Inkling-Small: Muratis Viertel-Modell überholt sein eigenes Flaggschiff

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.

Effizienz ist das neue Schlachtfeld

Dass Inkling-Small trotz 276 Milliarden Parametern günstig läuft, liegt an der Mixture-of-Experts-Architektur: Pro Token sind nur 12 Milliarden Parameter aktiv, je nach Aufgabe übernehmen andere Spezialisten im Modell. Damit trifft Murati einen Nerv – praktisch zeitgleich erschien DeepSeek V4 Flash, das bei ähnlicher Grösse denselben Index-Wert erreicht. Inkling-Small ist laut Artificial Analysis allerdings sparsamer: Es braucht im Schnitt rund 24'000 Output-Token pro Aufgabe, DeepSeek V4 Flash 45'000.

Feintunen statt mieten

Die vollen Gewichte liegen auf Hugging Face, kommerzielle Nutzung ist ausdrücklich erlaubt. Genau darauf zielt Muratis Geschäftsmodell: Firmen sollen das Modell über die hauseigene Tinker-Plattform mit eigenen Daten feintunen, statt geschlossene Modelle zu mieten. Für Schweizer Unternehmen, die aus Datenschutzgründen selbst hosten wollen, sinkt damit die Einstiegshürde spürbar – auch wenn 276 Milliarden Parameter weiterhin einen ernsthaften GPU-Cluster voraussetzen und nicht auf den Laptop passen.