Ex-diretor da OpenAI apresenta nova IA que compete com o ChatGPT e revela sua estratégia

Lançamento da Inteligência Artificial Inkling promete personalização e flexibilidade

A Thinking Machines Lab, sob a liderança de Mira Murati, ex-diretora de tecnologia da OpenAI, revelou seu primeiro modelo de inteligência artificial, denominado Inkling. Este sistema é caracterizado por uma arquitetura de “pesos abertos”, permitindo que desenvolvedores personalizem o modelo utilizando seus próprios dados.

O Inkling foi projetado para equilibrar desempenho, custo e flexibilidade, sem a intenção de competir diretamente com os modelos fechados mais avançados disponíveis no mercado. A empresa enfatiza que, embora o modelo contenha 975 bilhões de parâmetros, apenas 41 bilhões são ativados durante cada consulta, o que ajuda a reduzir custos computacionais e acelerar a execução das tarefas.

Modelo prioriza personalização em vez de potência máxima

• Com um total de 975 bilhões de parâmetros, o Inkling é menos robusto em comparação com modelos de empresas como OpenAI e Anthropic;
• A proposta da Thinking Machines é oferecer uma alternativa mais adaptável aos usuários;
• O Inkling foi treinado para ser um modelo de fundação amplo e equilibrado, com forte desempenho em diversos domínios;
• A estratégia de ativação limitada de parâmetros visa otimizar custos e eficiência na resposta às solicitações dos usuários.

Empresa aposta em alternativa aos modelos fechados

O lançamento do Inkling ocorre em um contexto onde há uma crescente defesa por modelos de pesos abertos na indústria de IA, em oposição ao desenvolvimento fechado predominante em empresas como OpenAI e Anthropic.

Essa tendência reflete uma reação mais ampla ao modelo de “jardim murado”, onde o controle dos sistemas é mantido exclusivamente pelos desenvolvedores. Líderes da indústria têm alertado que essa abordagem pode comprometer os negócios ao permitir que dados estratégicos sejam usados em modelos centralizados que não estão sob seu controle.

A Thinking Machines também destaca que o lançamento é parte de um movimento no Vale do Silício para aumentar a oferta de modelos abertos nos Estados Unidos, criando uma alternativa às soluções de empresas como a Alibaba e startups como a Z.ai.

Com a crescente adoção de modelos chineses de pesos abertos por empresas americanas, o Inkling surge como uma solução que visa diversificar estratégias e reduzir custos em tarefas de IA menos complexas.

Plataforma permite ajuste fino do modelo

O Inkling pode ser ajustado através do Tinker, a primeira ferramenta lançada pela Thinking Machines. Esta plataforma baseada em nuvem permite que pesquisadores e desenvolvedores realizem o ajuste fino de modelos de IA sem a necessidade de gerenciar a infraestrutura de supercomputação necessária para o treinamento.

O objetivo é possibilitar que esse processo seja realizado até mesmo a partir de um laptop, facilitando o acesso ao ajuste de modelos avançados.

Recentemente, a Thinking Machines e o fundo de hedge Bridgewater Associates divulgaram um relatório que evidenciou o uso do Tinker para personalizar o modelo Qwen3-235B com dados da Bridgewater, resultando em um desempenho superior ao GPT-5 e ao Claude Opus na triagem de documentos financeiros, enquanto os custos de computação foram reduzidos em mais de 13 vezes.

A empresa realizou o pré-treinamento do Inkling utilizando 45 milhões de tokens, que incluem textos, imagens, áudios e vídeos. O pós-treinamento combinou técnicas de destilação com aprendizado por reforço, utilizando hardware avançado da Nvidia, que também investiu na startup como parte de uma parceria plurianual.

Empresa afirma ter avaliado riscos de segurança

A Thinking Machines garantiu que o Inkling passou por rigorosos testes de segurança antes do seu lançamento, avaliando cenários como o uso do modelo na construção de armas biológicas e no apoio a ataques cibernéticos. A empresa afirmou que o sistema teve um bom desempenho nesses testes.

No entanto, a empresa reconheceu a necessidade de estudar como as proteções do modelo podem ser alteradas por terceiros, uma preocupação comum em sistemas de pesos ab