Thinking Machines veröffentlicht Inkling – das erste Modell mit offenen Gewichten
Thinking Machines stellt Inkling vor, ein multimodales KI-Modell mit 975 Milliarden Parametern und offenen Gewichten. Das Modell unterstützt Text, Bild und Audio und setzt neue Maßstäbe für die Anpassbarkeit im Open-Weight-Bereich.
Thinking Machines veröffentlicht Inkling
Thinking Machines hat sein erstes Modell mit offenen Gewichten vorgestellt: Inkling. Das Modell verfügt über insgesamt 975 Milliarden Parameter, von denen 41 Milliarden aktiv sind, und ist in der Lage, Text, Bilder und Audiodaten zu verarbeiten.
Der Zugriff auf das Modell erfolgt über die API der Tinker-Plattform mit einem Kontextfenster von 256.000 Token. Die Modellgewichte stehen auf Hugging Face zur Verfügung und unterstützen einen Kontext von bis zu einer Million Token.
Ergebnisse und Bewertungen
Im Artificial Analysis Intelligence Index erzielte Inkling 41 Punkte und etablierte sich damit als führendes US-Modell mit offenen Gewichten. Es übertraf dabei Nemotron 3 Ultra, das auf 38 Punkte kam.
Anpassung und Feinabstimmung
Inkling wurde speziell für die Anpassung und Feinabstimmung (Fine-Tuning) über die Tinker-Plattform konzipiert. Dies ermöglicht es Entwicklern, das Modell nahtlos an individuelle Produkte und Workflows anzupassen.
Preise
- Kosten pro 1 Million Token bei einem Kontextfenster von 64.000:
$1,87 für Eingabe-Token / $0,374 für gecachte Token / $4,68 für Ausgabe-Token - Kosten pro 1 Million Token bei einem Kontextfenster von 256.000:
$3,74 für Eingabe-Token / $0,748 für gecachte Token / $9,36 für Ausgabe-Token
Warum das wichtig ist
AnalyseInkling markiert einen bedeutenden Fortschritt in der Entwicklung von KI-Modellen mit offenen Gewichten, da es Entwicklern die volle Kontrolle über die Technologie gibt. Diese Offenheit fördert maßgeschneiderte KI-Lösungen und senkt die Einstiegshürden für komplexe, multimodale Anwendungen.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Binance veröffentlicht Untersuchung zum Diebstahl von 6,3 Mrd. US-Dollar
Die Untersuchung verbindet den Diebstahl mit einem manipulierten Homebrew, einem gefälschten Interview und dem Missbrauch eines internen KI-Tools von Binance.
MIT-Forschende zeigen, dass GPT-6 Astra andere KI-Modelle durch direkte Gewichtsänderungen verbessern kann
In einem Experiment erhöhte Astra die Genauigkeit von Qwen3.5-0.8B auf MATH-500 von 7,9 % auf 48,1 %, indem nur 0,016 % der Modellgewichte geändert wurden.
JSON – strukturierte Daten für Anwendungen, APIs und KI-Agenten
Ein umfassender praktischer Leitfaden zum JSON-Format: Syntaxregeln, Serialisierung über parse/stringify, Arbeit mit REST-APIs, JSON Schema und strukturierter Output für künstliche Intelligenz.
DOCX- und XLSX-Formate: Wann ein vollwertiges finales Dokument von KI erforderlich ist
Ein umfassender praktischer Leitfaden zur Generierung und Verarbeitung von DOCX-Dokumenten und XLSX-Tabellen mit KI: Vergleich mit Markdown und CSV, Prompt-Engineering, Arbeit mit Formeln und Automatisierung im Code.