ムラティがついに出荷：Inklingは米国最大のオープンウェイトモデル、しかし勝ちにはいかない

17か月、モデル1つ、誇示はゼロ

Thinking Machines Labは1年半にわたり、AI業界でもっとも注目される「空っぽの部屋」であり続けました。2025年2月に元OpenAI CTOのミラ・ムラティ氏が設立し、何ひとつ出荷しないうちに120億ドルのバリュエーションで20億ドルを調達し、積極的に採用を進め、そしてほとんど沈黙を保ってきました。7月15日、同社はついにモデルを公開しました。

そのモデルはInklingと呼ばれます。総パラメータ9750億、トークンあたりのアクティブパラメータは約410億のmixture-of-expertsトランスフォーマーで、コンテキストウィンドウは最大100万トークン、テキスト・画像・音声・動画にわたる45兆トークンで事前学習されています。完全な重みはApache 2.0のもとでHugging Faceに公開されており、パラメータ数で見れば、これは一般公開されている米国製オープンウェイトモデルとして最大のものになります。軽量版の兄弟モデルInkling-Smallは総パラメータ2760億、アクティブ120億のプレビューとして提供され、テスト完了後に完全な重みが公開される予定です。

異例なのはスペックシートではありません。その位置づけです。Thinking Machines自身の発表は、Inklingが「オープン・クローズドを問わず、今日利用できるモデルのなかで総合的に最強というわけではない」と率直に述べています。この分野のどのスタートアップにも劣らない期待を背負ってきたラボが、最初のリリースを「勝てませんでした」という宣言から始めたのです。

数字が実際に語っていること

同社は最大の推論努力（effort=0.99と表記）でのベンチマークを公開しました。Humanity's Last Exam（テキストのみ）で29.7%、AIME 2026で97.1%、GPQA Diamondで87.2%、SWEBench Verifiedで77.6%、Terminal Bench 2.1で63.8%、MMMU Pro visionで73.5%、VoiceBenchで91.4%。FORTRESS評価における敵対的安全性は78.0%でした。

これらは「フロンティアを定義する」というより「競争力のあるティア」と読むべき数字です。Inklingを真剣な顔ぶれのなかに位置づけはするものの、トップの誰かを押しのけるものではありません。ラボ自身の自己評価と一致しています。より興味深いのは効率についての主張です。Thinking Machinesによれば、Inklingは同等のコーディング性能に到達するのに、NvidiaのNemotron 3 Ultraのおよそ3分の1のトークンしか消費しません。推論コストがエージェント的な展開の制約条件となっている市場では、「解決までのトークン数」はリーダーボードの1行よりも正直な指標だと言えるかもしれません。

アーキテクチャに関する注記は、この上に何かを構築しようとする人にとって押さえておく価値があります。学習にはハイブリッドなオプティマイザ（大きな行列重みにはMuon、それ以外にはAdam）が使われ、アテンション構成はスライディングウィンドウ層とグローバル層を5:1の比率で混在させています。ポストトレーニングは3000万ロールアウトを超える規模で行われ、ラボは強化学習による対数線形の推論性能向上を報告しています。この最後の主張は、オープンウェイトのコミュニティで数週間以内に再現されるか、あるいは静かに再現されないかのどちらかというたぐいのものです。そして重みが公開された今、答えは明らかになるでしょう。

ビジネスはモデルではなくTinker

Inklingは製品ではありません。Thinking Machinesはこれで収益を上げていません。収益源は同社のファインチューニング・プラットフォームであるTinkerで、Inklingは初日からカスタマイズ対応として稼働し、50%の導入割引が付きました。重みは顧客獲得のファネルであり、カスタマイズ層が料金所なのです。

これはフロンティアラボの標準的な構図を反転させたものです。標準的にはモデルは施錠されたAPIであり、マージンはトークン単位の推論に乗っています。Thinking Machinesは代わりに、企業が「単一の最良な汎用モデル」よりも「強力で可鍛性のあるベース」を求めているほうに賭けています。その証拠として掲げられているのがBridgewater Associatesとのパートナーシップです。同ヘッジファンドの金融の知見で学習させたモデルは、金融推論テストで84.7%を記録し、運用コストはおよそ14分の1でした。この数字には注釈が必要です。TechCrunchが指摘するとおり、これは独立した評価ではなく、両社自身による評価から出た数字です。

流通面の展開は即座かつ広範でした。Together AI、Fireworks、Modal、Baseten、Databricksがいずれもサポートを開始しています。Databricksは自社のUnity AI Gateway経由でこれを売り込んでおり、その論法はオープンウェイト陣営がこの2年間主張してきたものそのものです。すなわち、独自のコードベースでファインチューニングし、CursorやOpenCodeのようなコーディングエージェントに接続し、「トークン単位のAPI課金なしに推論コストを最適化する」、そしてベンダーロックインを避ける、というものです。

検閲というアングルはポジショニングの一手

Thinking MachinesはInklingをCognitionのPropaganda and Censorship Evalで評価し、検閲への非追従が強く見られたと報告しました。これは何気ない性能上のメモではありません。中国のオープンウェイトモデル（DeepSeek、Qwen、GLM、そして今やMoonshotのKimi K3）がコスト面を理由にオープンモデル展開のシェアを伸ばすなか、この1年ずっと積み上がってきた不安に真正面から訴える売り込みです。

Fortuneはこの戦略的な空白を明快に描いています。Metaはオープンウェイトから離れて有料のプロプライエタリ提供へ舵を切り、OpenAIのオープンなリリースは限定的なままで、コストに敏感な企業は中国製の選択肢へと流れました。そしてこの流れは、ワシントンではますます国家的な懸念として読まれています。Inklingは、真に大規模な水準で米国が出した最初の説得力ある回答です。「検閲への耐性」がファインチューニングされた派生モデルとの接触に耐えられるかどうかは別の問題です。オープンウェイトの本質は、誰もがその挙動を再学習で取り除けるという点にあるのですから。

誇張を削るべきところ

3つの但し書きが重要です。

第一に、同社はポストトレーニングにおいて蒸留を通じて競合の出力を使用したことを認めており、今後のモデルは自己完結的な手法に依拠すると述べています。これは誠実な開示であると同時に、「独立したフロンティアラボ」と「一部は他ラボの出力で学習した」が両立しうるという事実の再確認でもあります。

第二に、財務状況が不透明です。報じられた500億ドルの調達ラウンドは1月時点で停滞しており、同じ月に共同創業者2名がOpenAIへ移りました。約200人の従業員を抱えて資本を燃やしながら旗艦モデルを無償で配るラボには、Tinkerが、それも早期に、収益転換することが必要です。

第三に、9750億パラメータに付いたApache 2.0は、大半の組織にとって実用的というより象徴的です。この規模のモデルを自前でサーブできる組織はごくわずかしかありません。だからこそライセンスよりも展開パートナーのリストのほうが重要になるのです。実際には、ほとんどのユーザーはInklingを自分で動かすのではなく、DatabricksやFireworksから借りることになるでしょう。オープンウェイトが買えるのは可搬性と監査の権利であって、無料の推論ではありません。

まとめ

Inklingが今週もっとも興味深いモデルリリースであるのは、何かで首位に立ったからではなく、何を主張することを拒んだかによります。120億ドル分の期待を背負ったラボがモデルを出荷し、これは最良ではないと声に出して言い、顧客をファインチューニング層へと導いた。これは称賛すべき戦略的明晰さか、あるいは跳ぶ前にバーを下げるエレガントな手口のどちらかです。そして正直な答えは、企業が実際に量的な規模でカスタマイズに金を払うかどうかを見るまで分からない、というものです。

曖昧さがないのはこの点です。米国はいま、大規模で、寛容なライセンスを持ち、真にマルチモーダルなオープンウェイトモデルを、初日から実運用インフラ付きで手にしました。この18か月、オープンウェイトをめぐる議論は杭州と北京のほうへ流れ続けてきました。Inklingはその流れを反転させはしませんが、久しぶりに、国旗ではなく中身で議論を挑んだ米国発のリリースです。