Thinking Machines intensifica sua aposta contra a IA de tamanho único com seu primeiro modelo aberto, o Inkling

O Thinking Machines Lab, a startup de inteligência artificial fundada pela ex-diretora de tecnologia (CTO) da OpenAI, Mira Murati, lançou na manhã de quarta-feira seu primeiro modelo de IA proprietário, chamado Inkling. E, ao contrário dos principais modelos da OpenAI, Anthropic ou Google, ele possui pesos abertos, o que significa que desenvolvedores e empresas externas podem baixá-lo e modificá-lo diretamente.

O Inkling é um sistema de mistura de especialistas com um total de 975 bilhões de parâmetros, embora utilize apenas uma fração deles — cerca de 41 bilhões — para qualquer tarefa específica, um design comum que mantém modelos muito grandes mais rápidos e baratos de executar. Ele foi treinado em 45 trilhões de tokens de texto, imagem, áudio e vídeo, e raciocina nativamente em todos os quatro, de acordo com os materiais de divulgação da própria empresa. Por enquanto, no entanto, seus resultados limitam-se a textos, incluindo código, artefatos estilizados e dados estruturados.

O modelo é a primeira prova pública do Thinking Machines Lab após um ano e meio dedicado à construção de infraestrutura de IA, mantendo-se largely longe dos olhos do público. Parte desse trabalho já havia aparecido em uma prévia de pesquisa de maio sobre "modelos de interação" — IA projetada para ouvir e falar (e até interromper) em vez de parar e esperar como os chatbots típicos. É também um teste da aposta central por trás da startup: a de que uma IA que as organizações podem adaptar para si mesmas superará os modelos de tamanho único que os maiores laboratórios vendem atualmente.

O Inkling foi projetado para fornecer respostas calibradas, incluindo sinalizar incertezas em vez de adivinhar, e permite que os usuários aumentem ou diminuam o "esforço de pensamento" quando desejam priorizar a velocidade. Em um benchmark, segundo a empresa, o Inkling usa um terço dos tokens do Nemotron 3 Ultra da Nvidia — seu modelo de pesos abertos de última geração — para atingir o mesmo desempenho de programação.

A Thinking Machines não afirma que o Inkling é o melhor da categoria. Seus materiais informativos afirmam explicitamente que o Inkling "não é o modelo mais forte disponível hoje, seja fechado ou aberto". O que ela claramente busca, em vez disso, é um desempenho equilibrado e capacidade de personalização.

Isso levanta a questão de para quem, dentro do mercado corporativo que ela está visando, este produto é realmente destinado. Por enquanto, a Thinking Machines está comercializando o Inkling menos como um produto acabado e mais como um ponto de partida, algo para as organizações ajustarem por si mesmas através do Tinker, a plataforma de personalização de modelos da empresa. Isso também significa que os clientes, e não a Thinking Machines, são responsáveis por garantir que suas personalizações sejam seguras, por exemplo. (O ajuste fino exige talentos sérios em aprendizado de máquina.)

OpenAI, Anthropic e Google adotaram abordagens muito diferentes com o ChatGPT, Claude e Gemini, respectivamente, que foram criados para competir primeiro como chatbots de uso geral, com recursos autônomos e de agentes camadas sobrepostos.

Uma postagem publicada pelo Thinking Machines na semana passada foi claramente concebida como o pano de fundo para este lançamento. A IA treinada centralmente por uma empresa e depois gravada em pedra, argumentou a empresa nessa postagem, tem desempenho inferior à IA que as organizações moldam sozinhas, porque muita expertise é específica das pessoas que a possuem.

Outros argumentos contra modelos fechados estão ganhando força. Em uma postagem de blog publicada no domingo, o CEO da Microsoft, Satya Nadella — cuja empresa investiu bilhões na OpenAI e na Anthropic — alertou que as empresas que usam modelos proprietários de IA pagam efetivamente duas vezes: uma em custos de assinatura e outra ao entregar o conhecimento de negócios incorporado em seus prompts e correções, que pode ser absorvido em futuras versões do modelo.

O CEO da Hugging Face, Clem Delangue, fez uma previsão semelhante em conversa com o TechCrunch na semana passada. Os modelos de ponta, disse ele, serão cada vez mais reservados para experimentação e tarefas de alto valor, enquanto a maior parte do trabalho de produção de IA migra para alternativas privadas ou de código aberto — exatamente a divisão em torno da qual a Thinking Machines está se construindo.

O argumento mais claro para a abordagem da Thinking Machines veio de um projeto recente com a Bridgewater Associates, o maior fundo de hedge do mundo (que não é, vale ressaltar, um investidor da Thinking Machines). Pesquisadores de ambas as empresas pegaram um modelo de código aberto existente e o treinaram ainda mais na expertise financeira da Bridgewater. O resultado teria obtido 84,7% em testes de raciocínio financeiro, superando os principais modelos de IA proprietários, custando cerca de um décimo quarto para ser executado — embora esses resultados venham da avaliação das próprias empresas, e não de uma independente.

De qualquer forma, a Thinking Machines está enfatizando a rapidez com que chegou até aqui. A OpenAI levou cerca de cinco anos para levar sua tecnologia ao mercado e mostrar receita, e a Anthropic cerca de três. A Thinking Machines diz que fez o mesmo em cerca de nove meses.

Alguns vão se perguntar se o Inkling foi treinado com saídas de modelos concorrentes, uma prática conhecida como "destilação" que tem atraído escrutínio em todo o setor. A resposta curta, de acordo com os próprios materiais da empresa, é parcialmente. A Thinking Machines pré-treinou o Inkling do zero, mas diz que usou outros modelos de pesos abertos — incluindo o Kimi K2.5 da Moonshot AI — para ajudar a gerar alguns de seus dados iniciais de pós-treinamento antes que o aprendizado por reforço em larga escala assumisse o controle. O próximo modelo, insiste a empresa, usará pós-treinamento totalmente autocontido.

No aspecto de custos, a Thinking Machines tem sido mais reservada. Ela fechou uma parceria com a Nvidia em março para implantar um gigawatt de capacidade de computação Vera Rubin e treinou o Inkling inteiramente nos sistemas GB300 NVL72 da Nvidia — mas não disse como planeja cobrir esses custos e, segundo relatos, a receita não tem sido uma prioridade. (Dizia-se que uma rodada de captação de recursos de US$ 50 bilhões estava se juntando em novembro passado, mas havia empacado em janeiro; a empresa recusou-se a falar sobre seu cenário de financiamento desde então).

Uma questão relacionada é se os gastos da Thinking Machines alcançarão a escala da OpenAI ou da Anthropic, ou se sua abordagem orientada para a eficiência significa que a economia parece diferente. Em outras palavras, a aposta da empresa pode ser menos a de que ela eventualmente gastará como seus rivais maiores do que a de que ela não precisará fazer isso de forma alguma — porque, uma vez que os pesos são públicos, nada obriga quem os baixa a pagar à Thinking Machines para executá-los, ao contrário do acesso taxado que a OpenAI e a Anthropic vendem. É o Tinker, e não o modelo em si, de onde a receita da empresa deve vir, por meio de treinamento, ajuste fino e, agora, de uma fatia do ecossistema de hospedagem construído ao redor dele.

A contagem de funcionários, pelo menos, parece mais estabilizada. A Thinking Machines emprega atualmente cerca de 200 pessoas, acima dos níveis relatados após uma onda de saídas no início deste ano, incluindo dois cofundadores que saíram para a OpenAI em janeiro.

A Thinking Machines, por sua vez, não parece interessada em destacar movimentos individuais da maneira que grande parte da indústria faz. De acordo com uma fonte de dentro da empresa, sua cultura, por design, favorece a continuidade em detrimento da dependência de qualquer personalidade. Faz todo o sentido: é um revés menor quando as pessoas mudam de equipes se elas nunca foram colocadas em um pedestal para começar. É também algo notável para uma empresa insistir, dado o quanto de sua própria história ainda está associada ao nome de sua agora famosa cofundadora, quer ela tenha planejado isso ou não.