Thinking Machines、高性能を維持した小型オープンソースAIモデル『Inkling Small』を公開

発表の概要と背景

Thinking Machinesは、オープンソースのAI言語モデル「Inkling Small」を2026年7月31日に公開しました。同社は元OpenAIのCTOであるMira Murati氏が率いるスタートアップで、2週間前に大型モデル「Inkling」をリリースしたばかりです。今回の小型版は、性能を大幅に落とさずに計算コストを抑えることを狙っています。

Inkling Smallは、総パラメータ276B、アクティブパラメータ12Bのマルチモーダル推論モデルです。テキスト、画像、音声の入力を受け付け、テキストを出力します。コンテキストウィンドウは最大100万トークンに対応しています。

スパースMoEの技術的特徴

Inkling Smallの特徴は、スパースMixture of Experts（MoE）を採用している点です。モデルカードによると、42層のデコーダーが256の専門エキスパートを持ち、トークンごとに6つのエキスパートと2つの共有エキスパートが活性化します。これにより、総パラメータ276Bでありながら、各トークンの処理に使う計算量は12B分に抑えられます。

一方、大型のInklingは総パラメータ975B、アクティブ41Bです。Inkling Smallはサイズが約4分の1でありながら、第三者のベンチマークであるArtificial Analysis Intelligence Indexでは、Inklingの41点に対して40点と、ほぼ同等のスコアを記録しています。同インデックスでは、このサイズ帯のオープンウェイトモデルで最高のスコアとされています。

ライセンスとAPI価格

Inkling Smallは、商用利用が可能なApache 2.0ライセンスで公開されます。モデルの完全なウェイトはHugging Faceでダウンロードでき、企業は自社のインフラにデプロイできます。また、Thinking Machinesが提供するTinkerというアプリケーションAPIを通じてファインチューニング（微調整）も可能です。

API利用では、ローンチ記念として期間限定で50%割引が適用されます。標準の64Kコンテキスト版で、入力トークンが100万あたり0.58ドル、出力が1.44ドル、トレーニングが1.73ドル、キャッシュされた入力が0.116ドルです。256Kコンテキスト版も用意されていますが、料金は高くなります。

ベンチマークの強みと弱み

ベンチマークの詳細を見ると、Inkling Smallは多くのタスクで大型のInklingを上回ります。ソフトウェアエンジニアリングの実践的評価であるSWE-bench Verifiedでは80.2%を記録し、Inklingの77.6%を上回りました。ターミナル操作の評価であるTerminal Bench 2.1でも64.7%と、63.8%のInklingを超えています。その他、SciCodeやHumanity's Last Exam、GPQA Diamond、CritPtでも上回りました。

一方、事実知識やエージェントタスクではInklingに明確に劣る点があります。例えば、金融エージェントの評価であるτ³-Bankingでは15.5%で、Inklingの23.7%を大きく下回ります。また、Artificial AnalysisのOmniscienceスコアはマイナスで、事実に関するカバレッジが弱いことが示されています。ただし、報告されている幻覚（ハルシネーション）率はInklingよりわずかに低いとのことです。

エンタープライズへの示唆

Inkling Smallは、まだラップトップや通常のワークステーションでは実行できませんが、大型モデルに比べて必要なGPUリソースが大幅に減るため、社内にGPUをある程度保有している企業には導入しやすいモデルです。計算要件、推論コスト、デプロイメントのフットプリントを抑えながら、比較的高い性能を維持できる点が評価されています。ただし、モデル自体は依然として大規模で、運用にはGPUサーバーが必要です。

事実知識が弱いという課題は、業務での利用に影響します。コーディング支援やツール利用、文書分析、マルチモーダルワークフローには適していますが、高い正確性が要求される事実確認タスクでは、検索による根拠確認や人間によるレビューが必要です。また、日本語や日本特有のデータに対する性能は記事では言及されておらず、企業は自社のユースケースで検証することが望まれます。