Mira Muratis Start-up Thinking Machines hat sein erstes KI-Modell veröffentlicht und stellt es zum freien Download bereit. Inkling misst sich nicht an der absoluten Spitze, sondern zielt auf Unternehmen, die eine KI mit eigenem Wissen formen wollen.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Inkling heißt das erste offene KI-Modell von Thinking Machines, dem Start-up der früheren OpenAI-Technikchefin Mira Murati. Anders als die Flaggschiffe von OpenAI, Anthropic oder Google lässt es sich herunterladen, verändern und im eigenen Rechenzentrum betreiben. Genau darin liegt die eigentliche Ansage.
Das Wichtigste in Kürze
- Inkling ist ein offenes Mixture-of-Experts-Modell mit 975 Milliarden Parametern, von denen pro Anfrage nur 41 Milliarden aktiv sind.
- Das Modell versteht Text, Bild und Audio und fasst bis zu 1 Million Token Kontext.
- Thinking Machines nennt Inkling selbst nicht das stärkste Modell, sondern eine offene Basis zum Anpassen.
- Verdient wird nicht am Modell, sondern an der Anpassungsplattform Tinker.
Was steckt in Inkling?
Sparsame Architektur: Inkling ist ein Mixture-of-Experts-Modell. 256 spezialisierte Experten liegen bereit, für jedes Token rechnen aber nur sechs davon mit. So bleiben von 975 Milliarden Parametern nur 41 Milliarden aktiv, was den Betrieb bezahlbar hält.
Breites Können: Trainiert wurde das Modell auf 45 Billionen Datenpunkten aus Text, Bildern, Audio und Video, die es alle direkt verarbeitet. In den Tests erreicht Inkling 97,1 % bei der Mathematik-Prüfung AIME 2026 und 77,6 % auf SWE-Bench Verified, dem gängigen Maß für Programmieraufgaben.[1]
Verhaltener Auftakt: Die Bestmarke ist das nicht. Thinking Machines schreibt selbst, Inkling sei nicht das stärkste verfügbare Modell; im unabhängigen Intelligence-Index von Artificial Analysis landet es hinter dem chinesischen GLM 5.2, das die Redaktion schon im Cyber-Benchmark vorn gesehen hat. Für ein Start-up, das 2025 rund 1,7 Milliarden Euro eingesammelt hat, ist das ein leiser Einstieg.
Warum verschenkt Thinking Machines sein Modell?
Geld über Tinker: Verschenkt ist das falsche Wort. Die Gewichte sind frei, verdient wird über Tinker, die Plattform, auf der Firmen das Modell mit eigenen Daten trainieren.
Doppelt zahlen: Dahinter steckt ein Argument, das Microsoft-Chef Satya Nadella zuletzt öffentlich gemacht hat. Bei geschlossener KI zahlen Unternehmen zweifach, per Abo und mit dem Firmenwissen, das über die Eingaben ins nächste Modell des Anbieters wandert. Ein offenes Modell bleibt dagegen im Haus.
Ein offenes Modell ist für den Mittelstand kein Sparmodell, sondern eine Frage der Datenhoheit. Thinking Machines verkauft nicht das Modell, sondern die Fähigkeit, es mit eigenem Wissen zu veredeln.
— Markus Seyfferth, Chefredakteur Dr. Web
Werkzeug statt Chatbot: Inkling ist deshalb ausdrücklich ein Produkt für Unternehmen mit eigenem Datenschatz, keine fertige Chat-App. Meta ist zuletzt den umgekehrten Weg gegangen und hat Muse Spark hinter eine Bezahlschranke gestellt.
Inkling
Inkling-Small
Was bedeutet das für den deutschen Mittelstand?
Datenhoheit zählt: Für DSGVO-gebundene Betriebe ist die Datenhoheit das eigentliche Argument. Ein offenes KI-Modell läuft im eigenen Rechenzentrum oder bei einem EU-Hoster, ohne dass Kundendaten an eine US-Schnittstelle gehen, und lässt sich prüfen.
Der Haken Hardware: 975 Milliarden Parameter brauchen ernsthafte Rechenleistung. Realistisch ist für kleinere Betriebe eher die Variante Inkling-Small mit 276 Milliarden Parametern oder der Betrieb über einen Cloud-Partner. Wie sich Spitzenmodelle auf eigener Hardware betreiben lassen, zeigt ein Praxisleitfaden für eigene Hardware.
Zwei Fragen zuerst: Taugt der eigene Datenbestand als Trainingsgrundlage, und steht die Hardware oder ein EU-Hoster bereit? Hinzu kommt der Faktor Personal, denn ohne ML-Fachleute bleibt selbst ein offenes Modell ungenutzt.
Quelle
[1] Thinking Machines: „Introducing Inkling“ ↩
Mehr Newshunger?
- Leanstral 1.5: Mistrals offene KI prüft Code für 3,50 Euro je Aufgabe
- Was kann Soofi S? Deutschlands offenes KI-Modell im Check
- Qwen 3.6 27B: dichtes Modell, besserer Code
- GLM 5.2 auf dem langsamen Rechner: Wie ein Riesenmodell ohne teure Grafikkarte läuft
- Recht auf lokale KI: Initiative fordert freien Betrieb offener Modelle
