Inkling-Small, il modello open di Thinking Machines: prestazioni quasi da flagship a un quarto delle dimensioni

Nel giro di due settimane Thinking Machines Lab ha rilasciato il suo secondo modello e ha chiarito qual è la sua ambizione. Dopo Inkling, il modello di punta da 975 miliardi di parametri arrivato a metà luglio, il laboratorio fondato da Mira Murati ha pubblicato Inkling-Small, una versione compatta da 276 miliardi di parametri che promette prestazioni quasi identiche al fratello maggiore occupando circa un quarto dello spazio. Se segui da vicino la corsa ai modelli aperti, questo è il tipo di annuncio che vale la pena osservare con attenzione.

Il rilascio è avvenuto il 31 luglio 2026 e conferma una linea precisa. Modelli open-weight che le aziende possono scaricare, ispezionare e personalizzare, invece di dipendere da un servizio chiuso accessibile solo tramite interfaccia proprietaria. In un mercato dove ogni settimana esce un modello nuovo, la vera notizia non è soltanto la potenza dichiarata, ma il rapporto tra quella potenza e le risorse necessarie per usarla.

Cosa è Inkling-Small e perché se ne parla

Inkling-Small è un modello multimodale di ragionamento rilasciato con licenza Apache 2.0, quindi liberamente utilizzabile anche in ambito commerciale senza vincoli restrittivi. Accetta in ingresso testo, immagini e audio, produce testo in uscita e gestisce un contesto fino a un milione di token. Una finestra così ampia ti permette di dare in pasto al modello interi documenti, basi di codice complete o lunghe conversazioni senza che perda il filo del ragionamento.

Il punto che ha catturato l’attenzione degli addetti ai lavori, però, non è la lista delle funzioni. È il modo in cui questo modello riesce a fare quasi quanto un modello quasi quattro volte più grande.

Un’architettura a esperti che accende solo ciò che serve

Inkling-Small è costruito come una rete sparsa di tipo Mixture-of-Experts, un approccio che negli ultimi due anni è diventato lo standard di fatto per i modelli di grandi dimensioni. L’idea di fondo è semplice ma potente. Invece di attivare tutti i parametri a ogni parola elaborata, il modello ne accende solo una piccola frazione, quella più adatta al compito del momento.

Nel dettaglio, il decoder ha 42 livelli e per ciascun token indirizza il calcolo verso 6 esperti specializzati scelti tra i 256 disponibili, più 2 esperti condivisi che restano sempre attivi. Il risultato è che, pur avendo 276 miliardi di parametri complessivi, il modello ne mette al lavoro soltanto 12 miliardi alla volta. È come avere una squadra enorme di specialisti e convocare di volta in volta solo i pochi che servono davvero.

Questo meccanismo spiega il vantaggio pratico più importante. Meno parametri attivi significano meno calcoli per ogni risposta, quindi costi di esecuzione più bassi e maggiore velocità, senza rinunciare alla profondità di conoscenza garantita dal numero totale di parametri.

Prestazioni quasi da flagship con una frazione dei parametri

Il dato che ha fatto discutere riguarda il confronto diretto con il modello maggiore. Sull’indice di intelligenza elaborato da Artificial Analysis, un benchmark indipendente molto seguito nel settore, Inkling-Small ottiene un punteggio di 40, contro il 41 registrato da Inkling. Un solo punto di distacco, a fronte di un modello che ha 975 miliardi di parametri totali contro i 276 della versione piccola.

Tradotto in termini concreti, Thinking Machines sostiene di aver mantenuto quasi intatta la qualità del ragionamento riducendo il modello a poco più di un quarto della taglia originale, con meno di un terzo dei parametri sia totali sia attivi. È esattamente il tipo di efficienza che interessa a chi deve mettere in produzione un’intelligenza artificiale e pagarne i conti ogni mese.

Anche i requisiti hardware raccontano bene questa storia. Il checkpoint standard in precisione BF16 richiede almeno 600 gigabyte di memoria GPU aggregata, una configurazione alla portata di 4 schede NVIDIA B300 oppure 8 NVIDIA H200. Esiste però anche una versione quantizzata in formato NVFP4 che abbatte il requisito a circa 180 gigabyte di VRAM complessiva.

Quest’ultimo numero è il più interessante per te se lavori con budget limitati. Con 180 gigabyte, far girare in locale un modello di ragionamento di questa qualità diventa realistico anche per laboratori universitari, startup e team che non dispongono di un data center. La barriera d’ingresso si abbassa in modo netto.

La scommessa di Mira Murati sui modelli che puoi possedere

Per capire il senso di Inkling-Small conviene guardare a chi lo ha costruito. Thinking Machines Lab è la società di San Francisco fondata da Mira Murati, ex direttrice tecnica di OpenAI, e finanziata in modo consistente fin dalla nascita. La sua tesi è chiara: molte imprese non cercano il modello più capace in assoluto in cima a una classifica, ma un modello che possano davvero fare proprio.

Da qui la scelta di rilasciare i pesi completi su Hugging Face e di offrire il supporto al fine-tuning tramite la propria interfaccia, chiamata Tinker. Chi scarica Inkling-Small non ottiene solo un modello da interrogare, ma una base che può addestrare ulteriormente sui propri dati, adattare al proprio dominio e controllare nel comportamento. È una differenza sostanziale rispetto ai servizi chiusi, dove il modello resta una scatola nera nelle mani del fornitore.

Questa filosofia era già evidente con il primo modello Inkling da 975 miliardi di parametri, presentato a metà luglio come debutto assoluto del laboratorio. Con la versione piccola, l’idea diventa ancora più concreta, perché unisce la libertà dei pesi aperti a un costo di gestione molto più sostenibile.

Due modelli in due settimane, del resto, mandano anche un messaggio sul ritmo. Thinking Machines vuole essere percepita non come una promessa, ma come un fornitore capace di rilasciare con continuità.

Cosa significa per la corsa ai modelli aperti

Inkling-Small non nasce nel vuoto. Arriva in una fase in cui i modelli a pesi aperti si stanno moltiplicando e stanno accorciando la distanza dai sistemi proprietari più blasonati. Negli stessi giorni hai visto scendere in campo colossi cinesi e coreani, e la pressione competitiva si sente in ogni annuncio.

Alibaba ha alzato l’asticella con Qwen3.8-Max, il suo modello da 2.400 miliardi di parametri, mentre Moonshot AI ha puntato tutto sulla scala con Kimi K3, tra i più grandi modelli open mai rilasciati. Sul fronte dell’efficienza e dei costi, invece, la mossa più vicina nello spirito a quella di Thinking Machines è arrivata da DeepSeek con il suo V4 Flash orientato ad agenti e coding.

In questo quadro, la carta di Inkling-Small non è la potenza bruta né il numero da esibire, ma l’equilibrio. Un modello che tiene il passo dei migliori sui compiti di ragionamento pur restando leggero, aperto e adattabile, è una proposta pensata su misura per le aziende che vogliono internalizzare l’intelligenza artificiale senza legarsi a un unico fornitore.

La direzione del mercato sembra sempre più netta. Il valore non sta soltanto nel modello più intelligente, ma nella capacità di scegliere quello giusto per ogni compito, al prezzo giusto e con le regole di privacy adeguate. Inkling-Small si inserisce esattamente in questa logica.

Conclusioni

Con Inkling-Small, Thinking Machines dimostra che il vero terreno di scontro dei prossimi mesi non sarà solo la dimensione dei modelli, ma la loro efficienza. Ottenere prestazioni quasi da flagship con meno di un terzo dei parametri, distribuendo il tutto con licenza aperta, è un segnale che il laboratorio di Mira Murati ha le idee chiare su dove vuole competere.

Se ti occupi di sviluppo, ricerca o strategia tecnologica, ti conviene tenere d’occhio questi rilasci e valutare in prima persona come si comportano sui tuoi casi d’uso. Puoi trovare l’annuncio completo sul sito ufficiale di Thinking Machines Lab. Continua a seguire i nostri approfondimenti sull’intelligenza artificiale per capire quali di questi modelli meritano davvero un posto nei tuoi progetti, e quali restano soltanto annunci.