A Thinking Machines Lab, startup fundada pela ex-CTO da OpenAI Mira Murati, lançou nesta semana seu primeiro modelo de inteligência artificial de código aberto: o Inkling. Com 975 bilhões de parâmetros no total e uma arquitetura de mistura de especialistas, o modelo está disponível para download e modificação por desenvolvedores e empresas em todo o mundo.
O anúncio foi publicado pela TechCrunch em 15 de julho de 2026 e representa um marco importante para a empresa, que foi fundada com a proposta explícita de desafiar o modelo de IA fechado e monolítico dominado por grandes players como a própria OpenAI, Google e Anthropic.
Arquitetura de mistura de especialistas: eficiência sem abrir mão do poder
O Inkling adota uma arquitetura de mistura de especialistas (mixture-of-experts), um design que divide o processamento entre diferentes “especialistas” dentro do modelo, ativando apenas uma parte deles para cada tarefa específica. Com 975 bilhões de parâmetros totais, o modelo utiliza cerca de 41 bilhões de parâmetros em qualquer operação individual.
Essa abordagem permite que o modelo seja altamente capaz sem exigir o consumo massivo de recursos computacionais que modelos monolíticos de tamanho equivalente demandariam. O Inkling consegue, segundo a própria empresa, desempenho equivalente ao Nvidia Nemotron 3 Ultra em tarefas de programação usando apenas um terço dos tokens, e opera a um custo que representa um décimo quarto do custo de modelos proprietários comparáveis.
Multimodalidade nativa: texto, imagem, áudio e vídeo
Um dos diferenciais do Inkling é sua capacidade de raciocinar nativamente sobre quatro modalidades de dados: texto, imagem, áudio e vídeo. O treinamento utilizou 45 trilhões de tokens provenientes dessas quatro modalidades, preparando o modelo para entender e processar conteúdo multimídia de forma integrada.
Na prática, os outputs do Inkling em sua versão atual estão limitados a texto, código, artefatos estilizados e dados estruturados. A empresa indica que a capacidade de gerar áudio e vídeo como saída deve chegar em versões futuras do modelo. Ainda assim, a capacidade de raciocinar sobre quatro tipos diferentes de entrada já representa um avanço significativo em relação a modelos open-source anteriores.
Nove meses do zero ao lançamento
Um dado que chama atenção é o ritmo de desenvolvimento: a Thinking Machines Lab conseguiu treinar e lançar o Inkling em aproximadamente nove meses. Com uma equipe de cerca de 200 funcionários, a empresa utilizou sistemas Nvidia GB300 NVL72 com um gigawatt de capacidade computacional Vera Rubin para completar o treinamento em 45 trilhões de tokens.
Esse tempo de desenvolvimento é notavelmente rápido para um modelo dessa escala, e reflete tanto a eficiência do design da equipe quanto o acesso a infraestrutura de ponta. Murati, que supervisionou o desenvolvimento do GPT-4 e de outros modelos de referência durante sua passagem pela OpenAI, trouxe consigo expertise operacional rara para conduzir esse processo.
O Inkling não é o modelo mais poderoso, e isso é intencional
A própria Thinking Machines Lab reconhece que o Inkling “não é o modelo geral mais poderoso disponível hoje, seja aberto ou fechado”. Esse posicionamento é deliberado: a empresa não está tentando ganhar benchmarks gerais, mas sim demonstrar que é possível construir modelos altamente eficientes, acessíveis e customizáveis que atendem casos de uso específicos com excelência.
Em parceria com a Bridgewater Associates, gestora de fundos de investimento, o Inkling atingiu 84,7% de precisão em testes de raciocínio financeiro, um resultado expressivo que ilustra como modelos especializados podem superar generalistas em domínios específicos.
A crítica implícita ao modelo fechado
O lançamento do Inkling é, em sua essência, um manifesto filosófico sobre como a IA deveria ser construída e distribuída. A Thinking Machines Lab foi criada com a premissa de que modelos de IA de tamanho único para todos são uma limitação, não uma virtude. A empresa argumenta que diferentes contextos e necessidades exigem modelos ajustados, customizáveis e, idealmente, abertos.
Ao disponibilizar os pesos do Inkling publicamente, a empresa está permitindo que qualquer desenvolvedor ou empresa baixe, modifique e refine o modelo para suas necessidades específicas. Essa abertura contrasta diretamente com a estratégia de grandes labs como OpenAI e Anthropic, cujos modelos mais capazes permanecem acessíveis apenas via API.
Redução de custos como argumento comercial
Além do argumento filosófico, há um argumento comercial poderoso no lançamento do Inkling. O custo de operação de um modelo próprio, uma vez treinado e implantado internamente, é significativamente inferior ao custo de acessar modelos de terceiros via API de forma recorrente.
A Thinking Machines Lab aponta que o Inkling opera a um custo equivalente a um décimo quarto de modelos proprietários comparáveis. Para empresas que processam grandes volumes de dados e requisições, essa diferença pode representar economias de dezenas de milhões de dólares por ano. O argumento ressoa diretamente com o alerta recente do CEO da Microsoft, Satya Nadella, de que empresas estão “pagando duas vezes” por soluções de IA com modelos fechados.
O ecossistema open-source de IA como campo de batalha
O Inkling entra num ecossistema de IA open-source que tem crescido rapidamente nos últimos anos. O Llama, da Meta, estabeleceu um padrão de referência para modelos abertos de alta qualidade. O DeepSeek, da China, surpreendeu o mercado no início de 2025 com desempenho competitivo a custo reduzido. Agora, o Inkling aposta em multimodalidade nativa e eficiência de parâmetros como seus diferenciais.
Se a comunidade de desenvolvedores adotar o modelo com o mesmo entusiasmo com que adotou o Llama, a Thinking Machines Lab pode rapidamente se tornar um dos nomes mais relevantes na nova geração de modelos de IA abertos. O sucesso da estratégia dependerá de quanto o ecossistema de ferramentas ao redor do Inkling cresce e de como a empresa mantém o ritmo de atualizações.
O que esperar a seguir
O lançamento do Inkling é apenas o primeiro passo público de uma estratégia mais ampla da Thinking Machines Lab. Com financiamentos significativos e uma equipe liderada por alguns dos profissionais mais experientes do campo da IA, a empresa deve continuar lançando versões aprimoradas do modelo e expandindo suas capacidades de saída para incluir áudio e vídeo.
O posicionamento estratégico da Thinking Machines Lab, combinando abertura filosófica com argumentos comerciais sólidos e liderança técnica reconhecida, coloca a empresa em posição privilegiada para influenciar os rumos do desenvolvimento de IA nos próximos anos.
