IA · 16 luglio 2026 · 3 min di lettura
Contro i giganti dell'IA: Thinking Machines lancia Inkling, il super-modello open-source da 975 miliardi di parametri
In sintesi: Thinking Machines Lab ha rilasciato Inkling, il suo primo modello open-weight da 975 miliardi di parametri con architettura Mixture-of-Experts. Fondata dagli ex leader di OpenAI Mira Murati, John Schulman e Lilian Weng, la startup punta a scardinare il modello 'one-size-fits-all' dei big tech, offrendo alle aziende un'alternativa multimodale, decentralizzata e altamente personalizzabile.
di Team Mocchi's
La rivolta degli ex leader di OpenAI
Il panorama dell'intelligenza artificiale generativa vive un momento di profonda ridefinizione, guidato da una delle startup più chiacchierate e finanziate del settore. Thinking Machines Lab, la società fondata all'inizio del 2025 da un gruppo di storici dirigenti e ricercatori fuoriusciti da OpenAI, ha rilasciato il suo primo modello nativo. Battezzato Inkling, il modello rappresenta la prima vera prova di forza pubblica di una startup che, nata con una valutazione iniziale record di 12 miliardi di dollari, ha tenuto per oltre un anno i propri sviluppi strettamente riservati.
A guidare l'iniziativa sono figure di primissimo piano: Mira Murati, ex Chief Technology Officer di OpenAI; John Schulman, co-fondatore e mente dietro lo sviluppo di ChatGPT; e Lilian Weng, precedentemente a capo della divisione sicurezza e robotica dell'azienda guidata da Sam Altman. Con il rilascio di Inkling, la startup lancia una sfida diretta non solo al loro ex datore di lavoro, ma anche a giganti del calibro di Google e Anthropic.
Dentro la macchina di Inkling: 975 miliardi di parametri e multimodalità nativa
Dal punto di vista puramente tecnico, Inkling si presenta come un colosso. Si tratta di un sistema basato su un'architettura Mixture-of-Experts (MoE) che vanta un totale di 975 miliardi di parametri complessivi. Tuttavia, per ottimizzare l'efficienza computazionale e ridurre i costi di gestione, il sistema attiva solo una frazione di questa potenza — circa 41 miliardi di parametri — per ogni singolo task eseguito.
Come riporta TechCrunch, Inkling è stato addestrato da zero su un dataset immenso composto da 45 mila miliardi di token contenenti testo, immagini, audio e video. Questa architettura multimodale nativa consente al modello di comprendere in modo profondo flussi di dati eterogenei, sebbene le sue risposte attuali siano limitate alla generazione di testo strutturato, codice software e artefatti di formattazione.
Un elemento particolarmente interessante emerso durante l'addestramento riguarda l'ottimizzazione del ragionamento. Durante le fasi finali, la catena di pensieri interna (chain of thought) del modello ha subito un processo naturale di condensazione: Inkling ha iniziato a eliminare i sovraccarichi grammaticali inutili per giungere alla soluzione in modo più rapido ed efficiente, pur mantenendo intatta la coerenza semantica e logica del risultato finale. Inoltre, il modello introduce una funzione di regolazione dello sforzo di pensiero ("thinking effort"), che permette agli sviluppatori di calibrare la velocità di esecuzione a seconda della complessità del problema da risolvere.
La scommessa sull'open-weight e la fine del "one-size-fits-all"
La vera novità strategica di Inkling risiede tuttavia nella sua licenza. Al contrario delle API proprietarie e chiuse distribuite da OpenAI o Anthropic, Thinking Machines ha optato per un rilascio di tipo open-weight. Chiunque, dai singoli ricercatori alle grandi aziende, può scaricare i pesi del modello e ospitarlo sulla propria infrastruttura privata per personalizzarlo liberamente.
Come analizzato da Wired, questa decisione sposa una visione decentralizzata dell'intelligenza artificiale, in forte contrasto con l'approccio centralizzato e commerciale promosso dai leader attuali del mercato. Thinking Machines punta a dimostrare che l'IA non deve essere controllata da un ristretto oligopolio, bensì adattata capillarmente alle specifiche esigenze industriali di ciascuna organizzazione.
In termini di performance, sebbene la startup ammetta apertamente che Inkling non sia ancora il modello più potente in assoluto su ogni singolo benchmark commerciale, i primi test mostrano un'efficienza notevole. Ad esempio, per raggiungere lo stesso livello di accuratezza nella programmazione software, Inkling consuma appena un terzo dei token rispetto a soluzioni concorrenti open-weight come il recente Nemotron 3 Ultra di Nvidia, garantendo al contempo risposte estremamente calibrate che segnalano esplicitamente l'eventuale incertezza logica anziché generare allucinazioni.
Il punto di Mocchi's
Per noi di Mocchi's, il rilascio di Inkling segna un passaggio cruciale per le aziende italiane che desiderano integrare l'intelligenza artificiale senza cedere il controllo dei propri dati. L'adozione di un modello open-weight da quasi mille miliardi di parametri offre alle realtà locali un'opportunità straordinaria per sviluppare agenti software e copiloti specializzati su server proprietari o cloud europei conformi al GDPR. Questa flessibilità permette di superare la rigidità e i costi d'uso delle API d'oltreoceano, abilitando una personalizzazione profonda del codice e della logica di business. Riteniamo che la vera sovranità tecnologica per il nostro tessuto imprenditoriale passi proprio dalla capacità di orchestrare e ottimizzare questi giganti open-source su casi d'uso verticali e controllati.