O Inkling não está atrás do título de “mais forte” — está redefinindo o que é um bom modelo.
A Thinking Machines Lab (TML) lançou seu primeiro modelo próprio, Inkling, na madrugada desta terça: 975B de parâmetros totais, 41B ativos, pesos abertos sob Apache 2.0.
Pelo roteiro habitual da indústria, o primeiro passo de um novo player seria caçar rankings: fincar algumas bandeiras SOTA, colher atenção, fechar contratos, conquistar clientes. A TML fez o oposto. O primeiro parágrafo do blog oficial diz: “O Inkling não é o modelo mais forte disponível hoje, nem aberto nem fechado.”
É humildade? Não totalmente. A métrica que ele busca não é “quem pontua mais”, mas: quem permite que empresas rodem mais barato em cenários reais, customizem com mais fluidez e façam deploy com mais liberdade. Esse reposicionamento talvez mereça mais atenção do que qualquer escalada em ranking.
Quando “Mais Forte” Deixa de Ser o Único Critério
Os últimos dois anos de competição entre modelos abertos foram, no fundo, uma corrida armamentista de benchmarks. Você assistiu a inúmeros lançamentos: 90% do tempo falando sobre liderança em pontuação, 10% sobre “e nós tornamos isso open source”. A nota era tudo, porque a narrativa da nota é a mais simples — meu modelo tem X pontos a mais, logo é melhor.
Mas empresas que compram modelos nunca se importaram com essa pontuação. Elas se importam com três coisas: quanto custa uma inferência? O modelo entende imagens e fala? Dá para fazer fine-tuning com nossos próprios dados? Nenhuma das três é respondida por um número de benchmark.
Os fundadores da TML, Mira Murati e Luna Wang, vieram da OpenAI e passaram quase um ano na linha de frente empresarial, atendendo centenas de clientes pela plataforma Tinker. Essa experiência lhes ensinou: a dimensão competitiva do open source está girando da capacidade bruta para a customizabilidade. O Inkling não se posiciona como um “modelo de nota alta”, mas como uma “base que empresas vão querer modificar” — trocando a narrativa SOTA por equilíbrio entre amplitude de capacidade, custo de inferência, multimodalidade nativa e facilidade de fine-tuning.
Economia de Tokens: RL Ensina o Modelo a Ler o Ambiente
A inovação técnica mais profunda do Inkling se esconde no conceito de esforço de raciocínio controlável. Imagine atribuir a um modelo duas tarefas: escrever “hello world” e depurar um deadlock em sistemas distribuídos. Modelos convencionais gastam o mesmo compute nas duas — ou sempre raciocinam profundamente, ou sempre pegam atalhos. Você tem uma única marcha.
O Inkling permite ajustar a intensidade do raciocínio entre 0 e 1: dê 0,2 a uma tarefa simples e ele responde rápido; dê 0,99 a uma complexa e ele desenrola uma cadeia de raciocínio como o modelo de raciocínio mais premium.
Mais notável ainda: a capacidade não foi enxertada truncando artificialmente cadeias de pensamento — ela cresceu nos genes do modelo por meio de aprendizado por reforço. A TML investiu mais de 30 milhões de rollouts de RL no pós-treinamento com um mecanismo elegante: mensagens de sistema modificadas mais custos por token por tarefa, deixando o modelo aprender sozinho quais problemas merecem mais escavação, quais tarefas podem parar, se mais um parágrafo de raciocínio compra benefício suficiente.
O resultado: no Terminal Bench 2.1, o Inkling empata com o Nemotron 3 Ultra da NVIDIA gerando um terço dos tokens. A pressão do RL até produziu compressão espontânea — no fim do treinamento, o modelo começou a omitir artigos, conectivos e repetições, com seu raciocínio se aproximando de uma linguagem taquigráfica. A TML nunca recompensou esse estilo; a pura pressão de custo por token levou o modelo a encontrar caminhos de raciocínio mais curtos. E um modelo que sabe se regular também tende a absorver conhecimento de fine-tuning com mais eficiência.
A Curva Custo-Capacidade: Por Que Empresas Querem Um Dial, Não Uma Nota Fixa
A seleção tradicional de modelos impõe um dilema: escolher o modelo de alto desempenho torna consultas simples caras; escolher o modelo leve faz problemas complexos falharem. Você faz deploy de dois modelos, duas APIs, dois stacks de monitoramento — e depois escreve código cola para rotear requisições. O Inkling oferece uma curva custo-capacidade contínua: o eixo horizontal é o custo de inferência em tokens, o eixo vertical é o desempenho na tarefa, e o Inkling desliza por qualquer ponto da curva enquanto um concorrente como o Nemotron ocupa um único ponto de operação fixo.
A moldura se estende ainda mais. O preview no mesmo dia do Inkling-Small (276B totais, 12B ativos) — menos de 30% dos parâmetros ativos do modelo grande, mas empatando ou superando-o em alguns testes — carrega um posicionamento preciso: base para código, avaliação de outros modelos, geração de dados sintéticos. Cenários de lote de alta frequência: tetos modestos por chamada, alta sensibilidade a custo e latência. Modelos grandes cuidam do raciocínio profundo; modelos pequenos cuidam do volume de alta frequência — duas marchas de custo.
Isso também explica por que a TML lançou o tml-renderer. Quando a inferência intercala chamadas de ferramentas e entrada multimodal, a amostragem de dados e o pós-treinamento ficam frágeis; o tml-renderer unifica a conversão de formato de mensagens de chat, chamadas de ferramentas, imagens e áudio para que a amostragem de inferência e o fine-tuning supervisionado obedeçam a um mesmo conjunto de regras. É infraestrutura construída por gente que realmente sente a dor de engenharia — não empilhando parâmetros, mas pavimentando a estrada.
O Que a Curva Explica na Indústria Como um Todo
Aplique a curva custo-capacidade à indústria inteira e vários padrões se resolvem: o sucesso da DeepSeek não é apenas treinamento mais barato — sua arquitetura MoE também investe compute diferente em problemas diferentes, com o “ler o ambiente” acontecendo na camada de arquitetura (roteamento para especialistas), enquanto o do Inkling acontece na camada de inferência (ajuste da profundidade de pensamento). Mesmo destino, estradas diferentes: cortar custo mantendo a capacidade. O controle de orçamento de raciocínio da Anthropic para o Claude Opus 4.5 é a mesma lógica exposta numa interface de produto — deixando o usuário ajustar por quanto tempo o modelo pensa. E a tendência aparentemente contraditória de flagships de 1T de parâmetros coexistindo com modelos leves (os 31B do Gemma 4, os 12B do Inkling-Small) não é uma cisão — são as duas pontas de uma mesma curva, porque empresas querem raciocínio profundo e leve dentro de um único stack.
Vá um passo além: se a curva se tornar a moldura de seleção da indústria, a competitividade central dos fornecedores de modelos também muda. A corrida de ontem era “quem acerta duas questões a mais no HLE”; a de amanhã é “de quem é a curva mais íngreme” — quem ganha mais capacidade por unidade de compute adicional. A métrica do progresso dos modelos migra da pontuação final para a derivada da curva.
A Nova Corrida do Open Source: De Pesos Abertos a Pipeline Aberto
A licença Apache 2.0 do Inkling é um sinal real — empresas e desenvolvedores podem usar, modificar e redistribuir os pesos sem hesitar. Mas a TML foi uma camada além e abriu toda a infraestrutura de suporte: o Tinker suporta nativamente o fine-tuning do Inkling, com um Cookbook atualizado, três exemplos de customização de áudio e o tml-renderer. Desenvolvedores podem chamar o Inkling diretamente na Together AI, Fireworks e Modal, ou fazer self-hosting com SGLang, vLLM, llama.cpp e Transformers. Pesos completos (BF16 mais quantização NVFP4), ferramentas de fine-tuning, caminhos de deploy — tudo aberto.
Uma observação que vale guardar: a próxima fase da competição entre modelos abertos pode não ser “quem lançou a contagem de parâmetros maior”, mas “quem construiu o ciclo mais completo de customização e deploy”. Open source deixa de ser um evento e se torna o bilhete de entrada para um serviço.
Por Onde Começar
Se você lidera IA empresarial: não meça o Inkling por pontuações de benchmark. Faça fine-tuning com seus próprios dados e observe o consumo de tokens e a velocidade de resposta nos seus fluxos de trabalho reais. Seu valor não é “quanto melhor que o Nemotron” — é alcançar seu limiar de desempenho a um custo menor. Se você é desenvolvedor: fique de olho no Inkling-Small — use-o como assistente de código e revisor de código em par com o Tinker para fine-tuning pessoal; 12B de parâmetros ativos rodam em GPUs de consumo, o que significa um agente de código privado na sua própria máquina. Se você é fornecedor de modelos: a curva custo-capacidade merece estudo sério. A diferenciação em open source está migrando de “quão alto é o pico” para “quão íngreme é a curva” e “quão aberto é o pipeline” — cuide do menor custo, não apenas da maior nota.
O Inkling não liderou nenhum ranking. Mas tocou a questão mais essencial: o critério para julgar um modelo deveria mudar? Isso exige mais coragem do que liderar qualquer lista.
Referências: Blog da Thinking Machines Lab: Introducing Inkling · 36Kr: Inkling, o rei open source que não persegue rankings · A plataforma Tinker
