ex CTO von OpenAI launcht eigenes Modell zum feinjustieren

Jens Hansen & KI

·

16. Juli 2026

·

Das Start-up von Mira Murati hat am 15. Juli 2026 sein erstes eigenes Grundmodell vorgestellt, das offene Inkling-Modell von Thinking Machines. Wer will, kann die trainierten Gewichte kostenlos herunterladen und auch kommerziell nutzen. Das Labor galt schon vor diesem Modell als eines der teuersten KI-Start-ups der Welt, obwohl es bis dahin kein eigenes veröffentlicht hatte.

Das Inkling-Modell nutzt nur einen Bruchteil seiner Größe

Offene Gewichte bedeuten, dass jeder die trainierten Parameter herunterladen und selbst betreiben darf. Inkling ist ein sogenanntes Mixture-of-Experts-Modell und zählt 975 Milliarden Parameter, von denen pro Anfrage nur 41 Milliarden aktiv sind. Diese Bauweise teilt das Netz in viele Spezialbereiche auf, von denen pro Anfrage nur wenige rechnen. Das senkt die Rechenkosten deutlich, ohne die Größe des Modells zu opfern. Der Router wählt pro Token sechs von 256 Experten aus, dazu kommen die festen Experten jeder Schicht.

Trainiert wurde Inkling auf 45 Billionen Token aus Text, Bildern, Audio und Video. Als Eingabe versteht es alle vier Formate, ausgeben kann es aber nur Text, Code und strukturierte Daten. Das Kontextfenster zeigt an, wie viel Text ein Modell auf einmal verarbeiten kann, und bei Inkling reicht es bis zu einer Million Token. Neben dem großen Modell erschien eine kleinere Vorschau namens Inkling-Small mit 276 Milliarden Parametern.

Die Gewichte stehen unter der Apache-2.0-Lizenz, die kommerzielle Nutzung ohne Umsatzgrenze und ohne Einschränkung erlaubt. Wer es ausprobieren will, findet die Gewichte auf Hugging Face. Zusätzlich läuft das Modell auf der firmeneigenen Plattform Tinker sowie bei Partnern wie TogetherAI, Fireworks und Databricks.

Vom OpenAI-Abgang zum ersten eigenen Modell

Hinter Thinking Machines Lab steht Mira Murati, die frühere Technikchefin von OpenAI. Sie kündigte ihren Abgang bei OpenAI im September 2024 an und gründete wenige Monate später das Labor in San Francisco. Mit an Bord kamen weitere OpenAI-Größen, darunter der Mitgründer John Schulman. Im Juli 2025 sammelte das Start-up rund zwei Milliarden Dollar ein. Das war die größte Seed-Runde der Branche, und die Bewertung lag bei zwölf Milliarden Dollar.

Ihr erstes Produkt war nicht ein Modell, sondern die Plattform Tinker, die seit Oktober 2025 offene Sprachmodelle feinabstimmt. Feinabstimmen bedeutet, ein bestehendes Modell mit eigenen Daten für eine spezielle Aufgabe zu schärfen. Genau daran verdient das Unternehmen sein Geld, nicht am Modell selbst. Inkling wird nicht direkt monetarisiert, sondern bringt die Einnahmen weiter über die Plattform Tinker. Zu den Kunden zählt laut TechCrunch der Hedgefonds Bridgewater Associates.

Was das Inkling-Modell von Thinking Machines für Firmen leistet

Thinking Machines nennt Inkling ausdrücklich nicht das stärkste Modell am Markt, sondern eine anpassbare und günstige Grundlage. „Inkling ist nicht das insgesamt stärkste heute verfügbare Modell, ob offen oder geschlossen“, erklärt das Labor laut TechCrunch sinngemäß. Benchmarks sind standardisierte Tests, die Modelle vergleichbar machen, und in diesen Tests liegt Inkling nach eigener Modellkarte dennoch weit vorn. Beim Programmiertest SWE-Bench Verified erreicht es 77,6 Prozent, beim Mathematikwettbewerb AIME sogar 97,1 Prozent.

Ungewöhnlich ist die steuerbare Denk-Tiefe, das sogenannte Reasoning vor der eigentlichen Antwort. Nutzer regeln diesen Aufwand über einen Regler, und bei einfachen Aufgaben spart das Rechenzeit und Kosten. Zudem kennzeichnet das Modell eigene Unsicherheit, statt zu raten. In einer Demo schrieb Inkling selbst einen Feinabstimmungs-Job und wertete ihn in rund 27 Minuten aus.

Als Maßstab dient Nvidias offenes Modell Nemotron 3 Ultra vom Juni 2026. Laut Thinking Machines erreicht Inkling ähnliche Leistung mit rund einem Drittel der Token. Bei SWE-Bench Verified liegt Inkling laut VentureBeat vor Nemotron, während beim Stimm-Benchmark VoiceBench Googles Gemini 3.1 Pro knapp vorn liegt. Gegen die führenden chinesischen Modelle reicht es noch nicht ganz, denn bei SWE-Bench liegt Inkling laut InfoWorld hinter DeepSeek V4 Pro und GLM 5.2. Vor Inkling war Nemotron das einzige US-Modell in der Spitzengruppe offener Systeme.

Analysten loben die Idee und melden Bedenken an

Die Fachwelt reagiert abwägend, nicht euphorisch. Mitch Ashley von der Futurum Group sieht in Inkling die erste ernsthafte westliche Alternative in einem Feld, das chinesische Anbieter dominieren. Holger Mueller von Constellation Research hält das Geschäftsmodell für die eigentliche Neuerung. Gebühren für die Plattform statt für den reinen Modellzugang könnten die Preise für Sprachmodelle weiter drücken.

Nicht alle Stimmen sind uneingeschränkt positiv. „Unternehmen profitieren wahrscheinlich bei Aufgaben, wo Domänenanpassung wichtiger ist als allgemeine Modellleistung“, sagt Biswajeet Mahapatra von Forrester sinngemäß. Der Nutzen bleibt also begrenzt, und Pareekh Jain von Pareekh Consulting sieht Inkling als Ausweg für Firmen, die chinesische Modelle aus rechtlichen Gründen meiden. Er warnt aber, dass Feinabstimmung die Sicherheitsfilter eines Modells schwächen kann. Die Entwicklergemeinde reagierte überwiegend positiv auf Offenheit und Größe, viele halten das Modell aber noch für früh und wenig ausgereift.

Wer jetzt das Inkling-Modell prüfen sollte

Für Unternehmen zählt am Ende eine nüchterne Rechnung, denn das Inkling-Modell von Thinking Machines lohnt sich dort, wo eigene Daten und Anpassung zählen. Wer ein Modell fein auf seine Fachdomäne trimmt, holt oft mehr heraus als aus einem großen Allzweckmodell. Genau das zeigt das Bridgewater-Beispiel, wo eine angepasste offene Variante 84,7 Prozent bei Finanzaufgaben erreichte. Die Betriebskosten sanken laut TechCrunch auf etwa ein Vierzehntel proprietärer Modelle.

Der Preis dafür ist der Betrieb selbst, denn wer das volle Modell hosten will, braucht laut InfoWorld mindestens zwei Terabyte GPU-Speicher. Das entspricht acht Nvidia-B300-Karten oder sechzehn H200-GPUs. Eine komprimierte Version senkt den Bedarf auf rund 600 Gigabyte, weshalb für viele Firmen der Weg über gehostete Anbieter oder Tinker realistischer bleibt.

Für westliche Firmen zählt auch die Herkunft eines Modells, weil viele von ihnen chinesische Systeme aus Sorge um Beschaffungs- oder Rechtsfragen meiden. Inkling bietet hier erstmals eine offene US-Alternative auf Augenhöhe. Laut VentureBeat trainierte das Labor Inkling zudem darauf, Zensur zu widerstehen, sodass es strittige Themen direkt beantworten soll.

Was als Nächstes ansteht

Thinking Machines selbst nennt Inkling eine Grundlage, nicht den Endpunkt. Nach dem Grundtraining folgt eine Feinarbeit, das sogenannte Post-Training, das laut TechCrunch teils Ausgaben anderer offener Modelle nutzte. Das nächste Modell soll diesen Schritt vollständig eigenständig erledigen, und auch die Finanzlage bleibt in Bewegung. Nach Medienberichten verhandelte das Start-up zuletzt über eine Bewertung von 50 bis 60 Milliarden Dollar, ein Abschluss ist bislang nicht bestätigt. Einige Gründer und Mitarbeiter verließen das Labor Anfang 2026 in Richtung OpenAI und Meta.

Inkling ist nur der Türöffner, das Geld verdient das Labor mit der Plattform Tinker. Ob die Strategie aufgeht, hängt deshalb ganz an dieser Plattform.

Quellen

Jens Hansen & KI