Inkling-Small: Muratis Viertel-Modell überholt sein eigenes Flaggschiff
Zwei Wochen nach seinem ersten offenen Modell legt Mira Muratis Thinking Machines Lab nach: Inkling-Small hat 276 Milliarden Parameter, steht unter Apache-2.0-Lizenz und landet laut Artificial Analysis nur einen Punkt hinter dem rund dreieinhalbmal grösseren Flaggschiff. Auf Coding-Benchmarks schlägt der Kleine das Original sogar.
Pascal Eugster
GRÜNDER & ENTWICKLER
1. AUGUST 2026
2 MIN. LESEZEIT
INHALT
INHALT
in
PARTNER · INOO GMBH
Wie viel KI verträgt dein Betrieb? In 30 Minuten Klartext.
Kostenloses Erstgespräch — herstellerneutral, direkt aus dem Rheintal.
Gespräch buchen →
DAS WICHTIGSTE IN KÜRZE
Ein distilliertes Modell mit einem Viertel der Grösse überholt sein eigenes Vorbild beim Programmieren – das bisher stärkste Argument für die Effizienz-These, auf die Murati ihr Startup gebaut hat. Wer offene Modelle selbst betreiben will, bekommt gerade mehr Leistung pro GPU als je zuvor.
Zwei Wochen nach dem ersten offenen Modell legt Thinking Machines Lab nach: Das Startup der früheren OpenAI-Technikchefin Mira Murati hat am 30. Juli Inkling-Small veröffentlicht – ein Modell mit 276 Milliarden Parametern, das unter der freien Apache-2.0-Lizenz steht, nativ Text, Bilder und Audio versteht und ein Kontextfenster von bis zu einer Million Token bietet. Das Erstaunliche daran: Laut der unabhängigen Benchmark-Organisation Artificial Analysis erreicht es 40 Punkte auf dem Intelligence Index – nur einen Punkt weniger als das rund dreieinhalbmal grössere Flaggschiff Inkling (41), über das du hier Mitte Juli gelesen hast.
Der Schüler überholt den Lehrer
Möglich macht das ein zweistufiges Rezept: Zuerst lernte Inkling-Small per On-Policy-Distillation vom grossen Inkling – das kleine Modell trainiert dabei direkt an den Ausgaben des grossen «Lehrers». Danach folgten laut Thinking Machines zwei Wochen agentisches Reinforcement Learning fürs Programmieren. Das Resultat kann sich sehen lassen: Nach Herstellerangaben schlägt der Kleine das Flaggschiff auf mehreren Benchmarks – 80,2 Prozent auf SWE-Bench Verified (Inkling: 77,6), 31,6 Prozent auf Humanity's Last Exam (29,7) und 89,5 Prozent auf GPQA Diamond (87,2). Der Haken: Beim reinen Faktenwissen fällt das kleinere Modell deutlich zurück, auch bei komplexen Agenten-Aufgaben behält das Original die Nase vorn.
