Thinking Machines, Inkling 가중치 공개로 멀티모달 추론 경쟁 가속
멀티모달 추론 모델의 공개 경쟁이 한 단계 더 치열해졌다. Thinking Machines는 Inkling 전체 가중치를 공개하고, 64K와 256K 컨텍스트 옵션 및 Tinker fine-tuning 경로를 함께 열었다.
원문: Thinking Machines opens Inkling weights for multimodal reasoning 원문 보기 →
Inkling이 공개 가중치 대열에 합류
멀티모달 추론 모델을 자체 데이터에 맞춰 조정하려는 팀에게 새 선택지가 생겼다. Thinking Machines는 X에서 “Inkling reasons efficiently across text, image, and audio modalities”라고 쓰며 Inkling의 전체 가중치를 공개한다고 밝혔다. 이 트윗은 단순한 제품 홍보보다 개발자 배포 경로가 핵심이다. 모델은 텍스트, 이미지, 오디오를 함께 다루며 Tinker에서 fine-tuning을 바로 시작할 수 있다.
중요한 숫자는 컨텍스트 길이다. 회사의 설명에 따르면 Inkling은 Tinker에서 64K와 256K tokens 옵션으로 제공된다. 긴 문서, 오디오 기반 작업, 도구 호출이 섞인 에이전트 흐름을 한 모델 안에서 실험하려는 팀에게는 256K 옵션이 특히 의미가 있다. Thinking Machines는 Inkling Playground도 열어, fine-tuning 전에 모델의 응답 감각과 agentic web search 동작을 확인할 수 있게 했다.
Thinking Machines는 최근 Tinker API와 연구 중심 모델 배포로 주목받는 AI 연구사다. 이번 글은 Inkling을 첫 open-weights 모델로 설명하며, 원본 checkpoint와 NVIDIA Blackwell 시스템을 겨냥한 NVFP4 checkpoint를 Hugging Face에 올렸다고 덧붙인다. TogetherAI, Fireworks, Modal, Databricks, Baseten 같은 API 배포 파트너와 vLLM, SGLang, llama.cpp, transformers 통합도 함께 제시됐다.
다음 관전 포인트는 공개 가중치가 실제 fine-tuning 비용과 품질에서 어느 정도 차이를 내는지다. 벤치마크보다 중요한 것은 기업 내부 데이터, 오디오가 포함된 워크플로, 도구 호출이 있는 에이전트 작업에서 Inkling이 기존 폐쇄형 모델을 얼마나 대체할 수 있느냐이다. 원문 트윗과 모델 설명이 공개돼 있어 개발자 검증은 곧 시작될 전망이다.
관련 기사
Inkling 공개, open-weight 경쟁의 새 기준은 fine-tuning
HN의 관심은 benchmark 1등보다 조합에 모였다. Thinking Machines Lab의 Inkling은 multimodal MoE, 조절 가능한 reasoning effort, Tinker fine-tuning을 한 묶음으로 내세우며 open-weight 모델의 쓰임새를 다시 묻는다.
Gemini Omni 1.1 Flash 정식 출시: 4K 업스케일·장면 확장 지원 영상 모델
Google이 Gemini Omni 1.1 Flash를 Gemini API와 Google AI Studio에 정식 출시했다. 4K 업스케일, 첫/마지막 프레임 지정, 장면 확장 등 강화된 영상 생성·편집 기능이 추가됐으며, Video Arena에서 1위에 오른 모델이다.
Inkling-Small NVFP4, Hugging Face에 오른 공개 가중치 멀티모달 모델
NVIDIA AI가 Thinking Machines의 Inkling-Small NVFP4 체크포인트를 공개적으로 가리키며 오픈 가중치 멀티모달 모델 경쟁에 새 선택지가 추가됐다. Hugging Face 메타데이터는 Apache-2.0, MoE, 이미지·오디오 입력 태그와 25,000회 이상 다운로드를 보여준다.