Thinking Machines lanceert open-weight model Inkling met 975 miljard parameters

Thinking Machines Lab, het AI-bedrijf van oud-OpenAI-topvrouw Mira Murati, heeft Inkling uitgebracht: een open-weight model van 975 miljard parameters waarvan de gewichten vrij te downloaden zijn op Hugging Face. Het is het eerste model van het bedrijf en positioneert zich nadrukkelijk als alternatief voor de gesloten frontier-modellen van OpenAI, Anthropic en Google.

Voor een Nederlandse organisatie die afweegt of ze AI zelf wil draaien of bij een Amerikaanse cloudleverancier afneemt, verbreedt dit het speelveld. Er komt een serieuze nieuwe naam bij de modellen die je in principe op je eigen infrastructuur kunt zetten, zonder dat je data langs de servers van de aanbieder gaat en zonder het risico dat een model zonder waarschuwing wordt teruggetrokken of duurder wordt. Dat maakt de keuze tegen vendor lock-in reëler, al verandert de rekensom eronder er niet door.

Wat 'open-weight' hier betekent

Inkling is een Mixture-of-Experts-model: van de 975 miljard parameters zijn er per vraag ongeveer 41 miljard actief. Het is getraind op 45 biljoen tokens aan tekst, beeld, audio en video, en redeneert naar eigen zeggen native over tekst, beeld en geluid. De gewichten staan op Hugging Face, inclusief een gekwantiseerde NVFP4-versie die minder geheugen vraagt.

Dat is een ander model dan API-only aanbieders leveren. Bij OpenAI, Anthropic of Google huur je toegang en blijven de gewichten binnen. Bij een open-weight model download je ze en draai je ze waar je wilt. Diezelfde belofte zag je eerder dit jaar bij MiniMax M3, dat het MKB de kans gaf een open-weight model self-hosted te draaien in plaats van via de cloud. Let daarbij altijd op de licentie: 'open' is een spectrum, en die bepaalt wat je er commercieel echt mee mag.

Sterk op onderdelen, geen recordhouder

Op prestaties speelt Inkling het bescheiden. Op de codeer-benchmark Terminal Bench 2.1 haalt het model hetzelfde niveau als Nvidia's Nemotron 3 Ultra met ongeveer een derde van de tokens, en op SWEBench Verified scoort het 77,6 procent. Tegelijk zegt het bedrijf er zelf bij dat Inkling niet het sterkste model van dit moment is, gesloten of open. Het mikt op een brede, evenwichtige basis die je zelf bijstelt, niet op de top van elke ranglijst.

Die efficiëntie is het punt om op te letten, want een open-weight model is gratis te downloaden, niet gratis te draaien. Een model van deze omvang vraagt zware GPU's, en het omslagpunt waarop zelf hosten goedkoper wordt dan een open-weight API ligt pas rond de 15 tot 20 miljoen tokens per dag, een volume dat de meeste bedrijven niet halen. Voor doorsnee-gebruik blijft een API vaak goedkoper; zelf hosten loont vooral om soevereiniteit en privacy.

Een open zet terwijl anderen dichtgaan

Opvallend is hoe Thinking Machines geld wil verdienen. Het rekent niets voor het model zelf; de inkomsten komen uit Tinker, een platform om modellen fijn af te stellen, waar onder meer beleggingshuis Bridgewater klant is. Dat vergroot de kans dat Inkling vrij beschikbaar blijft, wat meetelt als je er een bedrijfsproces op wilt bouwen.

De timing zegt iets over de markt. Terwijl Meta zijn open Llama-lijn juist inruilde voor het gesloten Muse Spark, stapt een nieuwkomer die in 2025 begon en 2 miljard dollar ophaalde bij een waardering van 12 miljard nu net de andere kant op. Voor wie zijn AI-strategie niet op de goodwill van één leverancier wil bouwen, is elke serieuze open-weight speler erbij er een die de afhankelijkheid van een handvol gesloten aanbieders iets kleiner maakt.