Model Terbuka, Diajar Sebahagiannya oleh Pesaing yang Dijawabnya

Kronologi ini penting kerana dua peristiwa ini mudah dikelirukan. Kajian kes Bridgewater/Tinker — Qwen3-235B yang ditala halus mengatasi model frontier dalam pengelasan dokumen kewangan — diterbitkan dua minggu sebelum Inkling wujud. Ia menunjukkan apa yang boleh dicapai penalaan halus di atas platform Tinker milik Thinking Machines; ia tidak menyatakan apa-apa tentang prestasi Inkling sendiri, dan tiada kes penggunaan khusus Inkling didokumentasikan secara umum. Ia disertakan di sini kerana ia bukti ekonomi platform di sebalik kisah penalaan halus Inkling sendiri, bukan kerana ia mengenai Inkling.

Thinking Machines menyatakan pendiriannya dengan jelas: Inkling “bukan model paling kuat yang tersedia hari ini, sama ada terbuka atau tertutup.” Pertaruhannya ialah gabungan — keupayaan multimodal, tombol daya pemikiran yang cekap dan boleh dikawal, serta ketersediaan di Tinker untuk penalaan halus — yang menjadikannya “asas pemberat terbuka yang baik untuk penyesuaian,” bukan calon papan pendahulu. Senibina: transformer penyahkod sahaja 66 lapisan yang menghalakan setiap token kepada 6 daripada 256 pakar ditambah 2 pakar kongsi yang sentiasa aktif, perhatian hibrid tempatan/global, dan reka bentuk multimodal tanpa pengekod — imej dikod sebagai tampalan, audio diwakili sebagai spektrogram dMel, kedua-duanya diunjur ke ruang tersembunyi yang sama dengan teks. Julat teknikal tombol daya pemikiran ialah 0 hingga 0.99; lengkung penanda aras rasmi Thinking Machines pula menyapu dari 0.2 hingga 0.99, yang mana Inkling mencapai skor Terminal Bench 2.1 tertentu pada kira-kira satu pertiga token Nemotron 3 Ultra.

• 0–0.99tombol daya pemikiran — julat teknikal penuh
• 30M+giliran RL → pemadatan CoT secara spontan

Dua ukuran bebas merangka keadaan yang dimasuki Inkling. Analisis penghalaan token Data Gravity sendiri: menjelang Mei 2026, model terbuka China menguasai kira-kira 61% token yang dihalakan di OpenRouter, “empat daripada lima model paling banyak digunakan adalah China — dan Llama milik Meta, peneraju terbuka dua tahun lalu, telah tersingkir sepenuhnya daripada senarai,” di bawah 1% jumlah dihalakan. Artificial Analysis, pada hari yang sama Inkling dilancarkan: ia “pelancaran model terbuka terkehadapan daripada sebuah makmal AS,” tiga mata mengatasi peneraju sebelumnya, Nemotron 3 Ultra. Kerumitannya ialah alasan rasmi Thinking Machines sendiri tidak merangkanya sedemikian. Manifestonya, diterbitkan lima hari sebelum pelancaran, berhujah menentang penumpuan pembangunan AI pada segelintir makmal seakan “perancangan pusat,” memetik Hayek tentang pengetahuan tersebar — dan tidak sekali pun menamakan China. Rangka “jawapan Barat” itu milik ukuran pasaran bebas di atas, bukan kata-kata Thinking Machines sendiri. Dan pasca-latihan Inkling sendiri merumitkan mana-mana rangka yang digunakan: penalaan permulaannya menggunakan data sintetik daripada model terbuka, “termasuk Kimi K2.5” — salah satu model China yang disebut dalam angka kuasa pasaran itu sendiri.

Perbandingan yang diterbitkan bersama oleh Bridgewater dan Thinking Machines meletakkan model tala halusnya berbanding enam model frontier. Yang terkuat bagi tugas ini ialah GPT 5.5, pada ketepatan purata 78.2% dan $65.06 bagi setiap seribu tugas; Claude Opus 4.8 mencatat 78.0% tetapi berharga $92.59, yang termahal dalam set itu. Qwen3-235B yang ditala halus mencapai 84.66% pada $4.72 — 13.8 kali lebih murah daripada GPT 5.5, angka yang dinyatakan sendiri oleh siaran itu, dan 19.6 kali lebih murah daripada Claude Opus 4.8. Dua kaveat mengiringinya: kajian itu ialah penerbitan bersama antara vendor platform dengan pelanggannya, tanpa replikasi bebas, dan ia mengukur tala halus Qwen3-235B, bukan Inkling.

Oleh kerana pemberat terbuka boleh ditala semula untuk menanggalkan latihan penolakan, Thinking Machines menala halus varian “hanya membantu” bagi kedua-dua Inkling dan Inkling-Small — dioptimumkan secara sengaja untuk patuh dan bukan menolak — lalu mengujinya dengan penilaian dwiguna yang sama. Kesimpulan rasminya: “varian hanya-membantu itu tidak memberikan sebarang keupayaan baharu pada tugas CBRN dan siber, dan kekal setanding model terbuka sedia ada.” Digabungkan dengan hasil dalaman dan luaran, Thinking Machines menyimpulkan pelancaran Inkling tidak menambah risiko material melebihi apa yang sudah ditimbulkan model terbuka yang boleh dimuat turun.

Pecahan rasmi Artificial Analysis, diterbitkan pada hari Inkling-Small dilancarkan: ia sedikit mengatasi Inkling pada Humanity's Last Exam (32% berbanding 30%) dan GPQA Diamond (89% berbanding 87%) dengan kurang sepertiga parameter, tetapi ketinggalan pada kerja agentik — τ³-Banking 15% berbanding 24% Inkling — dan mencatat skor negatif pada indeks kalibrasi fakta Artificial Analysis sendiri, sedangkan Inkling mencatat skor positif, “bermakna jawapan salah melebihi jawapan betul.” Kedua-dua model diletakkan berdekatan secara bebas pada Indeks Kecerdasan (40 berbanding 41), iaitu ringkasan yang lebih kasar berbanding mana-mana keputusan individu ini dan tidak dengan sendirinya menunjukkan model mana sesuai untuk tugas yang mana.