मीरा मुराती की Thinking Machines Lab ने Inkling के साथ आधिकारिक तौर पर मैदान में प्रवेश कर लिया है, जो केंद्रीकृत, "one-size-fits-all" AI दिग्गजों के प्रभुत्व को चुनौती देने के लिए बनाया गया एक open-weight मॉडल है। कच्चे, सामान्य-उद्देश्य वाली शक्ति के बजाय अनुकूलन क्षमता (customizability) पर दांव लगाकर, स्टार्टअप का कहना है कि एंटरप्राइज AI का भविष्य विशिष्ट, स्थानीय रूप से अनुकूलित बुद्धिमत्ता (locally optimized intelligence) में निहित है।

Inkling की आर्किटेक्चर: MoE के माध्यम से दक्षता

Inkling एक Mixture-of-Experts सिस्टम है जिसमें कुल 975 बिलियन पैरामीटर्स हैं। फिर भी, यह किसी भी एकल कार्य के लिए केवल लगभग 41 बिलियन पैरामीटर्स को सक्रिय करता है, जिससे उच्च-स्तरीय तर्क (reasoning) को बनाए रखते हुए लेटेंसी और लागत कम हो जाती है। इस मॉडल ने टेक्स्ट, इमेज, ऑडियो और वीडियो के 45 ट्रिलियन टोकन से सीखा है, जो इसे नेटिव मल्टीमॉडल क्षमताएं प्रदान करता है। कंपनी का दावा है कि Inkling कोडिंग बेंचमार्क पर Nvidia के Nemotron 3 Ultra के बराबर है, जबकि यह केवल एक-तिहाई टोकन का उपयोग करता है, जो प्रशिक्षण दक्षता का एक स्पष्ट संकेत है।

एंटरप्राइज कस्टमाइजेशन की ओर एक रणनीतिक बदलाव

OpenAI, Anthropic या Google के फ्लैगशिप उत्पादों के विपरीत, जो मुख्य रूप से सामान्य-उद्देश्य वाले चैटबॉट्स के रूप में कार्य करते हैं, Inkling को संगठनों के लिए एक फाउंडेशन के रूप में मार्केट किया जा रहा है। Thinking Machines इस मॉडल को एक शुरुआती बिंदु के रूप में पेश करती है, और उद्यमों से अपने "Tinker" प्लेटफॉर्म के माध्यम से प्रोप्रायटरी डेटा के साथ इसे फाइन-ट्यून करने का आग्रह करती है।

यह कदम उद्योग के "double payment" (दोहरा भुगतान) जाल से निपटने का प्रयास है। Microsoft के CEO सत्य नडेला ने चेतावनी दी थी कि कंपनियां दो बार भुगतान करती हैं—एक बार सब्सक्रिप्शन के लिए और दूसरी बार एक ऐसे मॉडल में अपना अनूठा बिजनेस लॉजिक फीड करके, जो अंततः प्रदाता के ट्रेनिंग सेट को समृद्ध करता है। एक open-weight मॉडल पेश करके, Thinking Machines कंपनियों को उस बुद्धिमत्ता को अपने पास (in-house) रखने की अनुमति देती है।

हाई-स्टेक्स इंफ्रास्ट्रक्चर और तीव्र विकास

Thinking Machines ने बाजार में बहुत तेजी से प्रवेश किया। OpenAI को लगभग पांच साल और Anthropic को लगभग तीन साल लगे; Thinking Machines का कहना है कि उसने केवल नौ महीनों में एक तुलनीय मील का पत्थर हासिल कर लिया है।

इस गति को बनाए रखने के लिए, फर्म ने हार्डवेयर का सहारा लिया। मार्च में Nvidia के साथ साझेदारी के बाद, Inkling को पूरी तरह से Nvidia के GB300 NVL72 सिस्टम पर प्रशिक्षित किया गया। कंपनी ने डिस्टिलेशन ट्रिक्स (distillation tricks) का उपयोग किया—शुरुआती पोस्ट-ट्रेनिंग के लिए Moonshot AI के Kimi K2.5 जैसे open-weight मॉडल का लाभ उठाया—लेकिन भविष्य की पोस्ट-ट्रेनिंग को पूरी तरह से इन-हाउस चलाने का वादा किया है।

मुख्य बातें

  • Open-Weight का लाभ: डेवलपर्स 975 बिलियन-पैरामीटर वाले MoE मॉडल को डाउनलोड और संशोधित कर सकते हैं, जिससे नियंत्रण बंद इकोसिस्टम (closed ecosystems) से दूर रहता है।
  • दक्षता-प्रथम डिज़ाइन: प्रति कार्य केवल 41 बिलियन पैरामीटर्स को सक्रिय करना और टोकन के उपयोग को कम करना मॉडल को परिचालन लागत के एक छोटे से हिस्से पर शीर्ष स्तर का तर्क (reasoning) प्रदान करने की अनुमति देता है।
  • कस्टमाइजेशन पर दांव: Thinking Machines सामान्य चैटबॉट्स से हटकर "Tinker" की ओर बढ़ रही है, जो एक ऐसा प्लेटफॉर्म है जो फाउंडेशन मॉडल्स को प्रत्येक संगठन के लिए विशिष्ट संपत्तियों (specialized assets) में बदल देता है।