Thinking Machines、初のオープンウェイトモデル「Inkling」を公開 - 「最強ではない」と明言する975Bモデルの狙い

元OpenAI CTOのMira Murati氏が率いるThinking Machines Labは2026年7月15日、同社初の自社開発モデル「Inkling」を公開しました¹。総パラメータ975B（9,750億）のMixture-of-Expertsモデルで、重みを誰でもダウンロードして改変できるオープンウェイト形式、ライセンスは商用利用も可能なApache 2.0です²。

注目すべきは、同社自身が「Inklingは今日利用できる最強のモデルではない。オープンでもクローズドでも」と公式ブログで明言している点です¹。約1年半にわたりほぼ非公開でインフラを構築してきた同社が、最初の成果物として「最強」を目指さないモデルを選んだことには、大手ラボとは異なる明確な戦略があります。

Inklingのスペック - 975Bパラメータ、100万トークンコンテキスト

Inklingは66層のdecoder-onlyトランスフォーマーに、スパースなMixture-of-Experts（MoE）構造を組み合わせたモデルです²。総パラメータは975Bですが、推論時に実際に使われるアクティブパラメータは41Bに抑えられており、規模のわりに動作が軽いのがMoEの利点です¹。

事前学習にはテキスト・画像・音声・動画からなる45兆トークンが使われました¹。入力として受け付けるのはテキスト・画像・音声で、出力は現時点でテキストのみです²。コンテキストウィンドウは最大100万トークンに対応します¹。

推論の深さを調整できる「thinking effort」の制御機能も備えており、タスクに応じて性能とトークン消費のバランスを選べます¹。公式ブログによると、コーディング評価のTerminal Bench 2.1では競合モデルの約3分の1のトークン数で同等の性能を達成したとしています¹。TechCrunchはこの比較対象をNVIDIAのNemotron 3 Ultraと報じています³。

また、アクティブパラメータ12Bの軽量版「Inkling-Small」もプレビュー版として提供されます¹。

入手方法 - Hugging Faceで重み公開、実行には大容量VRAMが必要

Inklingの重みはHugging Faceで公開されており、TogetherAI・Fireworks・Modal・Databricks・BasetenといったAPIプロバイダー経由でも利用できます¹。自社インフラで動かす場合、BF16版は2TB、NVFP4量子化版でも600GBのVRAMが必要で⁵、個人のローカルLLM環境で気軽に動くサイズではなく、企業・研究機関向けの位置づけです。

同社の収益源であるファインチューニング用開発者ツール「Tinker」では、公開初日からInklingのファインチューニングが可能で、期間限定で50%割引が提供されています¹⁴。

「最強を目指さない」戦略 - カスタマイズできるAIへの賭け

Thinking Machinesの中核となる賭けは、TechCrunchが端的にまとめています。「組織が自分で適応させられるAIが、大手ラボが売るワンサイズのモデルを上回る」という見立てです³。OpenAIやAnthropic、Googleのフラッグシップモデルは高性能ですが、重みは非公開で、利用者は提供されるままの挙動を受け入れるしかありません。Inklingは逆に、重みを公開して各組織が自社データや業務に合わせて改変することを前提に設計されています。

この戦略はビジネスモデルとも一体です。同社はモデル自体を直接収益化せず、Tinkerによるファインチューニング支援で収益を上げており、顧客にはヘッジファンドのBridgewater Associatesなどが名を連ねます⁴。Inklingはいわば「カスタマイズの素材」として提供され、その加工ツールで稼ぐ構図です。

オープンウェイトの領域では、MoonshotのKimi K2など中国勢が先行してきました。Fortuneは、Inklingのオープンウェイト路線を中国勢に対する米国側の空白を埋めるアプローチと位置づけています⁴。

120億ドル評価のラボ、1年半で初の公開成果物

Thinking Machines LabはOpenAIでCTOを務めたMurati氏が創業し、現在約200人を雇用しています³。2025年には20億ドルを評価額120億ドルで調達しました⁴。さらに大型の調達ラウンドが検討されていると報じられましたが、TechCrunchによると2026年1月までに停滞したとされています³。

創業以来、同社はAIインフラの構築をほぼ非公開で進めており、TechCrunchは今回のInklingを「1年半を経た最初の公開された証明」と表現しています³。公式ブログは「Inklingは始まりにすぎず、今後も構築を続けるモデルファミリーの最初のリリース」としており¹、サイズ違いのモデルが順次追加される計画です。

「借りるAI」と「育てるAI」の選択肢

企業のAI導入では、これまで「APIで最強クラスのモデルを借りる」のがほぼ唯一の現実的な選択肢でした。Inklingのようなカスタマイズ前提のオープンウェイトモデルが実用水準に達すると、「自社データで育てた専用モデルを持つ」という選択肢が現実味を帯びます。特に、データを外部APIに出せない規制業種や、業務が特殊でワンサイズのモデルが合わない企業には検討の価値がある方向性です。

一方で、実行に600GB以上のVRAMを要するインフラコストや、ファインチューニングを設計・評価できる人材の確保はハードルとして残ります。「最強のモデルではない」という同社の率直な位置づけが示すとおり、汎用性能で選ぶならフラッグシップAPIが依然として有利であり、Inklingが試すのは「性能の頂点」ではなく「適応のしやすさ」という別の軸の競争です。この賭けが成立するかどうかは、Tinkerを使った企業のカスタマイズ事例が今後どれだけ出てくるかで判断できそうです。