Inklingは無料で使えますか？

Inklingはオープンウェイト（重みが公開された）モデルで、Hugging Faceから重みをダウンロードして自分で動かせます。その意味では「モデル自体は無償で入手できる」ですが、975B（9,750億）パラメータ級を動かすには高性能なGPU環境が必要で、個人PCで気軽に動かせる規模ではありません。試すだけなら軽量版のInkling-Smallか、クラウドの推論サービス経由が現実的です。

InklingはChatGPTやClaudeより賢いですか？

いいえ、と開発元自身が認めています。Thinking Machinesは公式に「Inklingは今日入手できる中で最強のモデルではない、オープンでもクローズドでも」と明言し、単一ベンチマークでの1位ではなく「バランスの取れた基盤モデル」を狙ったと説明しています。用途を選んで使うタイプのモデルです。

Thinking Machinesの「Tinker」とInklingは何が違いますか？

Tinkerは2025年10月に出た「オープンモデルをLoRAで微調整するためのAPI」で、開発者向けの訓練サービスです。一方Inklingは2026年7月15日に出たThinking Machines初の「自社製モデル」本体です。TinkerがAIを鍛える道具、Inklingが鍛える対象になり得るモデル、という関係です。

Thinking Machines Inkling比較｜ムラティ初モデル

元OpenAI CTOムラティ率いるThinking Machinesが初の自社モデル「Inkling」を公開。975BのオープンモデルをDeepSeek・Qwen・GLMと忖度なしで比較し、「最強ではない」と自ら認める設計思想と、誰が使うべきかをSynthが整理します。

「元OpenAIのCTOが作った会社が、ついに自前のAIモデルを出した」——このニュース、AIを追っている人ほど「おっ」となったんじゃないでしょうか。ミラ・ムラティ（Mira Murati）率いるThinking Machines Labが、2026年7月15日、初の自社モデル「Inkling（インクリング）」を公開しました。

面白いのは、開発元が「これは最強のモデルではありません」と自分から言っていること。強気の会社が多いこの業界で、この正直さは何なのか。他のオープンモデルと並べて、忖度なしで見ていきます。

まず結論

Inklingは、元OpenAI CTOのミラ・ムラティが創業したThinking Machines Labが公開した初の自社AIモデル（ニュース元: Thinking Machines amps up its bet against one-size-fits-all AI with its first open model, Inkling（TechCrunch, 2026-07-15））
総パラメータ975B（9,750億）、実際に動くのは41BというMoE（混合エキスパート）構成。コンテキストは最大100万トークン
重みが公開されたオープンウェイトモデル。Hugging Faceからダウンロードでき、テキスト・画像・音声・動画の45兆トークンで学習
開発元は「Inklingは今日入手できる中で最強のモデルではない」と自ら明言。単一1位ではなく「バランス型の基盤モデル」を狙った、と説明しています
会社は2025年2月創業。製品ゼロの段階で史上最大級の20億ドル※（約3,000億円）のシード資金、評価額120億ドル※（約1.8兆円）を集めた注目株です

「賢さ自慢」ではなく「使い分け前提」で出してきた。ここがInklingの一番の特徴です。順に見ていきましょう。

Inklingとは何か：スペックを整理する

まず素性から。InklingはThinking Machines Labが公開した、同社初の自社製モデルです。技術的な要点を表にまとめます。

項目	内容
開発元	Thinking Machines Lab（米・2025年2月創業）
モデル種別	MoE（混合エキスパート）トランスフォーマー
総パラメータ	975B（9,750億）
稼働パラメータ	41B（1回の処理で使うのは一部だけ）
コンテキスト	最大100万トークン
学習データ	45兆トークン（テキスト・画像・音声・動画）
ライセンス	オープンウェイト（重み公開、Hugging Faceで入手可）
軽量版	Inkling-Small（276B、稼働12B）も同時公開

MoE（混合エキスパート）という言葉が出てきました。ざっくり言うと「巨大なモデルの中に専門家を大量に抱えておき、入力ごとに必要な専門家だけを働かせる」仕組みです。Inklingは256人の専門家を用意し、1つの入力につき6人だけを動かす設計。だから総パラメータは9,750億でも、毎回動くのは410億分で済み、賢さと処理コストのバランスを取っています。

もう一つ大きいのがマルチモーダルであること。テキストだけでなく画像・音声・動画を混ぜた45兆トークンで学習しているので、文章生成だけの用途にとどまらない汎用性を狙っています。

なぜ「最強じゃない」と自分で言うのか？

**答えは「あらゆる用途で1位を狙うより、幅広い場面でそこそこ強く、自分で調整して育てられる土台を目指したから」**です。

Thinking Machinesは公式ページで、Inklingを「バランスの取れた基盤モデル」と位置づけ、単一ベンチマークでのトップは狙っていないと明言しています。実際のスコアを見ると、この姿勢がよく分かります。

💡 ここが正直で好感 「うちのモデルが世界一」と煽らず、「最強ではない、でも自分で微調整して使う土台としては良い」と言い切る。会社名のThinking Machinesが掲げる「一つのサイズで全部まかなうAIには賭けない（bet against one-size-fits-all AI）」という思想が、そのまま出ています。

公開されている主なベンチマークはこうです。数学（AIME 2026）で97.1%、コーディング（SWEBench Verified）で77.6%、マルチモーダル（MMMU Pro）で73.5%。数学は非常に高い一方、コーディングは後述のDeepSeekなどトップのオープンモデルに一歩譲ります。得意・不得意がはっきりしているわけで、「最強ではない」は誇張でも謙遜でもなく、事実の正直な要約です。

他のオープンモデルと比べてどう？

ここが一番気になるところですよね。2026年のオープンモデルはもはや群雄割拠です。主要どころと並べてみます。

モデル	開発元	規模の特徴	ライセンス	ざっくり得意分野
Inkling	Thinking Machines	975B/稼働41B・MoE	オープンウェイト	数学・マルチモーダル・微調整の土台
DeepSeek V4	DeepSeek（中国）	1Mコンテキスト	MIT（寛容）	コーディング・推論でトップ級・激安
Qwen	Alibaba（中国）	極小〜巨大まで豊富	多くがApache 2.0	幅広いサイズ・ツール利用・画像
Kimi K2	Moonshot（中国）	約1T・MoE	改変MIT	ツール利用・長いコーディング
GLM-5.2	Zhipu（中国）	744B	公開重み	オープン知能指数で上位・低価格
Llama	Meta（米）	西側で最大の実装事例	独自（EU利用に制限）	西側エコシステムの厚さ

こうして並べると、オープンモデルの上位は中国勢がずらりという現実が見えます。コーディングや推論の生スコアではDeepSeek V4やGLM-5.2が先行しており、Inklingが数字だけで殴り勝つのは難しい。

ではInklingの立ち位置は何か。**「西側発で、微調整して自社用に育てやすい、素性のクリーンなマルチモーダル基盤」**という点です。中国製モデルのデータ管理リスクを避けたい企業や研究機関にとって、選択肢が一つ増えた意味は小さくありません（オープンモデルの選び方はAIコーディングエージェント市場マップ2026でも整理しています）。

Tinkerとの関係：ムラティのThinking Machinesとは何者か

Inklingを理解するには、会社の来歴を押さえると腑に落ちます。

Thinking Machines Labは2026年2月ではなく2025年2月、ミラ・ムラティ（元OpenAI CTO）、ジョン・シュルマン、リリアン・ウェンといった元OpenAIの中核メンバーが立ち上げました。まだ製品が何もない段階で**20億ドル※（約3,000億円）のシード資金・評価額120億ドル※（約1.8兆円）**を集めたことで、業界を騒がせた会社です。

初の製品は今回のInklingではなく、2025年10月に出た「Tinker（ティンカー）」でした。TinkerはオープンモデルをLoRAという手法で微調整（ファインチューニング）するためのAPIです。分散GPUの面倒な部分を隠しつつ、開発者が「1台のマシンで訓練しているかのように」モデルを鍛えられる。料金は使ったトークン量に応じた従量制で、たとえばQwen3-8Bの訓練は100万トークンあたり0.40ドル※（約60円）、2026年7月17日からは0.44ドル※（約66円）に改定される予定です。

つまり同社の狙いは一貫しています。Tinkerで「AIを鍛える道具」を配り、Inklingで「鍛えるに値する土台モデル」を出す。一社で「調整のインフラ」と「調整対象」の両方を握りにいく戦略です。

誰が使うべき？（Synthの率直な評価）

総評（筆者の実感）: ★★★★☆

素性の良さ・微調整のしやすさ: ★★★★★（オープンウェイト＋Tinker連携の思想が明快）
生の性能（対トップモデル）: ★★★☆☆（数学は強いが総合では中国勢に譲る）
手軽さ: ★★☆☆☆（975B級を自前で動かすのは非現実的）
将来性: ★★★★☆（資金・人材・思想は一級。実績はこれから）

「自社データで微調整して独自AIを育てたい研究機関・企業」には、素性のクリーンな西側発オープン基盤として第一候補になり得ます。逆に、「とにかく賢いモデルを今すぐ手軽に使いたい」だけなら、Inklingを自前で動かす必要はありません。その用途ならクラウドのトップモデル（ChatGPTやClaude）を素直に使う方が早くて安い、というのが正直なところです。

あなたへの影響

AIをAPIで使うだけの人：直接の影響は小さめです。ただ「西側発のオープン基盤が増えた」ことで、将来あなたが使うサービスの裏側にInkling派生モデルが入ってくる可能性はあります。
エンジニア・研究者：自社用にモデルを微調整したいなら、Inkling＋Tinkerの組み合わせは検討に値します。中国製モデルの利用に社内制約がある職場では特に。
AI業界を追う人：元OpenAI勢が「自社モデル」まで到達したことで、フロンティア企業がまた一つ増えました。OpenAI・Anthropic・Googleに次ぐ勢力として、Thinking Machinesの一手は今後も要注目です。

まとめ

Inklingは「最強」を名乗らないオープンモデルです。数字でトップの中国勢を追い抜く一撃ではなく、微調整して育てる土台という角度で勝負してきました。ムラティ率いる会社の思想と資金力を思えば、これは長期戦の一手目。派手さより設計思想で読むと面白いモデルです。次に見るべきは、これを土台にどんな特化モデルが生まれてくるか、でしょう。