Thinking Machines Inkling: Einblick in Mira Muratis erstes Open-Weights-Modell

Thinking Machines Lab, das Startup der ehemaligen OpenAI-CTO Mira Murati, hat sein erstes hauseigenes Modell veröffentlicht: Inkling, ein Open-Weights-Mixture-of-Experts-System mit multimodalen Fähigkeiten. Die Überraschung liegt nicht in der Größe – sondern in der Strategie. Inkling wurde nicht entwickelt, um Benchmarks zu gewinnen, sondern um heruntergeladen, feinabgestimmt und von den Organisationen, die es einsetzen, nach eigenen Bedürfnissen angepasst zu werden. Dieser Leitfaden behandelt Inklings Spezifikationen, Benchmarks, das Konzept des „steuerbaren Denkaufwands" und was eine Open-Weights-Basis bedeutet, wenn man KI-Agenten entwickelt.

Was ist Inkling?

Inkling ist das erste öffentliche Modell von Thinking Machines Lab, veröffentlicht am 15. Juli 2026 – der erste echte Beweis des Labors nach rund 18 Monaten überwiegend privater Infrastrukturarbeit (TechCrunch).

Die wichtigsten Fakten aus dem eigenen Release-Post des Labors:

• 975B Gesamtparameter, 41B aktiv — ein Mixture-of-Experts (MoE) Transformer, der pro Token nur einen Bruchteil seiner Gewichte aktiviert, wodurch ein sehr großes Modell schneller und kostengünstiger betrieben werden kann.
• Kontextfenster mit 1M Token.
• Vortrainiert auf 45 Billionen Token aus Text, Bildern, Audio und Video, mit nativem Reasoning über alle vier Modalitäten. Derzeit sind die Ausgaben auf Text beschränkt: Code, strukturierte Daten und formatierte Artefakte.
• Open-Weights — die vollständigen Gewichte sind auf Hugging Face verfügbar, sowohl als ursprünglicher Checkpoint als auch als NVFP4-Checkpoint für effiziente Inferenz auf NVIDIA Blackwell.
• Eine Vorschau auf Inkling-Small, ein 276B MoE (12B aktiv), optimiert für geringere Kosten und niedrigere Latenz.

Die auffälligste Aussage stammt vom Labor selbst: Inkling sei „heute nicht das insgesamt stärkste verfügbare Modell, weder offen noch geschlossen." Das ist die gesamte Strategie – kein Vorbehalt.

Die Wette: Selbst feinabstimmen

Die meisten Frontier-Labs – OpenAI, Anthropic, Google – veröffentlichen zunächst einen Allzweck-Chatbot und fügen dann agentische Funktionen hinzu. Inkling kehrt das um. Thinking Machines vermarktet es weniger als fertiges Produkt, sondern vielmehr als Basis für individuelle Anpassung: ein breites, ausgewogenes Foundation-Modell, das Organisationen über Tinker, die Fine-Tuning-Plattform des Labors, an ihre eigenen Arbeitsabläufe anpassen können.

Das Argument, das in einem Unternehmensbeitrag vor dem Launch dargelegt wurde, lautet: Ein zentral trainiertes und dann eingefrorenes Modell schneidet schlechter ab als eines, das jede Organisation um ihre eigene Expertise herum formen kann. Diese Sichtweise gewinnt externe Unterstützung: Microsofts Satya Nadella warnte kürzlich, dass Unternehmen, die auf geschlossene Modelle setzen, effektiv „doppelt zahlen" – einmal für Abonnementgebühren und erneut, indem sie proprietäres Wissen in die zukünftigen Modellversionen anderer einspeisen (TechCrunch).

Das deutlichste Beispiel, das Thinking Machines anführt, ist ein Projekt mit dem Hedgefonds Bridgewater Associates: Forscher haben ein offenes Modell auf Bridgewaters Finanzexpertise feinabgestimmt, und es erzielte angeblich 84,7 % bei Finanz-Reasoning-Tests bei etwa einem Vierzehntel der Betriebskosten im Vergleich zu führenden proprietären Modellen. Wichtig zu beachten: Diese Zahlen stammen aus der eigenen Bewertung der beiden Unternehmen, nicht aus einer unabhängigen Prüfung.

Der Kompromiss liegt in der Risikoübernahme. Da Kunden Inkling selbst feinabstimmen, sind sie – nicht Thinking Machines – dafür verantwortlich, ihre Anpassungen sicher zu halten. Und Fine-Tuning auf diesem Niveau erfordert echtes Machine-Learning-Know-how.

Steuerbarer Denkaufwand

Das für Agenten relevanteste Feature ist der steuerbare Denkaufwand (controllable thinking effort). Inkling ermöglicht es, das Reasoning hoch- oder herunterzuregeln – Genauigkeit gegen Geschwindigkeit und Kosten abzuwägen – und die Einstellung kann innerhalb eines Coding- oder Agenten-Frameworks angepasst werden. In Hugging Face transformers wird dies als reasoning_effort-Argument mit benannten Stufen bereitgestellt.

Warum das wichtig ist: Kosten und Latenz sind in Produktionsagenten in der Regel die entscheidenden Einschränkungen, nicht die Spitzen-Benchmark-Werte. Inklings Release variiert die Aufwandseinstellung von 0,2 bis 0,99 und zeigt, dass das Modell einen bestimmten Score mit weniger Token erreicht als Konkurrenten bei ihren Standardeinstellungen. Das Hauptbeispiel: Auf Terminal Bench 2.1 erreicht Inkling die gleiche Leistung wie NVIDIAs Nemotron 3 Ultra mit etwa einem Drittel der Token.

Interessanterweise entstand diese Effizienz teilweise während des Reinforcement Learning. Über 30M+ RL-Rollouts wurde Inklings Chain-of-Thought von selbst prägnanter – Artikel und Füllwörter wurden weggelassen, während die Verständlichkeit erhalten blieb und dieselbe Antwort erzielt wurde. Allein die Effizienz trieb die Komprimierung voran; sie war kein direktes Trainingsziel.

Inklings Benchmarks

Inkling ist als wettbewerbsfähiges Open-Weights-Modell positioniert, nicht als klarer Marktführer. Einige repräsentative Ergebnisse aus dem Release (bei Aufwand 0,99):

• SWEBench Verified: 77,6 % — besser als Nemotron 3 Ultra (70,7 %), etwa gleichauf mit Kimi K2.6 (80,2 %) und GLM 5.2 (80,0 %), hinter geschlossenen Modellen wie Claude Fable 5 (95,0 %).
• Terminal Bench 2.1 (bestes Harness): 63,8 % — Mittelfeld unter den Open-Weights-Modellen; hier liegt es hinter GLM 5.2 (82,7 %).
• GPQA Diamond: 87,2 %; AIME 2026: 97,1 % — starkes Reasoning.
• FORTRESS (Adversariale Sicherheit): 78,0 % — die höchsten integrierten Sicherheitsvorkehrungen aller verglichenen Open-Weights-Modelle, ohne harmlose ähnlich aussehende Anfragen übermäßig abzulehnen.
• Multimodal: 73,5 % auf MMMU Pro (Vision), 91,4 % auf VoiceBench (Audio) — zu den stärkeren Open-Weights-Omni-Ergebnissen zählend.

Das Muster ist bewusst gewählt: breit und ausgewogen über Text, agentische Aufgaben, Multimodalität und Sicherheit, anstatt bei einem einzelnen Leaderboard herauszustechen. Unabhängige Überprüfungen werden hier wichtig sein – mehrere Scores basieren auf den eigenen oder selbst berichteten Harnesses des Labors.

Wie es gebaut wurde (und die Distillationsfrage)

Einige Architekturhinweise für technisch Interessierte. Das MoE-Design folgt weitgehend DeepSeek-V3 (256 geroutete Experten, 2 gemeinsame, 6 aktiv pro Token). Die Attention wechselt zwischen Sliding-Window- und globalen Schichten im Verhältnis 5:1, und – bemerkenswert – Thinking Machines verwendet relative Positionseinbettungen anstelle von RoPE und berichtet von besserer Längenextrapolation. Das Training verwendete einen hybriden Muon/Adam-Optimierer auf NVIDIA GB300 NVL72-Systemen.

Ein ehrlicher Vorbehalt, den das Unternehmen selbst einräumt: Um das Post-Training zu starten, wurde ein erstes Supervised Fine-Tuning auf synthetischen Daten durchgeführt, die von anderen offenen Modellen generiert wurden, einschließlich Moonshot AIs Kimi K2.5 – eine Praxis, die als Destillation bekannt ist. Das Labor gibt an, dass dies nur ein kleiner Bruchteil des Rechenaufwands war und dass sein nächstes Modell ein vollständig eigenständiges Post-Training verwenden wird.

Der Geschwindigkeitsanspruch ist Teil des Verkaufsarguments: OpenAI brauchte etwa fünf Jahre, um seine Technologie auf den Markt zu bringen, Anthropic etwa drei; Thinking Machines sagt, es habe dies in etwa neun Monaten geschafft.

Warum Open-Weights für KI-Agenten wichtig ist

Für Teams, die Agenten entwickeln, liegt die interessante Verschiebung nicht in der Parameteranzahl – sondern im Deployment-Modell. Eine Open-Weights-Basis verändert die Wirtschaftlichkeit: Anstatt pro API-Aufruf an einen geschlossenen Anbieter zu zahlen, kann man das Modell auf der eigenen Infrastruktur betreiben, es auf die eigene Domäne feinabstimmen und das resultierende Modell privat halten. Das ist dieselbe „eigene Belegschaft besitzen"-Logik, die das Interesse an lokalen, offenen Agenten-Stacks generell antreibt.

Inklings steuerbarer Aufwand und das agentische Harness-Training passen gut in diese Welt. Ein Modell, das man für schwierige Schritte verlangsamen und für einfache beschleunigen kann – innerhalb der eigenen Agenten-Schleife – ist genau das, was lange, mehrstufige Workflows benötigen. Wenn man offene Optionen abwägt, bieten unsere Übersichten zu DeepSeek V4 Pro, GLM-5.2 und Kimi K2.7 Code Einblicke in die anderen Open-Weights-Modelle der Frontier-Klasse, mit denen Inkling verglichen wird.

Setzen Sie Ihre eigene Open-Source-KI-Belegschaft ein

Inklings gesamte Prämisse – dass anpassungsfähige, selbst gehostete KI eine Einheitslösung übertrifft – ist dieselbe Wette hinter Eigent, der Open-Source-„Cowork"-Desktop-App, die eine Multi-Agenten-KI-Belegschaft lokal betreibt. Während Inkling ein Basismodell ist, das man feinabstimmt, ist Eigent die Workforce-Schicht darüber: ein Team von Agenten, das echte, mehrstufige Workflows auf dem eigenen Rechner automatisiert und dabei die Modelle der eigenen Wahl verwendet. Wenn Sie Open-Weights-Modelle in der Praxis einsetzen möchten, anstatt nur Benchmarks zu lesen, laden Sie Eigent herunter und beginnen Sie noch heute mit dem Aufbau Ihrer eigenen Agenten-Workflows.