Die wichtigsten Fakten

  • Technisches Debüt: Thinking Machines Lab veröffentlicht Inkling, ein Open-Weight-Modell mit insgesamt 975 Milliarden Parametern, von denen dank MoE-Architektur nur 41 Milliarden pro Inferenz aktiv sind.
  • Wettbewerbsposition: Platz 41 im Artificial Analysis Intelligence Index, damit das bestplatzierte US-amerikanische Open-Weight-Modell, vor Nvidia Nemotron 3 Ultra.
  • Betriebseffizienz: Durchschnittlicher Verbrauch von 25.000 Token im Output gegenüber 37.000 bis 43.000 Token bei konkurrierenden Modellen, bei einer Apache-2.0-Lizenz ohne kommerzielle Einschränkungen.

Markteintritt mit bislang unerreichter Parameterskala

Thinking Machines Lab unter der Leitung der ehemaligen OpenAI-CTO Mira Murati hat am 15. Juli 2026 Inkling veröffentlicht – das Open-Weight-Modell mit der höchsten Parameterzahl, die je in den USA entwickelt wurde. Die Zahl von 975 Milliarden Parametern insgesamt platziert das System in einer Größenordnung, die dedizierte Rechenzentren-Infrastruktur voraussetzt. Der entscheidende Punkt liegt jedoch nicht in der reinen Größe, sondern in der Effizienz der Aktivierung.



Inkling: Das Open-Weight-Modell mit 975 Milliarden Parame... - Foto 1

MoE-Architektur: Das Verhältnis zwischen Skalierung und Rechenaufwand

Der Decoder-only-Transformer von Inkling arbeitet mit 66 Schichten und einem Routing-Mechanismus, der pro Token 6 von 256 Experten auswählt, ergänzt durch 2 stets aktive gemeinsame Experten. Das Resultat: Das System mobilisiert pro Anfrage lediglich 41 Milliarden aktive Parameter – ein Sparsitätsverhältnis, das die Rechenlast drastisch reduziert, ohne die Repräsentationsfähigkeit der Gesamtskala einzuschränken. Das Kontextfenster erreicht 1 Million Token, während die Quantisierung in NVFP4 den Betrieb auf acht Nvidia-B300- oder sechzehn H200-Beschleunigern ermöglicht – eine Spezifikation, die den erforderlichen Hardware-Mindestaufwand für den Einsatz festlegt.

Multimodale Eingabe, monomodale Ausgabe

Das Training verarbeitete 45 Billionen Token aus Text, Bildern, Audio und Video. Bilder und Videos werden über einen hierarchischen Patch-Encoder verarbeitet, Audio über eine diskrete Token-Kodierung, wobei alle Modalitäten in einen gemeinsamen latenten Raum projiziert werden, den der Decoder verarbeitet. Die architektonische Beschränkung sieht vor, dass die Ausgabe ausschließlich textbasiert bleibt: Code, strukturierte Dokumente, Daten. Die Apache-2.0-Lizenz hebt sämtliche Einschränkungen bei Download, Ausführung und Anpassung auf – eine Bedingung, die den Unternehmenseinsatz ohne Lizenzverhandlungen ermöglicht.

Benchmark-Ergebnisse: Wo das Modell direkte Konkurrenten übertrifft

Die Platzierung auf Rang 41 im Artificial Analysis Intelligence Index macht Inkling zum bestbewerteten US-amerikanischen Open-Weight-Modell und übertrifft damit Nemotron 3 Ultra, das bei 38 Punkten liegt. Im SWE-bench Verified erreicht Inkling 77,6 % gegenüber 71,9 % beim Nvidia-Konkurrenzmodell. Im VoiceBench liegt der Wert bei 91,4 %. Im GDPval-AA v2-Index übertrifft die Elo-Bewertung von 1238 sowohl Kimi K2.6 (1190) als auch DeepSeek v4 Flash (1189) – ein messbarer Vorsprung in zwei unterschiedlichen Benchmarks zu angewandtem Reasoning.



Inkling: Das Open-Weight-Modell mit 975 Milliarden Parame... - Foto 2

Token-Effizienz als Kennzahl für den operativen Aufwand

Der durchschnittliche Verbrauch von 25.000 Ausgabe-Token pro Aufgabe im Intelligence Index steht im Vergleich zu 43.000 Token bei GLM-5.2, 38.000 bei Kimi K2.6 und 37.000 bei DeepSeek v4 Pro. Im Terminal Bench 2.1 erreicht Inkling das Niveau von Nemotron 3 Ultra mit etwa einem Drittel des Token-Verbrauchs – ein Wert, der sich direkt auf den Inferenzaufwand im Produktionsmaßstab auswirkt. Der "controllable thinking effort" erlaubt eine Feinabstimmung zwischen Geschwindigkeit und Genauigkeit, während ein Mechanismus zur Unsicherheitskennzeichnung die Häufigkeit fehlerhafter Ausgaben reduziert.

Technische Bezüge zu externer Forschung

Thinking Machines hat bestätigt, dass die Architektur von Inkling auf DeepSeek-V3 basiert und dass in der Post-Training-Phase Daten verwendet wurden, die von Kimi K2.5 von Moonshot AI generiert wurden. Dies dokumentiert den Austausch von Methodiken zwischen Forschungslabors unabhängig von deren geografischer Herkunft – ein technischer Sachverhalt, den das Unternehmen selbst offen in der Freigabedokumentation angibt.



Inkling: Das Open-Weight-Modell mit 975 Milliarden Parame... - Foto 3

Einordnung: Basis für Anpassungen, nicht das leistungsstärkste Modell insgesamt

Die offizielle Erklärung von Thinking Machines grenzt die Ambitionen der Veröffentlichung klar ein: "Inkling ist nicht das insgesamt leistungsstärkste heute verfügbare Modell, weder Open- noch Closed-Source. Es ist stattdessen eine ausgezeichnete Open-Weight-Basis für Anpassungen." Die strategische Positionierung zielt nicht auf den absoluten Spitzenplatz im Ranking ab, sondern auf den Aufbau einer modularen Basisinfrastruktur mit permissiver Lizenz. Die unmittelbare Auswirkung auf den US-amerikanischen Open-Weight-Markt ist das Erscheinen eines technischen Standards mit einem Effizienz-Leistungs-Verhältnis, das über dem bisher verfügbaren Niveau liegt – eine Entwicklung, die den Wettbewerbsmaßstab für kommende Veröffentlichungen in diesem Bereich neu definiert.