Zurück zur Übersicht
Das KI-Start-up stellt sein erstes Modell mit vollständig verfügbaren Gewichten vor. Inkling verarbeitet Text, Bilder, Audio und Video, unterstützt bis zu eine Million Tokens Kontext und lässt sich über die Tinker-Plattform anpassen.
Thinking Machines Lab hat am 15. Juli 2026 Inkling veröffentlicht. Das multimodale Mixture-of-Experts-Modell verfügt laut Unternehmen über 975 Milliarden Gesamtparameter, davon 41 Milliarden aktive. Trainiert wurde es auf 45 Billionen Tokens aus Text, Bildern, Audio und Video.
Die Gewichte stehen vollständig zur Verfügung. Laut Modellkarte gilt für Inkling die Apache-2.0-Lizenz. Über die Tinker-Plattform lässt sich das Modell für Anwendungen wie Coding-Assistenten, Agenten und interne Unternehmenssysteme nachtrainieren.
Thinking Machines betont, dass Inkling nicht das leistungsstärkste verfügbare Modell sein soll. Der Schwerpunkt liegt auf Anpassbarkeit, multimodaler Verarbeitung und kontrollierbarem Denkaufwand. Damit positioniert das Unternehmen Inkling als Alternative zu geschlossenen Modellen, deren Nutzung Unternehmen bislang meist mieten müssen.
Weiterlesen
Ab dem 20. Juli 2026 steht das Modell dauerhaft in den Plänen Max und Team Premium zur Verfügung. Der Zugriff bleibt zunächst auf 50 Prozent der regulären Nutzungslimits begrenzt.
Das chinesische Unternehmen plant die vollständige Veröffentlichung der Modellgewichte für den 27. Juli 2026. Kimi K3 soll eine Million Tokens Kontext und native Bildverarbeitung bieten.
Meta hat am 9. Juli 2026 Muse Spark 1.1 vorgestellt und die Meta Model API in einer öffentlichen Vorschau freigeschaltet. Das Modell bietet millionen-Token-Kontext, erweiterte agentische und Coding-Fähigkeiten sowie umfassende Multimodalität.
OpenAI hat die GPT-5.6-Modelle freigegeben. Die Familie umfasst das leistungsstarke Sol, kostengünstigere Terra und das auf Tempo ausgerichtete Luna; die breite Freigabe folgte nach einer Prüfung durch US-Behörden.
Microsoft verlagert ausgewählte Prompt-Workloads in Excel und Outlook auf firmeneigene MAI-Modelle. Ziel ist, laufende KI-Kosten zu senken und die Abhängigkeit von Drittanbietern zu reduzieren, was Folgen für spezialisierte Modellanbieter haben dürfte.