Thinking Machines apresentou nesta quarta-feira o Inkling, seu primeiro modelo de linguagem multimodal com pesos abertos e licença Apache 2.0, somando 975 bilhões de parâmetros totais – dos quais apenas 41 bilhões ficam ativos a cada geração de token.
O lançamento oferece às empresas um novo caminho para rodar workloads de inteligência artificial agente em nuvens privadas ou on-premises, mantendo controle completo sobre customização e segurança. Para a S&N, esse movimento indica uma pressão crescente por transparência no segmento de modelos de fronteira.
Na prática, o Inkling já pode ser baixado no Hugging Face ou acessado pela API Tinker da própria startup. A licença permissiva elimina tetos de faturamento e cláusulas de uso frequentes em projetos “abertos, mas não livres”, ampliando o leque de aplicações comerciais. Conheça outros conteúdos sobre IA na categoria Inteligência Artificial.
Thinking Machines Inkling: desempenho competitivo e foco em custo
Nos testes independentes, o modelo registra 77,6 % no SWE-bench Verified, superando o rival norte-americano Nvidia Nemotron 3 (71,9 %) em tarefas de engenharia de software, e 91,4 % no VoiceBench, contra 94,4 % do fechado Gemini 3.1 Pro em compreensão de voz.
Embora fique atrás de líderes chineses como GLM 5.2 em benchmarks puros de código (54,3 % no SWEBench Pro versus 62,1 %), a estratégia da Thinking Machines foi criar um “generalista equilibrado” capaz de lidar com texto, imagem e áudio sem dominar todas as tabelas de classificação.
- Contexto e custo: o mecanismo “controllable thinking effort” permite regular o nível de raciocínio de 0,2 a 0,99, reduzindo tokens em tarefas simples e barateando a operação.
- Latência: durante 30 milhões de rollouts de reinforcement learning, a equipe observou a “condensação da cadeia de pensamento”, que encurta passos internos e acelera respostas.
- Ia leve: a pré-via Inkling-Small, com 276 bilhões de parâmetros, atende cenários de baixa latência e orçamento restrito.
Contra concorrentes proprietários, o Inkling perde em raciocínio de ponta – Claude Fable 5 chega a 95,0 % no SWE-bench Verified –, mas mantém competitividade multimodal, marcando 73,3 % no MMMU Pro (visão) e 77,2 % no MMAU (áudio), próximos de Gemini 3.1 Pro (82,5 %).
Resistência à censura e salvaguardas de segurança
Um diferencial proclamado pela startup é a capacidade de responder diretamente a temas potencialmente censurados. No Propaganda and Censorship Eval, da Cognition, o Inkling exibiu “fortes padrões de não conformidade”, afastando respostas alinhadas a ideologias específicas.
Ao mesmo tempo, o modelo manteve 98,6 % no StrongREJECT, que exige recusa a pedidos claramente nocivos, e navegou bem no FORTRESS: 78 % de recusa a prompts adversariais e 95,9 % de conformidade a perguntas benignas. A empresa recomenda, contudo, camadas extras de moderação – como Llama Guard – para casos de uso sensíveis.
“Inkling é o mais capaz modelo open-weight que funde texto, visão e áudio, enquanto oferece controle direto sobre a curva custo-desempenho.” – comunicado da Thinking Machines
Arquitetura e integrações
O Inkling adota arquitetura Mixture-of-Experts esparsa: 975 bi de parâmetros totais, mas só 41 bi ativos por token. A janela de contexto chega a 1 milhão de tokens, com embeddings posicionais relativos em vez do RoPE tradicional.
Na ingestão multimodal, o modelo dispensa encoders externos: espectrogramas dMel entram como áudio e imagens viram patches de 40×40 pixels processados por hMLP, tudo projetado em espaço oculto comum. Ele já roda em bibliotecas como SGLang, vLLM e llama.cpp, além de oferecer checkpoint quantizado NVFP4 pronto para GPUs NVIDIA Blackwell.
Repercussão na comunidade open-source
No X (ex-Twitter), o cofundador John Schulman destacou que o pré-treinamento começou no último inverno do hemisfério norte e envolveu uma equipe enxuta até janeiro. A admiração técnica também veio de Horace He, pesquisador da casa, e de Lysandre Debut, da Hugging Face, que celebrou ganho de 15 % de throughput com trocas simples de kernels.
“Inkling está no ar com pesos abertos e no Tinker. Foi divertido ver tudo se encaixar.” – John Schulman, cofundador da Thinking Machines
Panorama e próximos passos
A história do projeto revela ambição: desde a saída de Mira Murati da OpenAI, em 2024, até a captação recorde de US$ 2 bilhões em 2025, a companhia pregou colaboração humano-IA e ciência aberta. Protótipos como o TML-Interaction-Small, em 2026, já sinalizavam expertise em resposta multimodal em tempo quase real.
Com o Inkling, a Thinking Machines entrega uma fundação que alia escala de frontier model, licença genuinamente livre e ferramentas de ajuste fino voltadas ao uso corporativo. Na leitura do Editorial S&N, a jogada deve acelerar migrações de desenvolvedores para ecossistemas realmente abertos, ao mesmo tempo em que força provedores proprietários a justificar custos mais altos e políticas de uso restritivas.
A disputa agora se desloca para a adoção prática: quem transformar multimodalidade nativa, controle de raciocínio e código livre em soluções de negócio tangíveis terá vantagem competitiva – e o Inkling se posiciona para ser a engrenagem central dessa nova etapa.
Comentários
Participe com respeito. Comentários passam por proteção anti-spam simples.