Das von der ehemaligen OpenAI-Technologiechefin Mira Murati gegründete Start-up Thinking Machines Lab hat sein erstes großes Open-Weights-Modell namens Inkling veröffentlicht. Die Nachricht erregt Aufsehen in der KI-Welt, da das im Februar 2025 gegründete Unternehmen mit Sitz in San Francisco durch Investitionen von Risikokapitalgebern wie Andreessen Horowitz und Chipherstellern wie Nvidia und AMD bereits mit 12 Milliarden Dollar bewertet wird. Inkling ist ein Mixture-of-Experts-Modell (MoE) mit 975 Milliarden Gesamtparametern (davon 41 Milliarden aktiv) und einem massiven Kontextfenster von einer Million Token.
Inkling wurde von Grund auf neu trainiert und auf 45 Billionen Token aus Text, Bild, Audio und Video vortrainiert. Neben dem Flaggschiff-Modell bringt das Team mit Inkling-Small (12 Milliarden aktive Parameter) eine Vorschau auf eine schlankere, latenz- und kostengünstigere Variante. Das Besondere an Inkling ist der regulierbare Denkaufwand (Controllable Thinking Effort), mit dem Entwickler den Rechenaufwand des Modells flexibel anpassen können. Dadurch lässt sich bei einfacheren Logikaufgaben Rechenzeit einsparen, während das Modell bei komplexen Problemen länger „nachdenken“ darf.
Starke Leistung im Design Arena Benchmark
Erste unabhängige Evaluationen bestätigen Inkling eine konkurrenzfähige Leistung unter den führenden Open-Weights-Modellen. Auf dem bekannten Design Arena Leaderboard, einem Crowdsourcing-Benchmark für KI-generiertes Frontend-Design, der auf anonymisierten menschlichen Vergleichsurteilen basiert, belegt Inkling mit einem Elo-Wert von 1257 den neunten Gesamtrang. Damit zieht es mit dem closed-source Modell Claude Opus 4.6 gleich und liegt nur hauchdünn hinter OpenAIs GPT-5.6 Sol (1260 Elo).
Auch auf etablierten Coding- und Reasoning-Benchmarks zeigt Inkling beachtliche Werte: Es erreicht 77,6 Prozent auf SWE-bench Verified und 54,3 Prozent auf SWE-bench Pro (jeweils mit einem Bash-Harness gemessen). Bei mathematischen Aufgaben auf AIME-Niveau soll Inkling laut den Entwicklern eine Genauigkeit von 97,1 Prozent erzielen. Im direkten Vergleich mit closed-source Riesen wie Claude Fable 5 oder dem chinesischen Newcomer Kimi K3 ordnet sich Inkling als sehr solides Fundament für kundenspezifische Anpassungen ein.
Customizing über die Tinker-Plattform
Thinking Machines Lab stellt die Anpassbarkeit in den Vordergrund und macht Inkling ab sofort auf der hauseigenen Plattform Tinker für das Fine-Tuning verfügbar. Über eine einfache Playground-Oberfläche können Entwickler direkt im Browser mit dem Modell interagieren und Feinabstimmungen vornehmen. In einer Live-Demonstration zeigte das Unternehmen sogar eine Schleife zur Selbstoptimierung: Das Modell schrieb einen eigenen Fine-Tuning-Job auf Tinker, führte diesen aus und wertete die erzeugten Outputs anschließend selbstständig aus.
Für die inhaltliche Qualität und Sicherheit setzt Thinking Machines Lab auf ein zweistufiges RL-Verfahren (Reinforcement Learning): Neben einem Rubriken-Bewerter kommt ein Faktencheck-Bewerter (Claims Grader) zum Einsatz, der Sachaussagen im Text per Websuche verifiziert und so Halluzinationen minimieren soll. Das Modell erzielte bei Sicherheitsprüfungen wie StrongREJECT einen Wert von 98,6 Prozent und wies in Prüfungen der Sicherheitsfirma Cognition eine hohe Resistenz gegen Zensurvorgaben auf.
🎯 Was das für die Praxis bedeutet
1. Customizing-Optionen nutzen: Die Kombination aus offenem Modellgewicht und der Tinker-Plattform macht Inkling zu einer flexiblen Basis für spezialisierte Unternehmensanwendungen.
2. Effizienz durch Denksteuerung: Durch den steuerbaren Denkaufwand können Entwickler Kosten und Antwortgeschwindigkeit präzise auf die jeweilige Aufgabe abstimmen.
3. Unabhängigkeit von Closed-Source-Plattformen: Mit einer Leistung auf Augenhöhe mit Claude Opus 4.6 zeigt Inkling, dass quelloffene Modelle im Bereich Agenten- und Web-Entwicklung eine ernstzunehmende Alternative darstellen.
