Thinking Machines bringt offenes KI-Grundmodell Inkling für Unternehmenseinsatz

Thinking Machines hat am 15. Juli 2026 mit Inkling sein erstes großes KI-Grundmodell mit offenen Gewichten veröffentlicht. Das Modell richtet sich an Entwickler und Unternehmen, die ein leistungsfähiges Sprachmodell lokal betreiben, an eigene Daten anpassen und kommerziell nutzen wollen. Für europäische Anwender ist das vor allem relevant, weil damit eine Alternative zu proprietären US-Cloud-Angeboten und zu offenen Modellen chinesischer Anbieter entsteht.

Inkling ist nach Unternehmensangaben ein Mixture-of-Experts-Transformer mit insgesamt rund 975 Mrd. Parametern, von denen pro Rechenschritt etwa 41 Mrd. aktiv sind. Das Kontextfenster reicht laut den veröffentlichten technischen Angaben bis zu 1 Mio. Tokens. Das Modell ist nativ für Text, Bild und Audio ausgelegt; trainiert wurde es auf Text, Bildern, Audio und Video. Die Gewichte stehen unter der Lizenz Apache 2.0 zum Download bereit und sind damit auch kommerziell nutzbar. Verfügbar sind sie unter anderem über Hugging Face und die hauseigene Plattform Tinker.

Thinking Machines stellt Inkling nicht als führendes Modell über alle Disziplinen hinweg dar. Der Schwerpunkt liege auf Anpassbarkeit und Kosteneffizienz für Unternehmen, die interne Wissensbestände in eigene Anwendungen einbinden wollen. Damit setzt das Startup auf ein anderes Wertversprechen als Anbieter geschlossener Modelle, die den Zugang vor allem über Programmierschnittstellen aus der Cloud verkaufen.

Bei den von Thinking Machines und BenchLM veröffentlichten Vergleichstests erzielte Inkling unter anderem 97,1 Prozent bei AIME 2026, 87,9 Prozent bei GPQA Diamond und 77,6 Prozent bei SWE-bench Verified. Reuters ordnete das Modell so ein: „Das Modell mit dem Namen Inkling ist ein Open-Weight-Modell. Das bedeutet, dass Nutzer die zugrunde liegenden Systeme herunterladen, ausführen und anpassen können – anders als bei proprietären, quellgeschlossenen Modellen.“ Reuters verwies zudem darauf, dass andere Spitzenmodelle insgesamt weiter vorne lägen, Inkling aber besonders bei agentenbezogenen Aufgaben konkurrenzfähige Werte erreiche.

Für DACH-Unternehmen dürfte dieser offene Ansatz von Bedeutung sein. Offene Gewichte erlauben es, Modelle im eigenen Rechenzentrum oder in europäischen Cloud-Umgebungen zu betreiben. Das kann Fragen der Datenhoheit, der internen Kontrolle und der Einbindung sensibler Unternehmensdaten erleichtern. Mit Blick auf den EU AI Act, der ab 2. August 2026 vollständig gelten soll, gewinnt diese Architektur an Gewicht. Inkling ist allerdings kein vollständig offengelegtes System: Veröffentlicht sind die Modellgewichte, nicht das gesamte Trainings- und Datenpaket.

Im Wettbewerb trifft Inkling auf ein dicht besetztes Feld. Im offenen Segment gelten chinesische Modelle wie DeepSeek und GLM als starke Referenzen. In Europa hat sich Mistral als wichtige Alternative etabliert. Reuters bezeichnete Inkling als eine der wenigen Alternativen zu populären offenen Angeboten chinesischer KI-Labore. Für europäische Unternehmen könnte das geopolitisch und regulatorisch relevant sein.

Thinking Machines ist ein privates US-Startup mit Sitz in San Francisco, gegründet im Februar 2025 von der früheren OpenAI-Technikchefin Mira Murati. Berichte über einen Sitz in München sind durch die vorliegenden Quellen nicht belegt. Das Unternehmen hatte zuletzt nach übereinstimmenden Medienberichten rund 2 Mrd. US-Dollar eingesammelt, bei einer Bewertung von etwa 10 bis 12 Mrd. US-Dollar. Zu den genannten Investoren zählen Andreessen Horowitz sowie Nvidia, AMD, Cisco und Jane Street.

Für Anleger ist Thinking Machines damit vorerst kein direkt investierbarer Titel. Relevanz entsteht eher über die zweite Reihe: über Halbleiter- und Infrastrukturanbieter, die vom Training und Betrieb großer offener Modelle profitieren, sowie über europäische Cloud- und Integrationsanbieter, wenn Unternehmen solche Modelle lokal einführen. Zugleich erhöht Inkling den Wettbewerbsdruck im schnell wachsenden Markt für Unternehmens-KI und Fine-Tuning-Plattformen.