Thinking Machines Labオープンソース

Inkling

Name: Inkling
Author: Thinking Machines Lab

このモデルを比較

Thinking Machines Labのreasoningモデル。

シェア:X はてブ LINE

パラメータ

非公開

コンテキスト長

ライセンス

Apache 2.0

リリース日

2026-07-15

日本語性能

🌐多言語対応

一般的な多言語対応モデル。基本的な日本語処理は可能だが、特化モデルには劣る。

API料金

入力料金（1Mトークンあたり）

$3.74

出力料金（1Mトークンあたり）

$9.36

課金モード: standard

強み

弱み

活用例

深度分析

Parameters

975B（MoE、41B active）

重みはHugging Faceで公開

Context Window

100万トークン

テキスト・画像・音声のネイティブ入力

SWE-bench Verified

77.6%

オープンウェイト勢としてはフロンティア級

GPQA Diamond

87.2%

MMLU-Pro 86.3%、HLE 46%

API Price

約$0.33 per 1M sampling

Tinker経由。Together、Fireworks、Modal、Basetenでも提供

Release

2026年7月15日

Thinking Machines Lab

強み

・9750億パラメータの重みが完全公開。自前のキーで動かせ、ブラックボックスがない
・SWE-bench Verified 77.6%はオープンウェイト勢として明確にフロンティア級
・100万トークン文脈とテキスト・画像・音声のネイティブ入力に対応
・Tinker経由の推論コストが約$0.33/Mと、この規模としては低い

弱み

・推論強度を上げると閉源フロンティア（Fable 5系）には届かない
・3Dや物理シミュレーションの単発生成は弱く、オープン系共通の弱点が残る
・自前運用には相応のGPU資源が必要で、実質的にクラウド経由が前提
・日本語を含む非英語の多言語性能は英語指標ほど検証されていない

競合比較

Model	Arena	SWE	GPQA	Price
Nemotron 3 Ultra	N/A	70.7%	N/A	N/A
Claude Fable 5	AA 60	N/A	N/A	$10/$50
Kimi K3	N/A	N/A	N/A	N/A

概要

InklingはThinking Machines Labが2026年7月15日に公開した9750億パラメータ（活性410億）のオープンウェイトMoEモデルである。100万トークンの文脈長とテキスト・画像・音声のネイティブ入力を備え、重みはHugging Faceで完全公開されている。SWE-bench Verifiedは77.6%で、Nemotron 3 Ultraの70.7%を上回り、オープンウェイト勢としてはフロンティア級のエージェント的コーディング性能を示す。TinkerのOpenAI互換エンドポイント経由で約$0.33/Mで利用でき、Together、Fireworks、Modal、Basetenからも提供される。同社は推論強度を調整できるダイヤルも用意した。

ベンチマーク＆性能

公開指標はエージェント的コーディングで特に強い。SWE-bench Verified 77.6%、SWE-bench Pro 54.3%、Terminal-Bench 2.0で63.8%、LiveCodeBench 85.5%。推論系ではGPQA Diamond 87.2%、MMLU-Pro 86.3%、AIME26 97.1%と高水準だが、HLEは46%で閉源フロンティアには届かない。FrontierSWE v2は4.1%と低く、最も難しいフロンティア帯は依然として閉源が握る。Goldie Benchの単発生成テストでは平均6.07/10で、2DアニメーションやWeb系は強い一方、3Dゲームや物理シミュレーションは弱い。

詳細比較

**Inkling 対 Nemotron 3 Ultra** - SWE-bench Verifiedで77.6%対70.7%。エージェント的コーディングではInklingが上。 - どちらもオープンウェイトだが、Inklingは文脈長とマルチモーダルで上回る。 **Inkling 対 Kimi K3** - Kimi K3は2.8兆パラメータ、Inklingは9750億。規模では負けるが推論コストはInklingが低い。 - 長文脈エージェント用途では両者が直接競合する。 **Inkling 対 Claude Fable 5** - 総合指標ではFable 5が上。Inklingの勝ち筋は重みの所有とコストである。

コミュニティ評価

公開直後からHugging FaceとLocalLLaMA界隈で注目を集め、量子化版の登場も早かった。評価は「エージェント的コーディングは本当に強い」「3Dや物理は期待するな」でほぼ一致している。Tinkerによる後学習環境とセットで提供された点も、モデル単体ではなくプラットフォームとして売る戦略として読まれた。日本国内でも、閉源APIの価格改定が続くなかで自前運用の選択肢として名前が挙がるようになっている。

ユースケース

**1. 自前運用のエージェント的コーディング** SWE-bench Verified 77.6%は、コードを外部APIに出せない組織にとって現実的な選択肢になる。重みが公開されているため、監査や再現性の要件にも応えやすい。 **2. 長文脈マルチモーダル処理** 100万トークンと画像・音声入力を活かし、設計書・図面・議事録をまたぐ処理に向く。 **3. 後学習による自社特化** Tinkerとセットで、独自データによる強化学習や小規模モデルへの蒸留が想定されている。汎用性能より自社ドメイン適応を狙う使い方が現実的だ。