Thinking Machines เปิดโมเดลภาษามัลติมอดัล Inkling โอเพ่นซอร์ส ลดค่าใช้จ่ายและต่อต้านการเซนเซอร์

Thinking Machines เปิดตัวโมเดลภาษามัลติมอ modalities ตัวแรกแบบเปิดโค้ดที่ชื่อ Inkling ภายใต้สัญญาอนุญาต Apache 2.0 เพื่อตอบโจทย์องค์กรที่ต้องการควบคุมค่าใช้จ่ายและความโปร่งใสของ AI โดยโมเดลนี้ออกแบบให้สามารถทำงานบนพื้นฐาน “open‑weights” ได้ทั้งในศูนย์ข้อมูลส่วนตัวและคลาวด์ส่วนบุคคล – เป็นการเพิ่มทางเลือกใหม่ให้กับตลาดโมเดลภาษาเปิดที่กำลังเติบโตอย่างรวดเร็ว

Overview

Inkling เป็นระบบ Mixture‑of‑Experts (MoE) ที่มีพารามิเตอร์ทั้งหมด 975 พันล้าน ตัว โดยใช้ 41 พันล้าน พารามิเตอร์แบบ active ในการประมวลผล ณ เวลาใดเวลา​หนึ่ง โมเดลนี้รองรับอินพุตประเภทข้อความ, รูปภาพและเสียง ทำให้เป็นโมเดลที่ “multimodal” อย่างแท้จริง การเปิดตัวภายใต้สัญญาอนุญาต Apache 2.0 ทำให้นักพัฒนาสามารถดึงน้ำหนัก (weights) จาก Hugging Face หรือใช้ API ของบริษัทชื่อ Tinker** เพื่อฝึกและปรับแต่งได้โดยไม่มีข้อจำกัดด้านลิขสิทธิ์

Model Architecture & Specs

• พารามิเตอร์ทั้งหมด: 975 พันล้าน ตัว
• พารามิเตอร์ที่ทำงาน (active) : 41 พันล้าน ตัว
• ประเภทโมเดล: **Mixture‑of‑Experts (MoE) แบบเปิดน้ำหนัก
• รองรับหลายโหมด: ข้อความ, ภาพ, เสียง

โมเดลนี้ยังมาพร้อมกับเวอร์ชันขนาดเล็กชื่อ Inkling‑Small ซึ่งมีพารามิเตอร์ทั้งหมด 276 พันล้าน ตัว ออกแบบเพื่อให้ตอบสนองต่อความต้องการงานที่ต้องการ latency ต่ำและค่าใช้จ่ายจำกัด การจัดสรร “thinking effort” สามารถปรับได้จาก 0.2 ถึง 0.99 เพื่อควบคุมระดับความลึกของการคิดและต้นทุนโดยตรง

Benchmark Performance

ตามผลการทดสอบบนหลาย benchmark ที่เป็นที่ยอมรับในอุตสาหกรรม Inkling แสดงผลงานที่ “sub‑state‑of‑the‑art” แต่เหนือกว่าโมเดลเปิดอื่น ๆ อย่างชัดเจน ตัวอย่างเช่น ใน SWE‑bench Verified (การเขียนโค้ด) ได้คะแนน 77.6 % ซึ่งเหนือกว่า Nvidia Nemotron 3 ที่ 71.9 % ส่วนในงานเข้าใจเสียง (VoiceBench) โมเดลบรรลุคะแนน 91.4 % แม้จะยังน้อยกว่า Gemini 3.1 Pro** (94.4 %) แต่ถือเป็นผลลัพธ์ที่ดีสำหรับโมเดลเปิดประเภทนี้

Competitive Landscape

เมื่อเทียบกับโมเดลเปิดอื่น ๆ เช่น GLM 5.2, DeepSeek V4 Pro, Kimi K2.6 และ Nemotron 3 Ultra ผลการทดสอบแสดงให้เห็นว่า Inkling ยังคงอยู่ในระดับกลาง‑สูงของ benchmark ที่หลากหลาย ตัวอย่างเช่น:

• GLM 5.2 ทำคะแนนดีกว่าในงานโค้ดดิ้ง (62.1 % vs 54.3 %) และการประมวลผลเทอร์มินัล (82.7 % vs 63.8 %)
• DeepSeek V4 Pro แซงหน้า Inkling บน SWE‑bench Verified (80.6 % vs 77.6 %) แต่ถูกลบหลั่นในโจทย์คณิตศาสตร์ AIME 2026 ด้วยคะแนน 97.1 % เหนือ DeepSeek ที่ 96.7 %
• Kimi K2.6 มีคะแนนสูงกว่าใน GPQA Diamond (91.1 % vs 87.9%) แต่ Inkling ยังคงเหนือกว่าในการทำตามคำสั่งสนทนา (IFBench) ด้วยคะแนน 79.8 % เทียบกับ 76.0 %

เมื่อเปรียบเทียบกับโมเดลปิดเช่น Claude Fable 5, GPT 5.6 Sol, และ Gemini 3.1 Pro Inkling ยังคงตามหลังในด้านการให้เหตุผลและความสามารถในการเขียนโค้ดขั้นสูง อย่างไรก็ตาม ความได้เปรียบของ Inkling อยู่ที่การเป็นโมเดล “multimodal” เปิดน้ำหนัก ที่สามารถปรับค่าใช้จ่าย‑ประสิทธิภาพได้โดยตรง

Cost & Controllability

ฟีเจอร์หลักของ Inkling คือ controllable thinking effort ซึ่งให้ผู้พัฒนาปรับระดับ “budget” ของการคิดจาก 0.2 ถึง 0.99 ตามความต้องการของงาน หากต้องการผลลัพธ์ที่แม่นยำสูงและพร้อมเสียค่าใช้จ่ายเพิ่มขึ้น สามารถตั้งค่าเป็นค่าที่ใกล้ 1.0 ได้ ในทางกลับกัน งานที่เน้น latency ต่ำหรือมีข้อจำกัดด้านงบประมาณสามารถลดค่า “thinking effort” ลงไปได้เช่น 0.2 เพื่อลดจำนวนการเรียกโมเดลและใช้ทรัพยากรน้อยลง ฟีเจอร์นี้เป็นการออกแบบที่แตกต่างจากแนวทางสเกลแบบ “black‑box” ของคู่แข่งระดับสูง ซึ่งมักจะเพิ่มพารามิเตอร์โดยไม่มีเครื่องมือควบคุมต้นทุนอย่างชัดเจน

Impact on Enterprises

สำหรับองค์กรที่ต้องการนำ AI ไปใช้ในกระบวนการทำงานภายใน—เช่น การสร้างเนื้อหาอัตโนมัติ, การตรวจสอบคุณภาพของข้อมูล, หรือระบบสนับสนุนลูกค้าแบบหลายโหมด—Inkling ให้ทางเลือกในการรันโมเดลบน on‑premises หรือ virtual private cloud ด้วยน้ำหนักเปิด ทำให้สามารถทำ compliance และการควบคุมข้อมูลที่เข้มงวดได้ง่ายขึ้น นอกจากนี้ ความสามารถ “ตอบโดยตรง” ในหัวข้อที่อาจถูกเซนเซอร์ ยังเป็นจุดขายสำคัญสำหรับภาคธุรกิจที่กังวลเรื่องความเชื่อถือของผลลัพธ์แม้ในบริบทที่มีการถกเถียงหรือข้อมูลที่ละเอียดอ่อน

Summary

Inkling ของ Thinking Machines เปิดตัวเป็นโมเดลภาษาเปิดขนาดใหญ่แรกที่รองรับหลายโหมด พร้อมฟีเจอร์ควบคุมค่าใช้จ่ายและความโปร่งใส ทำให้เป็นทางเลือกสำคัญสำหรับองค์กรที่ต้องการ AI ที่สามารถปรับแต่งได้ตามงบประมาณและข้อกำหนดด้านข้อมูล แม้ว่าจะยังไม่เหนือกว่ารุ่นปิดเชิงลึกที่สุด แต่ตำแหน่งของมันในตลาดโมเดลเปิดถือว่าแข็งแกร่งและมีศักยภาพในการขยายการนำไปใช้จริงต่อไป.