Thinking Machines Lab が初のオープンウェイト AI モデル「Inkling」をリリースしました。975 億パラメータを持つこのモデルは、企業が自社データで独自に学習し、一般向けモデルに頼らないカスタマイズ AI への転換を目指す企業向けの「出発点」として設計されています。

Inkling モデルの仕様と特徴

モデル構成：

  • 総パラメータ数: 975 億（Mixture-of-Experts アーキテクチャ）
  • アクティブパラメータ: 各タスクで約 41 億のみを使用
  • 学習データ: テキスト 45 兆トークン、画像・音声・動画を含むマルチモーダル対応

差別化戦略： Thinking Machines は「最強のモデルではない」と明言しています。OpenAI の GPT シリーズや Google の Gemini との直接競争ではなく、むしろ企業が 自社に最適化できるプラットフォーム として Inkling を位置づけています。

ユーザーは「思考努力」パラメータを調整することで、応答速度と精度のバランスを自由に選択できます。つまり、高精度が必要なタスク（複雑な分析・意思決定）では時間をかけ、高速応答が求められるタスク（リアルタイム対応）では効率を優先できるわけです。

企業カスタマイズへの戦略転換

Thinking Machines の戦略の核にあるのは、オープンウェイト × 独自学習 による企業の自立化です：

Tinker プラットフォーム： Inkling はただのモデルではなく、同社が提供する「Tinker」というプラットフォーム上で微調整（ファインチューニング）される前提で設計されています。Tinker を通じて、企業は：

  • 自社データで再学習が可能
  • ドメイン専門知識を組み込める
  • オープンソースモデルより高性能な独自版を構築できる

実績の証明： 投資銀行 Bridgewater Associates は Tinker を使用して金融業界向けにカスタマイズした AI を開発しました。その結果：

  • トップレベルの商用 AI モデルの性能を上回る
  • 運用コストは商用モデルの約 14 分の 1

この事例は「オープンウェイト × 企業の内部努力」のモデルがどの程度実現可能かを示唆しています。

背景：Mira Murati と Thinking Machines の戦略

Thinking Machines Lab を創業した Mira Murati は、OpenAI で CTO（最高技術責任者）を務めた人物です。彼女が掲げるビジョンは「AI は万能ではなく、企業ごとの最適化が必須」というもの。

Microsoft CEO が「企業はプロプライエタリ AI で実質的に 2 度支払っている」と指摘したように、クローズドな商用モデルに依存すると、利用料と運用コストの両方で高コストが避けられません。その対抗馬として、オープンウェイトの Inkling と Tinker プラットフォームを対置させています。

市場への影響

企業 AI の民主化： オープンウェイトモデルの普及により、大企業だけでなく中堅企業や業界特化企業も独自 AI を構築できる環境が整備されています。

AI リテラシーの高まり： 企業が「買う」から「作る」へシフトすることで、内部の AI 人材育成やデータ統治の重要性がより認識されるようになります。

価格競争の加速： 商用モデルに高い利用料を払う必然性が薄れ、市場全体で AI の単価低下が進む可能性があります。

課題と展開の注視点

Inkling の成功には、以下のポイントが重要です：

  • 導入ハードル：ユーザーが Tinker で有効に微調整できるスキル・データ品質が必要
  • セキュリティとコンプライアンス：オープンウェイトゆえに、利用企業での安全性確保は自己責任
  • 継続的な開発：今後も Inkling の改善と新版リリースの頻度が競争力を左右する

Thinking Machines の Inkling は、「一律型 AI から脱却し、企業ごとの最適化へ向かう産業転換の象徴」 となりうるモデルです。読者の皆様の企業が AI を「買う」から「作る」へシフトする際の選択肢として、注視する価値があります。