Thinking Machines: Inkling

Суть

Inkling — мультимодальная модель общего назначения с открытыми весами от Thinking Machines Lab. Она принимает текст, изображения и аудио, а формирует текстовые ответы. Разработчик позиционирует её как основу для диалоговых и прикладных систем, которую можно адаптировать под конкретные задачи.

Сильные стороны

Модель рассчитана на широкий круг языковых задач и работу с разными типами входных данных. Среди заявленных направлений — программирование, следование инструкциям, рассуждение и использование инструментов в агентных сценариях. Thinking Machines Lab также отмечает регулируемую интенсивность рассуждения: её можно настраивать, чтобы выбирать баланс между скоростью ответа и глубиной обработки. Открытые веса позволяют исследовать модель, дообучать её и встраивать в сторонние продукты.

Контекст и модальности

Длина контекста — 1 048 576 токенов. На вход подаются текст, изображения и аудио; выход — текст. Модель предназначена для английского и обладает мультиязычными возможностями, а также рассчитана на работу с несколькими языками программирования.

Типовые сценарии

Inkling можно оценивать для чат-ботов, помощников по коду, систем с вызовом инструментов и приложений с поиском по предоставленным материалам (RAG). Мультимодальный ввод подходит для задач, в которых нужно сопоставить текст с изображением или аудио, а открытые веса дают разработчикам возможность адаптировать модель и развернуть её в собственном стеке.

Ограничения

Как и другие базовые модели, Inkling может выдавать правдоподобные, но неверные сведения, неточно выполнять инструкции и терять качество в длинных многоходовых диалогах. Качество может различаться между языками и предметными областями. Разработчик рекомендует проверять результаты и добавлять прикладные меры безопасности; в медицинских, юридических и других критически важных сценариях необходимы отдельная проверка и человеческий контроль.

Отличие от соседей по семейству

Inkling представлен как первая модель семейства, которое Thinking Machines Lab планирует развивать. В доступных материалах не приведено конкретное сравнение с другими версиями семейства, поэтому выделить различия в производительности или специализации нельзя.