Thinking Machines Inkling: Por Dentro do Primeiro Modelo Open-Weights de Mira Murati

O Thinking Machines Lab, a startup fundada pela ex-CTO da OpenAI Mira Murati, lançou seu primeiro modelo desenvolvido internamente: Inkling, um sistema open-weights multimodal de Mixture-of-Experts (MoE). A surpresa não está no tamanho — está na estratégia. O Inkling não foi criado para vencer benchmarks; foi criado para ser baixado, ajustado e remodelado pelas organizações que o utilizam. Este guia aborda as especificações do Inkling, seus benchmarks, a ideia de "esforço de raciocínio controlável" e o que uma base open-weights significa para quem está desenvolvendo agentes de IA.

O que é o Inkling?

O Inkling é o primeiro modelo público do Thinking Machines Lab, lançado em 15 de julho de 2026 — a primeira prova concreta do laboratório após cerca de 18 meses de trabalho de infraestrutura majoritariamente privado (TechCrunch).

Os fatos principais, retirados do próprio post de lançamento do laboratório:

• 975B parâmetros totais, 41B ativos — um transformer Mixture-of-Experts (MoE) que ativa apenas uma fração de seus pesos por token, mantendo um modelo muito grande mais rápido e barato de executar.
• Janela de contexto de 1M de tokens.
• Pré-treinado em 45 trilhões de tokens de texto, imagens, áudio e vídeo, raciocínando nativamente sobre os quatro. Por enquanto, as saídas são em texto: código, dados estruturados e artefatos formatados.
• Open-weights — os pesos completos estão no Hugging Face, tanto como checkpoint original quanto como checkpoint NVFP4 para inferência eficiente em NVIDIA Blackwell.
• Uma prévia do Inkling-Small, um MoE de 276B (12B ativos) ajustado para menor custo e latência.

A linha mais marcante vem do próprio laboratório: o Inkling "não é o modelo geral mais forte disponível hoje, seja aberto ou fechado." Essa é a estratégia inteira, não uma ressalva.

A aposta: ajuste você mesmo

A maioria dos laboratórios de fronteira — OpenAI, Anthropic, Google — lança primeiro um chatbot de uso geral e depois adiciona recursos agênticos por cima. O Inkling inverte isso. O Thinking Machines o comercializa menos como um produto acabado e mais como uma base para customização: um modelo de fundação amplo e equilibrado que as organizações adaptam aos seus próprios fluxos de trabalho por meio do Tinker, a plataforma de fine-tuning do laboratório.

O argumento, exposto em um post da empresa que precedeu o lançamento, é que um modelo treinado centralmente e depois congelado tem desempenho inferior ao de um que cada organização pode moldar em torno de sua própria expertise. É uma visão que ganha apoio externo: Satya Nadella, da Microsoft, alertou recentemente que empresas que dependem de modelos fechados efetivamente "pagam duas vezes" — uma em taxas de assinatura e outra ao alimentar conhecimento proprietário nas futuras versões do modelo de outra pessoa (TechCrunch).

A prova mais clara que o Thinking Machines oferece é um projeto com o fundo de hedge Bridgewater Associates: pesquisadores fizeram fine-tuning de um modelo aberto com a expertise financeira da Bridgewater, e ele supostamente obteve 84,7% em testes de raciocínio financeiro, custando cerca de um décimo quarto do valor para executar em comparação com os principais modelos proprietários. Vale ressaltar — esses números vêm da avaliação das próprias duas empresas, não de uma avaliação independente.

A contrapartida é a responsabilidade pelo risco. Como os clientes fazem o fine-tuning do Inkling por conta própria, são eles — e não o Thinking Machines — os responsáveis por manter suas customizações seguras. E o fine-tuning nesse nível exige real talento em aprendizado de máquina.

Esforço de raciocínio controlável

O recurso mais relevante para agentes é o esforço de raciocínio controlável (controllable thinking effort). O Inkling permite ajustar o raciocínio para cima ou para baixo — trocando precisão por velocidade e custo — e a configuração pode ser alterada de dentro de um harness de codificação ou de agente. No transformers do Hugging Face, ele é exposto como um argumento reasoning_effort com níveis nomeados.

Por que isso importa: custo e latência geralmente são as restrições determinantes em agentes em produção, não as pontuações máximas em benchmarks. O lançamento do Inkling varia sua configuração de esforço de 0,2 a 0,99 e mostra o modelo atingindo uma determinada pontuação com menos tokens do que os concorrentes fazem em seu padrão. O exemplo principal: no Terminal Bench 2.1, o Inkling iguala o NVIDIA Nemotron 3 Ultra usando aproximadamente um terço dos tokens.

Curiosamente, essa eficiência em parte emergiu durante o aprendizado por reforço. Ao longo de mais de 30M de rollouts de RL, a cadeia de raciocínio do Inkling tornou-se mais concisa por conta própria — eliminando artigos e conectivos enquanto permanecia compreensível e chegando à mesma resposta. A eficiência por si só impulsionou a compressão; não foi um alvo direto de treinamento.

Benchmarks do Inkling

O Inkling é posicionado como um modelo open-weights competitivo, e não como um líder absoluto. Alguns resultados representativos do lançamento (executados com esforço 0,99):

• SWEBench Verified: 77,6% — à frente do Nemotron 3 Ultra (70,7%), aproximadamente no mesmo nível do Kimi K2.6 (80,2%) e do GLM 5.2 (80,0%), atrás de modelos fechados como o Claude Fable 5 (95,0%).
• Terminal Bench 2.1 (melhor harness): 63,8% — posição intermediária entre os pesos abertos; fica atrás do GLM 5.2 (82,7%) aqui.
• GPQA Diamond: 87,2%; AIME 2026: 97,1% — raciocínio forte.
• FORTRESS (Segurança adversarial): 78,0% — as maiores salvaguardas integradas de qualquer modelo open-weights comparado pelo laboratório, sem recusar excessivamente consultas benignas semelhantes.
• Multimodal: 73,5% no MMMU Pro (visão), 91,4% no VoiceBench (áudio) — entre os resultados omni open-weights mais fortes.

O padrão é deliberado: amplo e equilibrado entre texto, agêntico, multimodal e segurança, em vez de se destacar em um único ranking. A verificação independente será importante aqui — várias pontuações dependem de harnesses próprios do laboratório ou autodeclarados.

Como foi construído (e a questão da destilação)

Algumas notas de arquitetura para os tecnicamente curiosos. O design MoE segue amplamente o DeepSeek-V3 (256 especialistas roteados, 2 compartilhados, 6 ativos por token). A atenção intercala camadas de janela deslizante e globais em uma proporção de 5:1 e — notavelmente — o Thinking Machines usa embeddings posicionais relativos em vez de RoPE, relatando melhor extrapolação de comprimento. O treinamento usou um otimizador híbrido Muon/Adam em sistemas NVIDIA GB300 NVL72.

Uma ressalva honesta que a empresa voluntaria: para inicializar o pós-treinamento, foi executado um fine-tuning supervisionado inicial em dados sintéticos gerados por outros modelos abertos, incluindo o Kimi K2.5 da Moonshot AI — uma prática conhecida como destilação. O laboratório afirma que isso representou uma pequena fração do processamento e que seu próximo modelo usará pós-treinamento totalmente autocontido.

A afirmação de velocidade faz parte do argumento: a OpenAI levou cerca de cinco anos para levar sua tecnologia ao mercado, e a Anthropic aproximadamente três; o Thinking Machines afirma ter feito isso em cerca de nove meses.

Por que open-weights importa para agentes de IA

Para equipes que desenvolvem agentes, a mudança interessante não está na contagem de parâmetros — está no modelo de implantação. Uma base open-weights muda a economia: em vez de pagar por chamada de API a um provedor fechado, você pode executar o modelo em sua própria infraestrutura, fazer fine-tuning no seu domínio e manter o modelo resultante privado. Essa é a mesma lógica de "seja dono da sua força de trabalho" que impulsiona o interesse em stacks de agentes locais e abertos em geral.

O esforço controlável do Inkling e o treinamento com harness agêntico se encaixam bem nesse mundo. Um modelo que você pode desacelerar para etapas difíceis e acelerar para as mais simples — dentro do seu próprio loop de agente — é exatamente o que fluxos de trabalho longos e de múltiplas etapas precisam. Se você está avaliando opções abertas, nossos resumos sobre DeepSeek V4 Pro, GLM-5.2 e Kimi K2.7 Code cobrem os outros modelos open-weights de classe frontier com os quais o Inkling é comparado.

Faça isso com sua própria força de trabalho de IA open-source

A premissa central do Inkling — que uma IA adaptável e auto-hospedada supera a de tamanho único — é a mesma aposta por trás do Eigent, o aplicativo desktop "Cowork" open-source que executa uma força de trabalho de IA multi-agente localmente. Enquanto o Inkling é um modelo base que você ajusta, o Eigent é a camada de força de trabalho acima: uma equipe de agentes que automatiza fluxos de trabalho reais e de múltiplas etapas na sua própria máquina, usando os modelos que você escolher. Se você quer colocar modelos open-weights para trabalhar em vez de apenas ler benchmarks, baixe o Eigent e comece a construir seus próprios fluxos de trabalho de agentes hoje.