Simon Willison ha dedicato una nota a Inkling, il primo modello a pesi aperti rilasciato da Thinking Machines Lab, il laboratorio fondato da Mira Murati. È un rilascio interessante non tanto per le prestazioni assolute, quanto per il posizionamento: un modello multimodale pensato come base per la personalizzazione.
Cosa è Inkling, in concreto
Secondo la scheda tecnica, Inkling è un transformer multimodale (testo, immagini, audio, video) con architettura Mixture-of-Experts: 975 miliardi di parametri totali ma solo 41 miliardi attivi per inferenza, addestrato su 45.000 miliardi di token e distribuito con licenza Apache 2.0. È in test anche una variante più piccola, Inkling-Small (276B totali, 12B attivi). Questi numeri sono quelli comunicati dal laboratorio: come sempre con i rilasci di modelli, le cifre di parametri e token dicono poco sulla qualità reale finché non arrivano benchmark indipendenti.
La lettura di Willison: non il più forte, ma una buona «base»
Il giudizio di Willison è misurato e vale la pena riprenderlo: Inkling «non è il modello più forte oggi disponibile». Il suo valore sta piuttosto in «una combinazione di qualità che ne fanno una buona base a pesi aperti per la personalizzazione»: capacità multimodali, ragionamento efficiente e disponibilità su Tinker per il fine-tuning. In altre parole, è un tassello nell’ecosistema open statunitense, in competizione con proposte come NVIDIA Nemotron e Gemma 4, più che un rivale diretto dei modelli di frontiera proprietari. Un punto critico onesto, sollevato dallo stesso Willison, riguarda la documentazione dei dati di training, definita scarna e con un riconoscimento vago dell’uso di contenuti potenzialmente protetti da IP — un limite ricorrente anche in molti rilasci «aperti».
Perché conta per chi costruisce
Per chi lavora su applicazioni, il messaggio pratico è che «pesi aperti» e «Apache 2.0» abilitano fine-tuning e deployment self-hosted senza vincoli di licenza stringenti. La multimodalità nativa e l’architettura MoE (che riduce il costo di inferenza attivando solo una frazione dei parametri) lo rendono un candidato ragionevole come base da adattare, a patto di valutarlo su compiti reali e non sulle sole specifiche dichiarate.
In sintesi
- Inkling è un modello MoE multimodale a pesi aperti (Apache 2.0) di Thinking Machines Lab, pensato come base per la personalizzazione.
- Non punta a essere il più performante, ma efficiente e adattabile, con fine-tuning via Tinker.
- Restano dubbi sulla trasparenza dei dati di training, un limite comune ai rilasci «aperti».
Fonte: Inkling
Hai qualcosa da aggiungere? Unisciti alla discussione.