--- title: Ex-OpenAI-Chefin veröffentlicht anpassbares Open-Weight-Modell Inkling description: Das Thinking Machines Lab greift mit einem offenen Ansatz an. Unternehmen können Inkling anpassen und lokal betreiben. author: Andreas Becker url: https://www.all-ai.de/news/news26top/thinking-machines-lab-inkling --- ![Mira Murati auf einer Weltkugel](https://www.all-ai.de/images/2-news/7-26/inkling-modell-1600.webp) # Ex-OpenAI-Chefin veröffentlicht anpassbares Open-Weight-Modell Inkling Das Thinking Machines Lab greift mit einem offenen Ansatz an. Unternehmen können Inkling anpassen und lokal betreiben. [Andreas Becker](https://www.all-ai.de/charaktere)·15.07.26 GPT-Images-2.0 ![Mira Murati auf einer Weltkugel](https://www.all-ai.de/images/2-news/7-26/inkling-modell-1600.webp#joomlaImage://local-images/2-news/7-26/inkling-modell-1600.webp?width=1600&height=900) Kurzfassung ▾ Quellen ▾ - Das Startup Thinking Machines Lab von Mira Murati hat mit Inkling sein erstes offenes KI-Modell veröffentlicht. - Inkling verarbeitet nativ Text, Bilder sowie Audio und richtet sich gezielt an Unternehmen. - Anstatt auf absolute Spitzenleistungen zu setzen, bietet das Modell einen steuerbaren Rechenaufwand für höhere Kosteneffizienz. - Entwickler können Inkling über die hauseigene Plattform Tinker mit internen Firmendaten feinabstimmen. - [Thinking Machines - offizielle Seite](https://thinkingmachines.ai/news/introducing-inkling/) - [Modelle auf Huggingface](https://huggingface.co/thinkingmachines/Inkling) - [WIRED - Thinking Machines Lab Drops Its First Model](https://www.wired.com/story/thinking-machines-lab-releases-its-first-model-inkling/) - [Axios - Thinking Machines' first model bets big on customization](https://www.axios.com/2026/07/15/mira-murati-thinking-machines-open-weight-model-inkling) - [Bloomberg - Murati’s Thinking Machines Releases First AI Model for Broad Use](https://www.bloomberg.com/news/articles/2026-07-15/murati-s-thinking-machines-releases-first-ai-model-for-broad-use) Das von der ehemaligen OpenAI-Technikchefin Mira Murati gegründete Startup Thinking Machines Lab hat am Mittwoch sein erstes KI-Modell namens Inkling vorgestellt. Es ist frei zugänglich und für Unternehmen konzipiert, die eigene Modelle mit internem Wissen trainieren wollen. Inkling positioniert sich damit als direkter Gegenentwurf zu den geschlossenen Allzweckmodellen der großen Anbieter. #### Effizienz durch variable Rechenleistung Inkling basiert auf einer Mixture-of-Experts-Architektur mit insgesamt 975 Milliarden Parametern. Für eine konkrete Abfrage greift das Modell jedoch nur auf 41 Milliarden aktive Parameter zu. Das senkt die Hardware-Anforderungen und beschleunigt die Antworten. Ein zentrales Merkmal ist der steuerbare Rechenaufwand. Entwickler können gezielt festlegen, wie viele Token Inkling für einen Lösungsweg aufwenden darf. Laut Anbieter benötigt Inkling beim Programmier-Test Terminal Bench 2.1 so nur ein Drittel der Token, um das Leistungsniveau von Nvidias Nemotron 3 Ultra zu erreichen. ###### Anzeige #### Fokus auf ausgewogene Leistung Thinking Machines zielt mit Inkling nicht auf den Spitzenplatz in einer einzelnen Disziplin ab. Das Modell ist stattdessen auf eine zuverlässige Basisleistung über viele Anwendungsgebiete hinweg ausgelegt. In den Veröffentlichungsunterlagen räumt das Startup ein: »Es ist nicht das stärkste heute verfügbare Modell, weder bei den geschlossenen noch bei den offenen.« Das Radar-Diagramm verdeutlicht diesen Ansatz. Inkling deckt verschiedene Anforderungen von logischem Denken bis hin zur Verarbeitung von Fakten sehr gleichmäßig ab: ![Inkling Bench 1](https://www.all-ai.de/images/2-news/7-26/inkling-modell-1.webp) ###### Quelle: thinkingmachines Diese Vielseitigkeit zeigt sich auch bei Programmieraufgaben. Bei der Erstellung von Web-Anwendungen im Design Arena Benchmark erzielt Inkling einen Wert von 1257. Es reiht sich damit im vorderen Feld der ein: ![Inkling Bench 2](https://www.all-ai.de/images/2-news/7-26/inkling-modell-2.webp) ###### Quelle: thinkingmachines Die detaillierten Benchmark-Ergebnisse im Vergleich zu anderen Modellen listen die Entwickler in einer umfangreichen Übersicht auf. Bei der Code-Auswertung SWE-bench Verified erreicht Inkling beispielsweise 77,6 Prozent: ![Inkling Bench 3](https://www.all-ai.de/images/2-news/7-26/inkling-modell-3.webp) ###### Quelle: thinkingmachines #### Nativer Umgang mit Bild und Ton Inkling verarbeitet Text, Bilder und Audioinhalte nativ, ohne Audiodaten vorher in Text umwandeln zu müssen. Das Modell unterstützt ein langes Kontextfenster von einer Million Token und wurde im Vorfeld mit 45 Billionen Token trainiert. Bei Sprachanweisungen und der Bildanalyse sortiert sich Inkling ebenfalls stark in der Open-Weight-Klasse ein. Das zeigen die Audio- und Vision-Benchmarks im direkten Vergleich mit Modellen wie Qwen3-Omni oder Kimi K2.5: ![Inkling Bench 4](https://www.all-ai.de/images/2-news/7-26/inkling-modell-4.webp) ###### Quelle: thinkingmachines #### Anpassung über die hauseigene Plattform Unternehmen sollen Inkling über die firmeneigene Plattform Tinker anpassen. Der Ansatz von Thinking Machines lautet: Ein Modell, das mit firmeninternem Fachwissen feinabgestimmt wird, löst spezifische Aufgaben am Ende deutlich präziser als ein allgemeiner Chatbot. Nutzer zahlen dabei nicht dauerhaft für API-Zugriffe auf externe Server. Sie laden die Gewichte herunter und betreiben Inkling in ihrer eigenen IT-Infrastruktur. Neben dem Hauptmodell hat das Startup auch eine Vorschau auf Inkling-Small veröffentlicht. Diese kompaktere Variante arbeitet mit lediglich 12 Milliarden aktiven Parametern. Sie erzielt bei mathematischen und logischen Aufgaben teils leicht bessere Werte als das große Modell und ist für Einsatzbereiche gedacht, in denen niedrige Latenz und geringe Kosten entscheidend sind: ![Inkling Bench 5](https://www.all-ai.de/images/2-news/7-26/inkling-modell-5.webp) ###### Quelle: thinkingmachines Die vollständigen Gewichte von Inkling stehen seit Mittwoch auf der Plattform Hugging Face zum Download bereit.