دخل مختبر Thinking Machines التابع لميرا موراتي الساحة رسميًا بنموذج Inkling، وهو نموذج مفتوح الأوزان صُمم لتحدي هيمنة عمالقة الذكاء الاصطناعي المركزيين الذين يعتمدون مبدأ "النموذج الواحد الذي يناسب الجميع". ومن خلال الرهان على القابلية للتخصيص بدلاً من القوة الخام العامة، تقول الشركة الناشئة إن مستقبل ذكاء المؤسسات يكمن في الذكاء المتخصص والمحسن محليًا.

بنية Inkling: الكفاءة من خلال MoE

يعد Inkling نظام Mixture-of-Experts بإجمالي معلمات هائل يصل إلى 975 مليار معلمة. ومع ذلك، فإنه يقوم بتنشيط حوالي 41 مليار معلمة فقط لأي مهمة فردية، مما يقلل من زمن الاستجابة والتكلفة مع الحفاظ على قدرات التفكير عالية المستوى. تعلم النموذج من 45 تريليون توكن من النصوص والصور والصوت والفيديو، مما منحه قدرات أصلية متعددة الوسائط. وتزعم الشركة أن Inkling يضاهي نموذج Nvidia Nemotron 3 Ultra في اختبارات البرمجة المرجعية مع استخدام ثلث عدد التوكنات فقط، وهو مؤشر واضح على كفاءة التدريب.

تحول استراتيجي نحو تخصيص المؤسسات

على عكس المنتجات الرائدة من OpenAI أو Anthropic أو Google، والتي تعمل بشكل أساسي كبرامج دردشة عامة، يتم تسويق Inkling كقاعدة للمؤسسات. وتقدم Thinking Machines النموذج كنقطة انطلاق، حيث تحث الشركات على ضبطه بدقة باستخدام بياناتها الخاصة عبر منصتها "Tinker".

تعالج هذه الخطوة فخ "الدفع المزدوج" في الصناعة. فقد حذر ساتيا نادالا، الرئيس التنفيذي لشركة Microsoft، من أن الشركات تدفع مرتين: مرة مقابل الاشتراك، ومرة أخرى من خلال تغذية منطق الأعمال الفريد في نموذج يثري في النهاية مجموعة بيانات التدريب الخاصة بالمزود. ومن خلال تقديم نموذج مفتوح الأوزان، تتيح Thinking Machines للشركات الاحتفاظ بهذا الذكاء داخل مؤسساتها.

بنية تحتية عالية المخاطر وتطوير سريع

سارعت Thinking Machines للوصول إلى السوق. استغرقت OpenAI حوالي خمس سنوات وAnthropic حوالي ثلاث سنوات؛ بينما تقول Thinking Machines إنها وصلت إلى إنجاز مماثل في تسعة أشهر فقط.

ولتعزيز هذه السرعة، اعتمدت الشركة على الأجهزة. فبعد شراكة مع Nvidia في مارس، تم تدريب Inkling بالكامل على أنظمة Nvidia GB300 NVL72. استخدمت الشركة تقنيات التقطير (distillation)—من خلال الاستفادة من نماذج مفتوحة الأوزان مثل Kimi K2.5 من Moonshot AI في مراحل التدريب اللاحقة المبكرة—لكنها تتعهد بإجراء عمليات التدريب اللاحقة المستقبلية بالكامل داخليًا.

النقاط الرئيسية

  • ميزة الأوزان المفتوحة: يمكن للمطورين تنزيل نموذج MoE الذي يحتوي على 975 مليار معلمة وتعديله، مما يبعد السيطرة عن الأنظمة المغلقة.
  • تصميم يركز على الكفاءة أولاً: إن تنشيط 41 مليار معلمة فقط لكل مهمة وتقليل استخدام التوكنات يتيح للنموذج تقديم تفكير رفيع المستوى بجزء بسيط من التكلفة التشغيلية.
  • الرهان على التخصيص: تنتقل Thinking Machines من برامج الدردشة العامة إلى "Tinker"، وهي منصة تحول النماذج التأسيسية إلى أصول متخصصة لكل مؤسسة.