Lohnt sich Inkling für dich? (30-Sekunden-Check)
Bevor es ins Detail geht: Wähle, was dir am wichtigsten ist, und bekomme eine klare Antwort. Genau diese Entscheidung würde ich auch bei einem echten Projekt treffen.
Was Inkling wirklich ist
Kurz zur Einordnung, bevor der eigentliche Test beginnt. Inkling ist das erste öffentliche Modell von Thinking Machines Lab, und das Lab ist angenehm offen damit, dass es nicht hinter dem Leaderboard her ist. Der Pitch ist eine breite, ausgewogene offene Basis, die du auf der Tinker-Plattform des Labs für deinen eigenen Einsatz fein abstimmst. Es ist ein Ausgangspunkt, den du formst, kein Chatbot, den du abonnierst.
Die Specs, auf die es ankommt, aus dem Model Card:
- Architektur: ein Mixture-of-Experts-Transformer, 975 Milliarden Parameter insgesamt mit 41 Milliarden aktiv pro Token (6 von 256 Experten werden geroutet, plus 2 gemeinsam genutzte). So lässt sich ein Modell mit fast einer Billion Parametern noch in vernünftiger Geschwindigkeit bedienen.
- Eingaben: Text, Bilder und Audio (16 kHz WAV, am besten unter ca. 20 Minuten). Die Ausgabe ist nur Text.
- Kontextfenster: bis zu 1 Million Tokens.
- Lizenz: Apache 2.0, kommerzielle Nutzung ist also kein Problem, und die Gewichte gibt es auf Hugging Face.
- Veröffentlicht: 15. Juli 2026.
Audio ist das Highlight. Wie es der meistbewertete Kommentar im Launch-Thread formulierte, ist es das "largest open weight model that supports audio" - wichtig genau in dem Moment, in dem ein Modell einen Support-Anruf hören soll, statt nur ein Transkript davon zu lesen.
Die Benchmarks: klug, mit scharfen Kanten
Hier trennt sich der Pitch des Anbieters von der unabhängigen Einschätzung. Die eigenen Tabellen von Thinking Machines zeigen schmeichelhafte Zahlen bei maximalem Aufwand, aber das sauberere Signal liefert Artificial Analysis, das alle nach demselben Maßstab testet.
Ihr Urteil: Inkling erreicht 41 Punkte im AA Intelligence Index, Platz 10 von 97, deutlich über dem Durchschnitt von etwa 25 für offene Modelle dieser Größe. Es ist also ein kluges Modell. Aber es liegt unter den Spitzenmodellen und landet in einem Cluster mit Modellen wie DeepSeek V4 Flash. Breiter angelegte Community-Tracker sehen es eher bei Platz 41, woher auch die Debatte "ist 'wettbewerbsfähig' fair?" kam.
| Evaluation (Artificial Analysis) | Inkling | Was getestet wird |
|---|---|---|
| GPQA Diamond | 87% | Wissenschaftliches Schlussfolgern |
| AA-LCR | 63% | Schlussfolgern über langen Kontext |
| Terminal-Bench v2.1 | 55% | Agentisches Coding + Terminal-Nutzung |
| SciCode | 46% | Programmierung |
| AA-Omniscience (accuracy) | 40% | Wissen |
| GDPval-AA v2 | 37% | Reale Arbeitsaufgaben |
| Humanity's Last Exam | 30% | Schlussfolgern + Wissen |
| CritPt | 5% | Physikalisches Schlussfolgern |
Ehrlich gelesen bekommt Inkling einen echten Charakter: stark bei wissenschaftlichem und Langkontext-Schlussfolgern, spürbar schwach bei Physik und roher Wissenszuverlässigkeit (sein AA-Omniscience-Zuverlässigkeitsindex liegt bei mageren 2 auf einer Skala von −100 bis 100). Klare Kanten, kein glattes Allround-Modell.
Unter den Zahlen steckt außerdem eine wirklich nützliche Effizienz-Aussage. Inkling bietet einen steuerbaren Denkaufwand-Regler (none bis max in der Hugging-Face-Integration), und laut Lab erreicht es den gleichen Terminal-Bench-Score wie Nemotron 3 Ultra bei nur etwa einem Drittel der Tokens. Für alle, die pro Token zahlen oder eine GPU mieten, schlägt "gleiche Antwort, weniger Tokens" einen Bruchteils-Vorsprung im Benchmark.
Der Launch-Thread zeichnete das gleiche gemischte Bild, das auch ich sehe:
"I just looked at the benchmarks and was kinda disappointed that it seems to be between KimiK2.6 and KimiK2.7 on most of the benchmarks."
Der Preis: der eine echte Kritikpunkt
Das ist der Teil, der mich in diesem Test am meisten überrascht hat. Inkling hat offene Gewichte, und trotzdem ist es über die eigene API von Thinking Machines wie ein proprietäres Spitzenmodell bepreist. Laut Artificial Analysis landet es beim Preis auf Platz 81 von 97 - eines der teuersten in seiner Klasse.
| Zugangsweg | Was du zahlst | Anmerkungen |
|---|---|---|
| Thinking Machines API — Eingabe | 1,87 $ / 1 Mio. Tokens | Klassendurchschnitt ~0,43 $; teuer |
| Thinking Machines API — Ausgabe | 4,68 $ / 1 Mio. Tokens | Klassendurchschnitt ~1,25 $ |
| Mischpreis | ~1,10 $ / 1 Mio. Tokens | Bei einem Mix von 7:2:1 Cache:Eingabe:Ausgabe |
| Cache lesen/schreiben | 0,374 $ / 1 Mio. Tokens | Cache-Treffer ist −80 % gegenüber Eingabe |
| Gewichte selbst hosten | 0 $ für das Modell | Apache 2.0; du zahlst für die Hardware |
| Tinker-Fine-Tuning | Kostenpflichtiger Dienst | Das eigentliche Geschäftsmodell des Labs |
Zwei Dinge fallen auf. Erstens gibt es derzeit nur einen API-Anbieter, Thinking Machines selbst, sodass noch kein günstigerer Drittanbieter unterbietet. Zweitens macht "offene Gewichte" es nur dann kostenlos, wenn du bereit bist, es selbst zu betreiben - eine echte Entscheidung, keine Fußnote. Das Preisurteil ist also einfach: Inkling zu mieten ist schwer zu rechtfertigen, es zu besitzen kann ein Schnäppchen sein.
Es selbst betreiben: das eigentliche Verkaufsargument
Weil die Gewichte offen sind, hatte die Community Inkling schon am ersten Tag lokal am Laufen. Der Hugging-Face-Launch-Blog beschreibt drei Stufen: Der vollständige BF16-Checkpoint braucht rund 2 TB VRAM (Rechenzentrums-Territorium), die NVFP4-Quantisierung senkt das auf etwa 600 GB auf Blackwell-Hardware, und Community-1-Bit-GGUF-Builds kappen es um ~95 %, genug für eine kräftige Workstation.
Auch die Tooling-Unterstützung kam schnell: Integration ab Tag null in transformers 5.14, SGLang, vLLM und llama.cpp/Unsloth, dazu Speculative-Decoding-Drafter-Schichten für einen verlustfreien Geschwindigkeitsschub. Diese "run it yourself"-Geschichte ist der eigentliche Grund, sich dafür zu interessieren. Der Trade-off ist Kontrolle gegen Komfort: Du besitzt die Gewichte, deine Daten verlassen nie deine Infrastruktur, und niemand kann dir das Modell unter den Füßen wegziehen - aber jetzt stehst du für die GPUs gerade.
Für Teams, die diese Kontrolle wollen, ohne einen Cluster zu bemuttern, war Inkling schon am ersten Tag auf Databricks verfügbar, erreichbar über das Unity AI Gateway mit eingebauter Governance und ohne Pro-Token-Preise.
Vor- und Nachteile
Hier ist die Bilanz aus diesem Test, ohne Wenn und Aber.
Was Inkling richtig macht
- Wirklich offen — Apache-2.0-Gewichte, kommerzielle Nutzung, selbst hostbar bis hinunter zu einem 1-Bit-Build.
- Native Audio-Eingabe — das größte offene Modell, das zuhört, nicht nur liest.
- 1-Millionen-Token-Kontext — auf Augenhöhe mit der Spitzengruppe bei der Länge.
- Token-effizientes Schlussfolgern — der Aufwand-Regler bringt echte Einsparungen, keine reine Marketing-Aussage.
- Starkes wissenschaftliches + Langkontext-Schlussfolgern — 87% GPQA Diamond, 63% AA-LCR.
Wo es schwächelt
- Teuer zu mieten — Platz 81 von 97 beim API-Preis, ein seltsamer Platz für offene Gewichte.
- Kein Leaderboard-Gewinner — liegt unter den Spitzenmodellen, Mittelfeld unter offenen Modellen.
- Schwache Wissenszuverlässigkeit — AA-Omniscience-Index von 2, dazu schwache 5% bei physikalischem Schlussfolgern.
- Nur ein API-Anbieter — noch keine Konkurrenz von Drittanbietern beim Preis.
- Ernsthafte Hardware-Anforderungen zum Selbsthosten — "kostenloses" Modell, ~2 TB VRAM für den vollständigen Build.
Was die Community wirklich denkt
Der Launch-Thread auf Hacker News (1.214 Punkte, ~292 Kommentare) gibt das klarste Bild der Aufnahme. Die Stimmung war enthusiastisch, aber verhalten, und die Begeisterung drehte sich weniger um Scores als darum, wer das Modell veröffentlicht hat:
"Not to mention - it is American. This is the first competitive non-Chinese open weights model since what, Llama 3?"
Dieses Framing bekam Gegenwind (Leute nannten Mistral, Coheres North, Gemma), aber das zugrunde liegende Gefühl "eine glaubwürdige westliche Option mit offenen Gewichten war überfällig" zog sich durch den ganzen Thread. Es gab auch ein gesundes "wie überlebt eine Firma, die ihr Modell verschenkt?", wobei die Antwort bei Tinker landete, dem gehosteten Fine-Tuning-Geschäft. Der nützlichste Satz für alle, die ihren eigenen Test machen, war aber die Erinnerung daran, dass kein öffentlicher Benchmark der echte Test ist:
"want to know how good a model is? Run it with your own non-public benchmark, basically the only way to get proper answers you can somewhat rely on, everything else is manipulated, misunderstood or over-relied on."
Behalte diesen Instinkt im Hinterkopf, denn genau der zählt in dem Moment, in dem du ein Modell auf deine Support-Warteschlange loslässt.
Was ein Modell der Inkling-Klasse für den Support bedeutet
Hier habe ich die letzten Jahre verbracht, also lass mich direkt sein. Ich baue die Agenten-Schicht, die auf Modellen wie Inkling sitzt, und das Wichtigste, was ich beim Beobachten echter Rollouts gelernt habe, ist: Ein besseres Basismodell ändert selten, was tatsächlich in einer Support-Warteschlange landet.
Ein rohes Modell, so klug es auch ist, kennt deine Rückerstattungsrichtlinie nicht, sieht die letzten 40.000 Tickets nicht, die dein Team bereits gelöst hat, und weiß nicht, wann es besser schweigen und an einen Menschen übergeben sollte. Setzt du es direkt vor Kunden, wird es selbstbewusst und falsch antworten - schlimmer, als gar nicht zu antworten. Genau dieser Fehlermodus ist der Grund, warum KI-Halluzinationen im Support Teams verbrennen, und warum das Modell immer nur der Motor ist.
Das Auto ist die Schicht darum herum. Das ist eesel: Es lernt aus deinen gelösten Tickets und Hilfe-Dokumenten (nicht nur einer Marketing-Seite), leitet nach Konfidenz weiter, sodass unsichere Antworten als Entwurf gespeichert statt verschickt werden, und - der Teil, der mir am wichtigsten ist - lässt dich den Agenten simulieren an deinen eigenen vergangenen Tickets, bevor auch nur ein Kunde ihn sieht. Diese Simulation ist der Rat "teste es an deinem eigenen Benchmark" von Hacker News, umgesetzt als Produktschritt.
Das bedeutet auch, dass du deinen Support-Stack nicht auf ein einziges Modell verwettest. Das beste Modell wechselt alle paar Wochen (heute Inkling, nächsten Monat etwas anderes), also bleibt eesel modellunabhängig und nutzt jeweils das stärkste, während der Teil, der für Kunden zählt - das Wissen, die Leitplanken, die Ticket-Triage - bestehen bleibt.
Fazit
Inkling ist ein wirklich gutes offenes Modell mit einer Preis-Eigenheit, die man einplanen muss. Wenn du die Gewichte besitzen willst, Audio oder langen Kontext brauchst und die Hardware stemmen kannst, ist es eine der interessantesten offenen Veröffentlichungen 2026 und definitiv einen Download wert. Willst du nur die günstigste leistungsfähige API oder den höchsten einzelnen Benchmark-Wert, ist es nicht die richtige Wahl - und das solltest du nicht erzwingen.
Und wenn dein eigentliches Ziel ist, Support-Tickets zu beantworten, denk an das, worauf dieser Test immer wieder zurückkommt: Ein Model Card ist kein Support-Agent. Der Motor ist nur die halbe Miete.
eesel ausprobieren
Inkling ist eine spannende Veröffentlichung, aber ein Model Card ist kein Support-Agent. Wenn dein eigentliches Ziel ist, Tier-1-Support zu automatisieren, brauchst du die Schicht, die jedes starke Modell (offen oder geschlossen) in einen Teamkollegen verwandelt: eesel klinkt sich in dein bestehendes Helpdesk ein (Zendesk, Freshdesk, Gorgias, HubSpot, Front und 100+ weitere), lernt aus deiner Historie und lässt dich an echten vergangenen Tickets simulieren, bevor du live gehst - sodass du zuerst Abdeckung und Genauigkeit siehst, nicht erst, nachdem ein Kunde eine schlechte Antwort erwischt. Gridwise hat genau mit diesem Ansatz in ihrem ersten Monat 73% der Tier-1-Anfragen gelöst.
Die Preisgestaltung ist nutzungsbasiert bei rund 0,40 $ pro gelöstem Ticket, ohne Gebühren pro Sitzplatz, und du kannst kostenlos starten. Das ist der Unterschied zwischen einem großartigen Motor bewundern und tatsächlich damit irgendwohin fahren.
Häufig gestellte Fragen
Lohnt sich Inkling?
Ist Inkling im Vergleich zu Kimi und GLM gut?
Was kostet Inkling?
Ist Inkling kostenlos und Open Source?
Kann ich Inkling für den Kundensupport nutzen?
Wer stellt Inkling her und was ist Tinker?
Wie schneidet Inkling in Benchmarks ab?
Article by
Kurnia Kharisma Agung Samiadjie
Kurnia is a software engineer and writer at eesel AI with two years of SEO experience, writing about AI tools, helpdesk software, and customer support. He pairs a developer's understanding of how these products are built with search-driven research into what actually ranks and resonates with the people searching for them.
