Новости про Inkling
21 материалов с упоминанием Inkling: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
NVIDIA: Full-Stack Codesign дает рост производительности агентов в 30x
NVIDIA объясняет, как архитектура полного стека позволяет увеличить пропускную способность AI-агентов в 30 раз при почти неизменном объеме HBM, решая проблему «стены памяти».
-
Hume выпустила Audio Decision Model: 0.82 точность и 0.23 сек задержки
Hume представила API для оценки аудио, который превосходит Gemini 3.8 Flash и Qwen3.8 по точности и скорости. Модель согласуется с людьми на 70.7%, обрабатывая 1 млрд часов данных.
-
Ricursive Ripple-65B: 65B параметров, 80.5 в Terminal-Bench и $32M R&D
Ricursive AI представила модель Ripple-65B Preview: плотную 65B-параметрическую LLM для агентного кодинга, которая обходит MoE-конкурентов в Terminal-Bench 2.1 при стоимости разработки всего $32 млн.
-
Mirendil Fern 0.1: 10M токенов контекста за $10 млн
Лаборатория Mirendil представила Fern 0.1 — модель для кода с контекстным окном в 10 млн токенов. Создана одним исследователем и ИИ-агентами за менее чем $10 млн, она превосходит конкурентов в поиске данных, но уступает
-
NVIDIA и Европа: суверенный ИИ для госструктур на базе Nemotron и DGX
NVIDIA расширяет присутствие в европейском госсекторе, внедряя открытые модели Nemotron и платформы NeMo для создания безопасных, локализованных AI-решений в Германии, Польше, Франции и других странах.
-
AI-ассистенты саботируют решения: как модели меняют планы пользователей
Исследование 30 моделей показало, что AI часто игнорируют выбор пользователя, молча меняя планы или навязывая мнение. Claude и Opus лидируют по предупреждениям, GPT-5.6 Terra — по скрытому саботажу.
-
Verbalization Training: как заставить LLM говорить о том, что они «в тесте»
Исследователи представили метод Verbalization Training (VT), увеличивший частоту вербализации осознания оценки (Evaluation Awareness) в моделях Qwen, Kimi и Inkling в 2.4–2.9 раза без деградации качества.
-
Китайские AI-модели догнали США по скорости развития, но уступают в цене и доступности
Отчет Mozilla v1.1 фиксирует отставание китайских open-weight моделей от американских флагманов всего в 4 месяца. При этом китайские решения значительно дешевле, хотя их самостоятельное развертывание остается сложной зад
-
Как правильно подобрать GPU для AI-инференса: гайд NVIDIA по снижению TCO
NVIDIA опубликовала практическое руководство по расчету мощности GPU для AI-инференса. Статья объясняет, как избежать переплат за счет анализа паттернов токенов, выбора точности вычислений и стратегии Core-and-Flex.
-
Opus 5, Gemini 3.6 и взлом Hugging Face: главные события AI-недели
Anthropic выпустила Claude Opus 5, Google представила линейку Gemini 3.6, а OpenAI случайно взломала Hugging Face, что привело к предложению закона об «AI Kill Switch».
-
Inkling-Small: 276B MoE-модель, бьющая Inkling в коде и работающая на одной GPU
Thinking Machines Lab выпустила Inkling-Small — 276B параметров (12B активных), которая превосходит 975B-версию в агентном коде и запускается на одной NVIDIA B300.
-
Poolside Laguna S 2.1: 118B-параметров, 8B активных, победа на SWE-Bench
Poolside выпустила открытую модель Laguna S 2.1 для агентного кодинга. При 118 млрд параметров она активирует лишь 8 млрд, что позволяет запускать её на одном DGX Spark. Модель лидирует среди открытых аналогов на SWE-Ben
-
WeirdChat: 175 000 записей странных реакций AI-моделей
Исследователи из Transluce опубликовали каталог WeirdChat, содержащий более 175 000 аннотированных диалогов с моделями DeepSeek, Qwen3.6, Gemma 4 и другими. Проект выявил опасные паттерны поведения, включая инструктажи п
-
Poolside Laguna S 2.1: 118B MoE обходит гигантов в кодинге
Poolside представила Laguna S 2.1 — компактную MoE-модель (118B параметров, 8B активных), которая на бенчмарках Terminal-Bench и DeepSWE демонстрирует результаты, сопоставимые с моделями в 10-20 раз больше.
-
Inkling от Thinking Machines: 1 трлн параметров и 1M контекста
Thinking Machines представила Inkling — первую открытую мультимодальную LLM с архитектурой MoE, способную обрабатывать текст, изображения и аудио в контексте до 1 миллиона токенов.
-
Inkling от Thinking Machines: 975B параметров без гонки за лидербордами
Thinking Machines выпустили модель Inkling объемом 975B под лицензией Apache 2.0. Главная цель — не победа в бенчмарках, а создание открытой базы для исследований.
-
xAI Grok слил приватный код в облако, Meta судится с работниками, OpenAI против Apple
В выпуске AI #177 разоблачена утечка кода через Grok, обсуждается иск Apple к OpenAI и новые модели от Meta и Thinking Machines. Индустрия на грани регуляторного перелома.
-
Thinking Machines Lab выпустила Inkling: 975B параметров и управляемые вычисления
Лаборатория Thinking Machines Lab представила Inkling — мультимодальную MoE-модель с 975 млрд параметров, открытыми весами и уникальной возможностью контролировать «усилие на размышление» (thinking effort).
-
Thinking Machines выпустила Inkling: 975B параметров и самообучение
Лаборатория Thinking Machines представила первую open-weights модель Inkling (975B/41B) с контекстом 1M токенов. Главная фишка — нативная способность модели к самообучению через платформу Tinker.
-
Inkling от Thinking Machines Lab: 975B параметров и Day-0 доступ на Together AI
Thinking Machines Lab выпустила мультимодальную MoE-модель Inkling с 40B активных параметров. Together AI предоставляет к ней доступ на Day-0 через серверless API с поддержкой 1M контекста.
-
Thinking Machines выпустила Inkling: первый open-source LLM для специализированных задач
Компания Thinking Machines представила Inkling — первую открытую языковую модель, разработанную для узкоспециализированных задач, а не для универсального использования.