Thinking Machines Lab ha rilasciato Inkling, il suo primo modello di intelligenza artificiale sviluppato internamente. Ma la startup fondata da Mira Murati, ex CTO di OpenAI, ha scelto una strada diversa da quella di OpenAI, Anthropic e Google.
Inkling è open-weight, il che significa che chiunque può scaricare il modello ed eseguirlo sui propri server, senza pagare un canone di accesso.
Il modello è molto grande sulla carta, con 975 miliardi di parametri, ma non li usa mai tutti insieme. Per ogni richiesta ne attiva solo una piccola parte, circa 41 miliardi: è come se il modello fosse diviso in tanti specialisti interni, e a ogni domanda rispondessero solo quelli competenti su quell’argomento, lasciando gli altri inattivi.
Il risultato pratico è che Inkling costa meno da far girare rispetto a un modello che, a parità di dimensioni, dovesse mobilitare tutta la sua capacità ogni volta.
Ragiona nativamente su testo, immagini, audio e video, anche se per ora produce solo output testuali, incluso codice e dati strutturati. Thinking Machines non lo presenta come il migliore della categoria: lo scrive esplicitamente sul proprio blog, ammettendo che non è oggi il modello più forte disponibile, aperto o chiuso che sia. Punta piuttosto a un equilibrio complessivo tra le diverse capacità.
Un modello che si affina, non che si usa e basta
Dietro Inkling c’è una tesi precisa, esposta da Thinking Machines in un post pubblicato la settimana precedente al lancio: un’IA addestrata centralmente da un’azienda e poi lasciata invariata rende meno di un’IA che le organizzazioni possono modellare sulla propria competenza specifica.
Per questo Thinking Machines presenta Inkling meno come un prodotto finito e più come un punto di partenza, da perfezionare tramite Tinker, la piattaforma di personalizzazione dell’azienda.
È lì, non nel modello scaricabile gratuitamente, che Thinking Machines conta di fare ricavi: attraverso l’addestramento, il fine-tuning e una quota sull’infrastruttura di hosting costruita attorno alla piattaforma.
Una volta pubblici, infatti, i pesi di Inkling non obbligano nessuno a pagare per usarli, a differenza dell’accesso a consumo che OpenAI e Anthropic vendono con ChatGPT e Claude.
Nel comunicare il rilascio, l’azienda cita l’uso di sistemi Nvidia Vera Rubin, l’architettura di ultima generazione della casa (successore di Blackwell, con i primi sistemi attesi nella seconda metà del 2026): Thinking Machines ha addestrato Inkling sull’infrastruttura più avanzata oggi disponibile, segno che l’efficienza dichiarata non significa risparmiare sui mezzi.
Tre voci, tre interessi diversi
Negli ultimi giorni tre figure di peso dell’industria convergono sulla stessa critica ai modelli proprietari, pur partendo da posizioni molto diverse.
Satya Nadella, CEO di Microsoft, azienda che ha investito miliardi sia in OpenAI sia in Anthropic, ha scritto in un post che le aziende che usano modelli proprietari pagano due volte: una nei costi di abbonamento, una seconda cedendo la conoscenza aziendale racchiusa nei propri prompt, che può finire assorbita nelle versioni future del modello. È un’osservazione di rilievo proprio perché arriva da chi ha interessi diretti nei laboratori che critica.
Clem Delangue, CEO di Hugging Face, ha invece detto a TechCrunch la settimana scorsa che i modelli di frontiera resteranno riservati alla sperimentazione e ai compiti di alto valore, mentre la maggior parte del lavoro IA in produzione si sposterà verso alternative private o open-source: esattamente la divisione su cui Thinking Machines sta costruendo Inkling. Qui l’interesse di parte è più diretto, perché Hugging Face vive proprio di quella infrastruttura open-source.
Alex Karp, CEO di Palantir, come abbiamo raccontato, ha usato parole ancora più dure in un’intervista su CNBC: sul modello a token di OpenAI e Anthropic ha detto che qualcosa è andato completamente storto, perché le aziende si abituano a spendere in token senza ottenere un ritorno proporzionato, esponendo dati proprietari e vantaggio competitivo senza un valore adeguato in cambio. Anche Karp ha un interesse diretto: Palantir vende alle aziende sistemi proprietari alternativi a quelli di OpenAI e Anthropic.
Thinking Machines e il caso Bridgewater
L’argomento più concreto a favore dell’approccio di Thinking Machines arriva da un progetto con Bridgewater Associates, il più grande hedge fund al mondo (e non un investitore della startup). I ricercatori delle due aziende hanno preso un modello open-source esistente e lo hanno addestrato ulteriormente sulla competenza finanziaria di Bridgewater.
Il risultato avrebbe superato i migliori modelli proprietari sui test di ragionamento finanziario, costando una frazione minima per l’esecuzione. È un risultato che dà l’idea del risparmio possibile, anche se resta un dato fornito dalle due aziende stesse, non da una valutazione indipendente.
Thinking Machines rivendica anche la rapidità con cui ci è arrivata. OpenAI ha impiegato circa cinque anni per portare la propria tecnologia sul mercato e mostrare ricavi, Anthropic circa tre. Thinking Machines dice di aver fatto lo stesso in circa nove mesi.
Soldi, turnover e una fondatrice indispensabile
Sui costi, invece, Thinking Machines resta vaga. Non ha detto come intende coprire le spese dell’infrastruttura Nvidia, e i ricavi, per ora, non sembrano essere stati una priorità.
Un round di finanziamento da 50 miliardi di dollari (circa 46 miliardi di euro) sarebbe stato in fase di definizione lo scorso novembre, ma si sarebbe arenato entro gennaio: l’azienda non ne parla più da allora.
Anche sul fronte del personale la stabilità è recente. Come abbiamo scritto, Thinking Machines ha perso quattro co-fondatori su sei in meno di un anno, tre dei quali tornati proprio da OpenAI. Oggi l’azienda impiega circa 200 persone, in crescita rispetto ai livelli toccati dopo quell’ondata di uscite.
Thinking Machines non sembra voler enfatizzare le mosse dei singoli, a differenza di gran parte del settore. Tant’è che secondo una fonte interna, la cultura aziendale favorisce per scelta la continuità rispetto all’affidarsi a una sola personalità: chi lascia pesa meno se non è mai stato messo su un piedistallo.
È una politica con una sua logica pratica ma anche con una certa ironia, considerando quanto la storia dell’azienda sia legata al nome della sua fondatrice, l’unica davvero insostituibile nella narrazione che la accompagna dal primo giorno.
Fonte: TechCrunch
