مخصوصاً در مورد کاهو که نتوانست رابطه منطقی برقرار کند.
در آزمایشهای فکر و منطق، Inkling در حل مسائل با چالش روبرو شد. نمونهای از مسئله عبور از پل با فِرِند، که باید با زمان کمترین زمان ممکن انجام میشد، پاسخ نادرستی داد و استدلال اشتباهی ارائه کرد. در مقابل، سایر مدلها هم در این آزمون نمرههای پایینتر گرفتند، ولی نشان دادند که این آزمونها برای ارزیابی واقعی کافی نیستند.
در مجموع، Inkling یک مدل منبع باز عالی برای سازمانهای محدودکننده، با تمرکز بر تطابقپذیری و قانونپذیری است. امتیاز MCP Atlas، مجوز Apache 2.0، و هزینه مناسب، آن را برای بهرهبرداری در کارهای عاملی و کارهای حساس مناسب میسازد. اما برای توسعهدهندگان کوچکتر، مدلهای کمحجمتر و ارزانتر که در بنچمارکها بهتر عمل میکنند، گزینههای بهتری هستند.
در نهایت، آزمایشگاه موراتی موفق شد مدل واقعی و قابل آموزش از صفر ارائه کند. اما نسخه اول، بیشتر یک ابزار تخصصی است تا یک جایگزین روزمره در کارهای روزمره.
