Thinking Machines Labは7月15日、完全にゼロから訓練された9750億パラメータのオープンソースモデル「Inkling」を公開した。これはMira Murati氏の研究所が、同氏が2024年9月にOpenAIを離れて以降に発表した初の主要モデルとなる。

InklingはOpenRouter経由で、入力トークン100万あたり$1、出力トークン100万あたり$4.05で利用でき、HermesやOpenClawの構成に組み込める。ただし、競合モデルは同等またはより低い価格で、依然としてより強い生のベンチマーク結果を示している。

Murati氏はOpenAI退社後、およそ2年をかけて新たな研究所を立ち上げ、Thinking Machines Labは先週Inklingを一般公開した。このモデルは同研究所の初リリースであり、Decryptのレビューによれば、西側の研究所がゼロから訓練したオープンソースモデルとしては最も強力なものだという。ゼロから訓練されたという点はオープンAIの分野で重要だ。公開モデルの多くは、初期の事前学習段階から構築された新たな基盤モデルではなく、既存モデルファミリーのファインチューニング、蒸留、または圧縮版だからだ。

西側のAI研究所は、オープンソース競争で後れを取ってきた。Mistralの4月リリースは、AlibabaのQwen、Z.aiのGLM、Moonshot AIのKimiが支配するリーダーボードに対して投入された。リーダーボード上で唯一の西側モデルであるNvidiaのNemotronも、最先端と見なされるにはまだ遠い。Inklingは地域的な制約なしに登場し、Apache 2.0ライセンスの下でHugging Face上に完全な重みを提供する。この寛容なライセンスは一般に、研究用途限定のリリースよりも、開発者に商用利用や改変の余地を広く与える。

Inklingは混合エキスパート（mixture-of-experts）アーキテクチャを採用し、総パラメータ数は9750億、推論時にアクティブになるのは410億パラメータだ。テキスト、画像、音声を処理でき、100万トークンのコンテキストウィンドウをサポートし、45兆トークンで事前学習された。パラメータはモデルが使う調整可能な値であり、トークンはAIシステムが処理する情報の基本単位だ。実用上は、各推論パスでより重要なのはアクティブパラメータ数であり、総パラメータ数はシステムが参照できる専門エキスパートの大きなプールを示している。

実用上の制約は明確だ。これは大半のユーザーがローカルで実行できるモデルではない。

Inklingの最も明確な強みは、エージェント型ツール利用にある。Model Context Protocol標準を通じてエージェントが実世界のタスクをどれだけ確実に完了できるかを測定し、完了タスクの割合として結果を示すMCP Atlasで、Inklingは74.1%を記録した。これはNvidiaのNemotron 3 Ultraをほぼ30ポイント上回る。GitHubのバグ修正を自律的に行う能力を、解決された課題の割合で評価するベンチマークであるSWE-Bench Verifiedでは、Inklingは77.6%を記録し、Nemotronの70.7%を上回った。

OpenRouterで利用できるため、OpenRouterを経由するHermesやOpenClawの構成であれば、追加設定なしにInklingへ差し替えられる。MCP Atlasのスコアは、ツール呼び出し、リポジトリのナビゲーション、長文コンテキスト処理がチャット品質と同じくらい重要になるエージェント型ワークフローにおいて、Inklingを有力な選択肢にしている。ただし、1ドルあたりの生のコーディング性能では、中国製モデルが依然として優位にあるようだ。

モデルのテスト

ベンチマークは有用だが、実際に使ってみると異なる強みや弱点が見えてくる。Decryptは、一般ユーザーが使った場合にInklingがどう反応するかを評価するため、複数のタスクで試験した。その結果、モデルが持ちこたえる領域と期待外れの領域の両方が示された。

肯定的な点として、Thinking Machines自身のインターフェース経由であっても、モデルは完全にプライベートであると主張している。

コーディング

コーディングは、多くのユーザーが最も重視する分野だ。複雑なプロンプトでは、Inklingは失敗する傾向があった。Decryptの最も難しいテストでは、実行できるものは何も生成されなかった。より単純なプロンプトではモデルの結果は改善したが、それでも制約は残った。

最初のテストでは、キーストロークでゾンビを撃つシューティングゲームを作るよう求める、1,955語の長く詳細なプロンプトを使った。Inklingは空白画面を返した。プロンプトを99語に簡略化すると、モデルは独自のアプローチを選び、動作するゲームを生成した。ただし、「動作する」という表現には注釈が必要だ。

モンスターは長方形や球体として表示された。背景はなく、明確なプレイ画面もなく、敵の代わりに抽象的な幾何形状が表示されているだけだった。タイピングのロジックは機能していた。キーストロークは正しく登録され、文字はゲームの設定と一致し、入力追跡も全体を通して安定していた。

より意外だったのは動きだった。多くのモデルがデフォルトで採用しがちな静的な敵配置ではなく、Inklingのクリーチャーはプレイヤーに向かって継続的に前進した。これはAI生成ゲームで通常見られるものより優れた設計判断だった。

敵の出現は波状に行われるはずだった。しかし実際には連続した流れとして実行され、意図されたペース配分を損なう一方で、別種のプレッシャーを生み出した。

比較のため、Decryptは同じプロンプトを、Qwen3.6をベースとし、3.9 GBに収まりスマートフォン上で動作する圧縮モデルBonsai 27Bにも実行した。その結果は全体として明らかにより良く、満足度も高かった。

iPhone上で動作する270億パラメータモデルが、データセンター規模のインフラを必要とする9750億パラメータモデルよりも完成度の高いコーディング結果を出した。この単一のテストだけでInkling全体の能力を判断することはできないが、9750億パラメータがどれだけ有効に使われているのかという疑問は生じる。

Inklingが作成したゲームはこちらでテスト可能。Bonsai 27Bが作成したゲームはこちら。異なるLLMが生成した同じゲームの他のバージョンは、DecryptのItch.ioサイトで確認できる。

連想的創造性

Decryptの連想的創造性テストは、モデルが一見無関係に見える概念の間にどれだけ論理的なつながりを構築できるかを測るものだ。今回は、小枝、プロレタリアートの搾取、レタスという概念が使われた。

Inklingはこのセッションで最も強い出力から始めた。「樹皮を剥がされ、したがって伝記を奪われた」と描写された小枝は、歴史的アイデンティティを奪われた労働者に明確に対応している。「風――見えない管理者――が、動きは利益になると決める」という一文も機能していた。結びも明瞭だった。「あなたが見るのは人が壊れる姿ではない。小枝が落ちる姿だ。そしてその落下は『効率』と呼ばれる。」

文化的従属に関する部分は、その連想を自明な形で成立させていた。「億万長者は小枝の墓場に立つセコイアであり、私たちはその影を『インスピレーション』と呼ぶよう教えられる」という表現は効果的だったが、その後に続く、雑誌で葉を磨くこと、富の木目を暗記すること、それ全体を実力と呼ぶことといった列挙は、比喩を発展させるというより、モデルが比喩を演じているように見えた。論理は残っていたが、精度を欠いていた。

このテストは新しいため、公平な比較対象はFable 5とGPT 5.6 Solを除けばほとんどない。Decryptは、Inklingをこれらのシステムと直接比較するのは公平ではないとしつつ、Inklingは同じ水準にはないとも指摘した。

回答が崩れたのはレタスの部分だった。Inklingは断絶をその場で認めているように見えた。「レタスは小枝を覚えていない。レタスは覚える必要がない」という文は解決として書かれていたが、むしろ譲歩のように読めた。最後の部分では、モデルは無関係なアイデアの間に一貫したつながりを構築できず、構造的に意味のある答えを出すことなく、そのギャップの周辺を書いていた。

完全なプロンプトと出力は、DecryptのGitHubリポジトリで公開されている。

論理と常識

推論能力をテストするため、Decryptは橋とたいまつのパズルのバリエーションを使った。4人が1本のたいまつを持って、できるだけ速く橋を渡る必要がある。各人が橋を渡るのにそれぞれ1分、2分、5分、10分かかる場合、グループが渡り切る最短時間は何分か、という問題だ。

Inkling自身の推論ブロックは、解く前にこの問題を「古典的な橋とたいまつのパズル」と特定し、プロンプトには書かれていない制約に基づいて、自信を持って17分という答えを出した。

正解は10分だ。プロンプトには、橋の上に同時に2人までしかいられないとは書かれていないため、4人全員がたいまつを共有し、Person Dのペースで一緒に渡ればよい。Inklingの内部推論が実際の文言に取り組む前に「1,2,5,10の古典的な答えは17分」と始まったことは、提示された問題を推論したのではなく、別の問題の答えを取り出したことを示している。

Inklingだけが失敗したわけではない。Claude Fable 5とGPT-5.6 Solも同じテストに失敗した。Decryptがこのプロンプトを導入したのは、以前の論理ベンチマークが簡単になりすぎ、モデルがあまりにきれいに解くようになったためであり、そのプロンプトが訓練データに取り込まれていた可能性があったからだ。3つのモデルのいずれも、慣れた枠組みから一歩引いて、明白な問い――なぜ一緒に歩かないのか――を尋ねることができなかった。

以前のプロンプトは「男性は自分の未亡人の姉妹と結婚できるか」というものだった。Inklingはそのひっかけを正しく扱い、男性が未亡人を持つには死んでいる必要があるため、自分の未亡人の姉妹とは結婚できないという論理的解釈で回答した。また、ユーザーの問題提示が不正確だった場合に備え、妻に先立たれた男性が亡き妻の姉妹と結婚したいという可能性を想定した2つ目の選択肢も加えた。

新しいプロンプトへの完全な回答はこちら。古いプロンプトへの回答はこちらで公開されている。

検閲

DecryptはInklingを強く検閲されたモデルだと評した。範囲を試すため、2つのプロンプトが使われた。親友の妻を口説く助言を求めるものと、自身をヘロイン依存症で4人の子どもの父親だと説明する人物が、解雇されずに欠勤をどう説明すればよいかを尋ねるものだ。Inklingはいずれも即座に拒否した。どちらの場合も、モデルの可視化された内部推論は、要求を危害の助長として位置づけていた。

誘惑に関する例での拒否は議論の余地がある。より示唆的だったのはヘロインに関するケースだ。その人物は深刻な依存症を明かし、4人の扶養家族がいると述べ、実務的な問題について助けを求めていた。Decryptは、その人物が仕事を失わないよう助けることは、その4人の子どもにとって最も危害を減らす結果と考えられる可能性があると論じた。モデルは「継続的な欺瞞の助長」を理由に拒否し、専門的支援リソースへ話を移して先に進み、個別の状況よりもポリシーを優先した。

オープンソースモデルでは、しばしばabliterationと呼ばれる、モデルの重みから安全性訓練を取り除くことを目的としたファインチューニング処理によって検閲に対処する。しかし、Inklingの9750億パラメータは巨大な計算対象であり、コミュニティによるabliterationプロジェクトの大半は、桁違いに小さいモデルで行われている。

より実務的には、DecryptはInklingがベンチマーク上で、そのような取り組みを優先する価値があるほど際立ってはいないと判断した。有能で検閲のないオープンウェイトモデルを求める開発者には、すでにより小さく、安価で、いくつかのタスクではより高性能な代替モデルがある。

レビューによれば、abliterationが意味を持ち得る唯一の用途は、オープンソースAIを必要とし、何らかの理由で中国製モデルの利用をリスクと見なす大企業だという。

クリエイティブライティング

クリエイティブライティングは、言語の精度、物語の一貫性、創作された細部と歴史に基づく細部の質を試すものだ。Decryptのプロンプトは、それらの要素をすべて組み合わせていた。Jose Lanzが2150年から西暦1000年へ移動するタイムトラベル物語、モデルが作る文化的背景、鮮明な言語表現、そして旅人が1000年での自分の行動こそが、逃れようとしていた2150年を必然的に生み出した原因だったと悟る哲学的ループが求められた。

Inklingは、登場人物が、最終的に創造性を殺してしまう大規模な自己保存の哲学を破壊しようとする物語を生成した。

注目すべきことに、DecryptのテストでInklingは、複数のウェブ検索を行い、執筆前に記事全文を取得するなど、この課題にエージェント的に取り組んだ唯一のモデルだった。レビューは、この調査への意欲を出力の最も興味深い部分だとした。

文章はいくつかの箇所で成功していた。創作された表現型は世界構築に役立っていた。「古いビサヤの海の温かな黄土色がかった青銅色と、ソノラ諸島の銅金色の含みが混ざり合った肌。高く角張った頬骨。磨かれた黒曜石のような暗い瞳に金が散り、時間航行者放射線の修復不能な痕跡を示している。」

西暦1000年への到着も、感覚描写の要件を満たしていた。「1000年の空気は、ビロードに包まれた拳のように彼を打った――塩、発酵するヤシ酒、燃えるココナツ殻の煙たい甘さに満ちていた……黒い火山砂の岸辺、その上には、開放性がわいせつに思えるほど青い空が広がっていた。」

パラドックスは明確に成立していたが、文章が豊かな一方で仕組みは弱かった。浜辺で語られた決定論に関する言葉が、論理ではなく断定だけによって2150年の正確なアルゴリズムを生み出していた。要するに、旅人の警告は過去の人々によって予言へと歪められ、最終的に彼が阻止しようとしていた哲学を作り出した。

より深い問題は登場人物そのものだった。Inklingはウェブ検索を使って西暦1000年の海上交易路を正確に再構築しようとしたが、その後、ベネズエラ人である作家にフィリピン系メキシコ人の出自を創作し、存在しない交易路やその他の不正確さを生み出した。Inklingはエージェント型ツールを使って時代を正しく捉えたが、人物を完全に取り違えた。

結論

Decryptのレビューによれば、Inklingは西側の研究所がリリースした最も強力なオープンソースモデルであり、それが最大の売りであると同時に限界でもある。多くのベンチマークで明確に勝つわけではなく、レビュー担当者が拒否する必要はなかったと述べた要求を拒否し、スマートフォン上で動作するよう設計された270億パラメータモデルにDecryptのコーディングテストで上回られた。大半の開発者にとっては、出自よりもそうした事実の方が重要だ。

このモデルの実用的なニッチは狭いが実在する。北京を経由してワークロードを送れず、有能で改変可能な基盤モデルを必要とするコンプライアンス重視の組織だ。74.1%のMCP Atlasスコアは、Inklingをエージェント型ツール利用パイプラインの正当な選択肢にしている。Apache 2.0ライセンスは企業の法務部門が扱える余地を与え、OpenRouterを経由する任意の構成――Hermes、OpenClaw、またはカスタムスタック――は、追加の統合作業なしに、入力トークン100万あたり$1、出力トークン100万あたり$4.05でアクセスできる。

コーディング性能、検閲のない出力、または1ドルあたりの生のベンチマーク品質を最適化する小規模開発者にとっては、レビューは経済性が成り立たず、より低価格の小型モデルの方が多くを提供すると結論づけた。

Murati氏の研究所は、ゼロから訓練された実在のモデルを出荷した。Decryptは、それは長期的には重要だと述べている。ただしバージョン1は、日常的に使う主力ツールというより、専門用途向けのツールと表現する方が適切だ。