Thinking MachineがInklingマルチモーダルモデルを発表

Thinking Machineは、大規模なオープンソースのマルチモーダルMoEモデルであるInklingを発表しました。 - InklingはオープンソースのMoEモデルとしてリリース - 総パラメータ数:975B;活性化パラメータ数:41B - コンテキストウィンドウ:1,000,000トークン - テキスト、画像、音声のネイティブサポート - 12Bの活性化パラメータを持つ小型プレビューモデルが利用可能 - 45兆トークンのデータでトレーニング - トレーニング後のデータはオープンソースモデル(例:Kimi 2.5)から抽出 - ベンチマーク:Nemotron 3 UltraおよびKimi K2.5よりもいくつかのテストで優れた結果 - Kimi K2.6 / DeepSeek V4 Proに対してはIFBench、FORTRESS、SWEBench、HLE、SimpleQA、Terminal Benchで混合結果 - 全体としてGLM 5.2に対して複数のベンチマークで劣る - エージェンティックコーディングおよび統合推論においてClaude Fable 5、GPT 5.6 Solのクローズドモデルに劣る
Key insights
InklingはオープンソースのマルチモーダルMoEとしてリリース
Thinking Machineは、オープンソースの混合専門家(MoE)マルチモーダルモデルであるInklingを発表しました。このモデルの総パラメータ数は9750億、活性化パラメータ数は410億、コンテキストウィンドウは1,000,000トークンとされています。Inklingはテキスト、画像、音声の理解をネイティブでサポートしています。また、12億の活性化パラメータを持つ小型プレビューモデルもリリースされました。チームは、トレーニング後のデータが一連のオープンソースモデルから抽出されたことを述べています。
トレーニングデータの規模と抽出元
Inklingは45兆トークンのデータでトレーニングされたと報告されています。投稿によれば、このモデルのトレーニング後のデータは他のオープンソースモデルから抽出されており、具体的にKimi 2.5が抽出元モデルの例として挙げられています。
オープンおよびクローズドモデルに対する比較ベンチマーク
比較報告では、InklingがいくつかのベンチマークでNemotron 3 UltraおよびKimi K2.5よりも優れていると位置付けられています。Kimi K2.6およびDeepSeek V4 Proに対しては、InklingはIFBench、FORTRESS、SWEBench Verifiedでわずかに優れている一方、HLE、SimpleQA、Terminal Benchでは劣る結果を示しました。全体として、Inklingは複数のベンチマークでGLM 5.2に劣り、エージェンティックコーディング、統合推論、事実指標においてClaude Fable 5やGPT 5.6 Solのクローズドモデルに遅れを取っています。特定のベンチマーク(IFBench、FORTRESS Benign)では、指示の遵守や拒否バランスにおいて一部のクローズドモデルを上回っています。