Inkling โมเดลเปิด-weight 975 พันล้านพารามิเตอร์: AI หลายโมดัล
Inkling โมเดลเปิด-weight 975 พันล้านพารามิเตอร์จาก Thinking Machines เป็น MoE Transformer ใช้เพียง 41 พันล้านพารามิเตอร์ต่อการทำงาน รองรับข้อความ ภาพ เสียงและวิดีโอ ลดต้นทุน
สรุปสั้น: Inkling เปิดให้ใช้งาน 15 กรกฎาคม 2569 มีพารามิเตอร์ทั้งหมด 975 พันล้านตัว แต่ใช้เพียง 41 พันล้านตัวต่อการทำงานจริง รองรับข้อความ-รูป-เสียงในคอนเท็กซ์สูงสุดหนึ่งล้านโทเค่น และสามารถปรับระดับความพยายามเพื่อแลกเปลี่ยนความเร็วกับความแม่นยำ ทำให้บริษัทอเมริกันมีทางเลือกใหม่ต่อโมเดลเปิด-source ของจีน
ข้อเท็จจริงสำคัญ
- Inkling เปิดตัวเมื่อ 15 กรกฎาคม 2569 โดย Thinking Machines Lab ผู้ก่อตั้งโดยอดีต CTO ของ OpenAI Mira Murati [3][4]
- โมเดลเป็น Mixture-of-Experts Transformer (สถาปัตยกรรมแบบผู้เชี่ยวชาญหลายตัว) มีพารามิเตอร์รวม 975 พันล้านตัว แต่มีเพียงประมาณ 41 พันล้านตัวที่ทำงานในแต่ละงาน [3][4][5]
- Inkling ถูกฝึกก่อนด้วยข้อมูลประมาณ 45 ตริลิออนโทเค่นจากข้อความ ภาพ เสียง และวิดีโอ [3][4][5]
- โมเดลรองรับคอนเท็กซ์สูงสุดหนึ่งล้านโทเค่น แต่บริการโฮสต์จำกัดไว้ที่ 256 พันโทเค่นต่อครั้ง [3]
- Inkling รับอินพุตรูปภาพ เสียง และข้อความ แต่ผลลัพธ์ยังเป็นข้อความเท่านั้น [3][4][5]
- ผู้ใช้สามารถปรับ “thinking effort” เพื่อแลกเปลี่ยนความเร็วกับความแม่นยำ และบริษัทอ้างว่าโมเดลทำคะแนนการเขียนโค้ดเทียบเท่า Nemotron 3 Ultra ของ Nvidia แต่ใช้โทเค่นเพียงหนึ่งในสาม [4][5]
- คะแนนเบนช์มาร์คที่เปิดเผย ได้แก่ 77.6% บน SWE-bench Verified และ 97.1% บน AIME 2026 พร้อมผลลัพธ์ดีเยี่ยมบน VoiceBench, MMAU และ AudioMC [4]
การเปิดตัว Inkling จาก Thinking Machines
Thinking Machines Lab ประกาศเปิดตัวโมเดลแรกของบริษัทชื่อ Inkling เมื่อ 15 กรกฎาคม 2569 โดยผู้ก่อตั้ง Mira Murati ซึ่งเคยเป็น CTO ของ OpenAI [3][4] โมเดลนี้เป็น Mixture-of-Experts (MoE) Transformer ที่รวมพารามิเตอร์ทั้งหมด 975 พันล้านตัว แต่ระบบจะเลือกใช้เพียงประมาณ 41 พันล้านตัวในแต่ละงาน ทำให้การประมวลผลมีประสิทธิภาพสูงและต้นทุนลดลง [3][4][5]
ความสามารถหลายรูปแบบของ Inkling
Inkling ถูกฝึกด้วยข้อมูลประมาณ 45 ตริลิออนโทเค่นจากข้อความ ภาพ เสียง และวิดีโอ ทำให้สามารถรับอินพุตหลายประเภทได้ในเวลาเดียวกัน [3][4][5] คอนเท็กซ์ที่โมเดลสามารถจัดการได้สูงสุดคือหนึ่งล้านโทเค่น แม้ว่าบริการโฮสต์ของบริษัทจะกำหนดขีดจำกัดไว้ที่ 256 พันโทเค่นต่อการเรียกใช้หนึ่งครั้ง เพื่อควบคุมค่าใช้จ่ายและประสิทธิภาพ [3]
ปรับระดับความพยายามเพื่อความเร็วหรือความแม่นยำ
Inkling มีตัวควบคุม “thinking effort” ที่ให้ผู้ใช้เลือกว่าจะให้โมเดลทำงานเร็วแต่อาจแม่นยำน้อยลง หรือทำงานช้ากว่าเพื่อให้ผลลัพธ์แม่นยำมากขึ้น บริษัทอ้างว่าโมเดลทำคะแนนการเขียนโค้ดเทียบเท่า Nemotron 3 Ultra ของ Nvidia แต่ใช้โทเค่นเพียงหนึ่งในสามของโมเดลนั้น [4][5] การออกแบบนี้ตอบโจทย์องค์กรที่ต้องการความยืดหยุ่นในการจัดสรรทรัพยากรคอมพิวเตอร์
ผลการทดสอบเบนช์มาร์คที่เผยแพร่
บริษัทให้คะแนน 77.6% บน SWE-bench Verified และ 97.1% บน AIME 2026 ซึ่งเป็นมาตรฐานการประเมินความสามารถด้านโค้ดและการแก้ปัญหาเชิงคณิตศาสตร์ [4] นอกจากนี้ Inkling ยังได้คะแนนดีบนชุดทดสอบเสียงเช่น VoiceBench, MMAU และ AudioMC ทำให้เป็นโมเดลที่มีความสมดุลระหว่างข้อความและเสียง
การแจกจ่ายและบริการเสริม
น้ำหนักของ Inkling สามารถดาวน์โหลดได้ฟรีจาก HuggingFace และปรับแต่งต่อได้ผ่านแพลตฟอร์ม Tinker ของ Thinking Machines ซึ่งรวมคอนโซล “Inkling Playground” ให้ผู้พัฒนาทดสอบโมเดลแบบโต้ตอบได้ทันที [3][4] รายได้ของบริษัทมาจากบริการ Tinker แทนการขายโมเดลโดยตรง ลูกค้าแรกที่ใช้บริการนี้คือ Bridgewater Associates ซึ่งเป็นกองทุนเฮดจ์ฟันด์ระดับโลก
กลยุทธ์ต่อโมเดลเปิด-source ของจีน
Inkling ถูกตำแหน่งเป็นทางเลือกจากตะวันตกเพื่อทดแทนโมเดลเปิด-source ของจีนเช่น Qwen ของ Alibaba ซึ่งครองส่วนแบ่งตลาด AI เปิด-source มาเป็นเวลานาน [5] ด้วยการเปิดน้ำหนักโมเดลและให้บริการปรับแต่งในคลาวด์ บริษัทหวังให้ลูกค้าองค์กรย้ายการใช้ AI จากโมเดลที่คิดค่าใช้จ่ายต่อโทเค่นไปสู่โครงสร้างพื้นฐานภายในองค์กรที่ควบคุมได้เอง
ผลกระทบต่ออุตสาหกรรม AI ไทย
การเปิดตัว Inkling ทำให้ผู้พัฒนาชาวไทยที่เคยพึ่งพาโมเดลจีนหรือบริการคลาวด์ระดับโลกมีตัวเลือกใหม่ที่สามารถดาวน์โหลดและปรับแต่งได้ในประเทศ การใช้โมเดลที่เปิด-weight ยังช่วยลดค่าใช้จ่ายในการทดลองและพัฒนาแอปพลิเคชัน AI ที่ต้องการประมวลผลหลายรูปแบบ เช่น ระบบสนทนาแบบหลายสื่อหรือการวิเคราะห์วิดีโอ
สิ่งที่ควรจับตามองต่อไป
แม้ Inkling จะยังไม่เป็นโมเดลที่แข็งแกร่งที่สุดในตลาด แต่การให้ความสำคัญกับความยืดหยุ่นและต้นทุนอาจทำให้เกิดการแข่งขันใหม่ระหว่างผู้ให้บริการ AI ตะวันตกและจีน คำถามต่อไปคือ การยอมรับจากองค์กรระดับใหญ่ในอุตสาหกรรมเช่นการเงินหรือสื่อจะเป็นอย่างไร และ Whether Inkling จะได้รับการอัปเดตความสามารถการสร้างผลลัพธ์ที่ไม่ใช่ข้อความในอนาคต
Sources
- Inkling: Our Open-Weights Model (thinkingmachines.ai) — 2026-07-15
- Thinking Machines amps up its bet against one-size-fits-all AI with its first open model, Inkling | TechCrunch (techcrunch.com) — 2026-07-15
- Thinking Machines Launches Inkling to Challenge Chinese Open-Source Dominance - Techstrong.ai (techstrong.ai) — 2026-07-15