Thinking Machines: Inkling (free)

Inkling to otwarty multimodalny model typu mixture-of-experts od Thinking Machines Lab. Ma 41B aktywnych parametrów z 975B wszystkich i jest zaprojektowany do ogólnego rozumowania, kodowania oraz systemów agentowych i wykorzystujących narzędzia. W api14 jest wymieniony pod identyfikatorem modelu thinkingmachines/inkling:free, w kategorii tekstowej, a data wydania przez dostawcę to 2026-07-17.

Model przyjmuje jako dane wejściowe tekst, obraz i dźwięk, a zwraca tekst. Jego okno kontekstowe wynosi 1 048 576 tokenów, a maksymalna długość odpowiedzi to 262 144 tokeny. Ponieważ jest to konstrukcja mixture-of-experts, tylko część wszystkich parametrów jest aktywna przy każdym żądaniu, co ma znaczenie, jeśli planujesz budżety przepustowości lub opóźnień wokół dużego modelu. Połączenie bardzo dużego okna kontekstowego i multimodalnych danych wejściowych oznacza, że możesz wysłać długie dokumenty, zrzuty ekranu, diagramy lub dźwięk razem ze swoimi instrukcjami w jednym żądaniu.

Praktyczne zastosowania wynikają z tych możliwości. Zadania ogólnego rozumowania i kodowania pasują do deklarowanych celów projektowych modelu, więc generowanie kodu, objaśnianie kodu i wieloetapowe rozwiązywanie problemów są naturalnym zastosowaniem. Systemy agentowe i wykorzystujące narzędzia również są wyraźnie w zakresie, co oznacza, że możesz budować przepływy pracy, w których model decyduje, kiedy wywołać funkcję i jak łączyć wyniki. Dane wejściowe w postaci obrazu i dźwięku otwierają możliwości rozumienia dokumentów, potoków zbliżonych do transkrypcji i analizy multimediów mieszanych bez osobnego modelu dla każdej modalności. Długi kontekst jest przydatny do przeglądu kodu w skali repozytorium, długich transkrypcji spotkań lub rozmów oraz badań nad dużymi zbiorami dokumentów, w których w innym przypadku potrzebowałbyś dzielenia na fragmenty i wyszukiwania.

Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu "thinkingmachines/inkling:free". Obsługiwane parametry żądania to frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, seed, stop, temperature, tools i top_p. Jeśli już używasz klienta w stylu OpenAI, możesz skierować go na api14 i ustawić pole model na ten identyfikator; parametry reasoning i reasoning_effort pozwalają kontrolować, ile wewnętrznego rozumowania wykonuje model, a include_reasoning pozwala zdecydować, czy to rozumowanie jest zwracane. Parametr tools służy do wywoływania funkcji i pętli agentowych, a seed pomaga, gdy chcesz uzyskać bardziej powtarzalne próbkowanie.

Jedna rzecz do zapamiętania: wynik jest tylko tekstem, więc jeśli potrzebujesz wygenerowanych obrazów lub dźwięku, będziesz potrzebować innego modelu. Wariant darmowy warto też przetestować na własnym obciążeniu, zanim się na niego zdecydujesz, ponieważ strona pokazuje aktywną tabelę cen, a nie stałą kwotę w tym miejscu. Jeśli twoje zadanie jest krótkie i proste, mniejszy model tylko tekstowy może być tańszy i szybszy w uruchomieniu, podczas gdy Inkling ma więcej sensu, gdy potrzebujesz długiego kontekstu, multimodalnych danych wejściowych lub zachowania związanego z użyciem narzędzi.