Thinking Machines: Inkling (free)

Inkling ist ein offenes Multimodell-Mixture-of-Experts-Modell von Thinking Machines Lab. Es hat 41B aktive Parameter von insgesamt 975B und ist für allgemeines Reasoning, Coding, agentische Systeme und Tool-Use-Systeme konzipiert. Auf api14 ist es unter der Modell-ID thinkingmachines/inkling:free gelistet, in der Kategorie Text, und das Veröffentlichungsdatum des Anbieters ist der 2026-07-17.

Das Modell akzeptiert Text, Bild und Audio als Eingabe und erzeugt Text als Ausgabe. Sein Kontextfenster beträgt 1.048.576 Token, und die maximale Ausgabe beträgt 262.144 Token. Da es sich um ein Mixture-of-Experts-Design handelt, ist pro Anfrage nur ein Bruchteil der Gesamtparameter aktiv, was relevant ist, wenn Sie Durchsatz- oder Latenzbudgets für ein großes Modell planen. Die Kombination aus einem sehr großen Kontextfenster und multimodaler Eingabe bedeutet, dass Sie lange Dokumente, Screenshots, Diagramme oder Audio zusammen mit Ihren Anweisungen in einer einzigen Anfrage senden können.

Praktische Anwendungen ergeben sich aus diesen Fähigkeiten. Allgemeine Reasoning- und Coding-Aufgaben passen zu den angegebenen Designzielen des Modells, daher sind Codegenerierung, Codeerklärung und mehrstufige Problemlösung naheliegende Einsatzbereiche. Agentische Systeme und Tool-Use-Systeme liegen ebenfalls ausdrücklich im Rahmen, was bedeutet, dass Sie Workflows erstellen können, in denen das Modell entscheidet, wann eine Funktion aufgerufen wird und wie Ergebnisse verkettet werden. Die Bild- und Audioeingaben ermöglichen Dokumentenverständnis, transkriptionsnahe Pipelines und gemischtmediale Analyse ohne ein separates Modell für jede Modalität. Der lange Kontext ist nützlich für Code-Reviews im Repository-Maßstab, lange Meeting- oder Call-Transkripte und Recherche über große Dokumentensätze, bei denen Sie sonst Chunking und Retrieval benötigen würden.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "thinkingmachines/inkling:free" auf. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, seed, stop, temperature, tools und top_p. Wenn Sie bereits einen OpenAI-kompatiblen Client verwenden, können Sie ihn auf api14 ausrichten und das Feld model auf diese ID setzen; die Parameter reasoning und reasoning_effort lassen Sie steuern, wie viel internes Reasoning das Modell ausführt, und include_reasoning lässt Sie entscheiden, ob dieses Reasoning zurückgegeben wird. Der Parameter tools ist derjenige, den Sie für Function Calling und agentische Schleifen verwenden, und seed hilft, wenn Sie eine besser reproduzierbare Stichprobenziehung wünschen.

Eines sollten Sie beachten: Die Ausgabe ist ausschließlich Text. Wenn Sie also generierte Bilder oder Audio benötigen, brauchen Sie ein anderes Modell. Die kostenlose Variante sollten Sie zudem an Ihrer eigenen Arbeitslast testen, bevor Sie sich darauf festlegen, da die Seite eine Live-Preistabelle statt eines festen Betrags an dieser Stelle zeigt. Wenn Ihre Aufgabe kurz und einfach ist, kann ein kleineres textbasiertes Modell günstiger und schneller auszuführen sein, während Inkling mehr Sinn ergibt, wenn Sie den langen Kontext, die multimodalen Eingaben oder das Tool-Use-Verhalten benötigen.