O Thinking Machines Lab publicou o Inkling, seu primeiro modelo aberto: um Mixture-of-Experts multimodal de 975B de parâmetros totais / 41B ativos, com 256 especialistas roteados (6 ativos por token), 1M de contexto e treinamento sobre 45 trilhões de tokens de texto, imagem, áudio e vídeo. Os pesos são open-weights no Hugging Face, roda na plataforma Tinker e incorpora um "esforço de raciocínio" regulável para equilibrar qualidade e custo por token.
Durante anos, a frase "modelo aberto de verdade potente" vinha com letra miúda: ou eram modelos pequeninos que ficavam na fila bem atrás dos fechados, ou eram pesos escondidos por trás de uma API com lista de espera. Por isso o dia 15 de julho levantou tantas sobrancelhas quando o Thinking Machines Lab —o laboratório de pesquisa fundado por Mira Murati, ex-CTO da OpenAI, com uma das equipes técnicas mais caras do planeta— publicou o Inkling, seu primeiro modelo, e soltou os pesos completos no Hugging Face como open-weights, além de colocá-lo para rodar em sua plataforma Tinker e em APIs de parceiros. Não uma demo com print bonito: os pesos, para baixar e rodar na sua própria infraestrutura. Quando um laboratório desse calibre escolhe começar pelo aberto, o gesto em si já é a notícia.
## Um quase-trilhão de parâmetros que cabe no seu orçamento
O Inkling é um Mixture-of-Experts (MoE) multimodal de 975 bilhões de parâmetros totais, mas —e aqui está a mágica do MoE— ativa só 41 bilhões para cada token que processa. A analogia útil: cada camada tem 256 especialistas roteados contratados (mais um par sempre de plantão), mas para cada token acorda apenas os seis que fazem falta; você paga o cômputo de seis, não de duzentos e cinquenta e seis. Some a isso um contexto de até 1 milhão de tokens, um treinamento sobre 45 trilhões de tokens de texto, imagens, áudio e vídeo, e uma variante em preview mais leve —Inkling-Small, de 276B totais / 12B ativos— para quem não precisa do carro-chefe. É o tipo de arquitetura que faz um modelo enorme ser, paradoxalmente, viável de operar.
## A alavanca que quase ninguém está olhando: o esforço regulável
O mais interessante para quem constrói não são os parâmetros, é um detalhe mais sutil: o Inkling deixa você controlar quanto ele "pensa" antes de responder, para equilibrar desempenho e consumo de tokens. Os próprios criadores ilustram isso com um dado concreto: iguala o Nemotron 3 Ultra no Terminal Bench 2.1 usando aproximadamente um terço dos tokens. Traduzido em fatura: cada token que o modelo raciocina a mais é dinheiro que sai da sua conta, e aqui você pode decidir por request se a tarefa merece o modo profundo ou se basta a resposta rápida. É um dial de qualidade-contra-custo colocado nas suas mãos. E o laboratório não esconde a nuance honesta: dizem sem rodeios que o Inkling "não é o modelo mais forte disponível hoje, aberto ou fechado", e sim uma boa base aberta para personalizar e afinar. Essa sinceridade, num mercado viciado em proclamar superioridade em cada benchmark, é de se agradecer.
## Por que 'open-weights' muda o ponto de partida
Que os pesos estejam disponíveis para baixar é a diferença que vira manchete. Combine isso com um MoE que ativa "só" 41B parâmetros por token e com checkpoints preparados para hardware moderno —incluindo uma versão NVFP4 para inferência eficiente em sistemas NVIDIA Blackwell— e de repente uma equipe pequena pode cogitar rodar um modelo quase-trilhão na sua própria infraestrutura, ou afiná-lo sobre o seu domínio via Tinker, sem ficar amarrada a uma API fechada. Não substitui os modelos de fronteira para tudo —os próprios autores admitem— mas redefine o ponto de partida do que uma equipe modesta pode ter sob seu controle e seu orçamento. Convém, isso sim, revisar os termos exatos de uso na ficha do modelo no Hugging Face antes de levá-lo para produção comercial.
## O que isso significa para quem constrói com IA
A lição de fundo do Inkling é que a vantagem competitiva está se deslocando do "qual modelo eu tenho" para o "como eu o governo". Um esforço de raciocínio regulável não é um truque de benchmark: é exatamente o tipo de alavanca da qual depende que um produto com IA seja rentável ou coma as próprias margens token a token. No NeuralOS pensamos a partir dessa aritmética silenciosa —por isso os cost guardrails (orçamentos por usuário, tetos por workspace, streaming para abortar cedo) são parte do design e não um extra opcional. E por convicção somos model-agnostic: um aberto como o Inkling entra na mesma conversa que um fechado de fronteira, porque você escolhe o motor por tarefa e não casa com nenhum. Sem fumaça: não prometemos servir o Inkling de fábrica hoje. O que de fato faz parte do design é a disciplina de decidir quanto cada request pensa —e quanto custa.