2026年版 Inklingの代替8選

なぜ人々はInklingの先を見ているのか

まずはInklingに公平でありたい。乗り換えの理由は、Inklingの本当に優れている点を理解して初めて意味を持つからだ。

Inklingは珍しい存在だ。大規模で信頼性があり、完全にオープンウェイトなモデルで、ネイティブな音声入力と100万トークンのコンテキストを備え、Apache 2.0ライセンスのもと、発売初日からHugging Face上に重みが公開されている。この最後の点は重要だ。最も近いライバルであるKimi K3は当初APIのみでの提供となり、重みは保留されていたからだ。Inklingを求める理由が「モデルを所有し自分で実行したい、音声を入力するかもしれない」というものなら、それに応えてくれる。詳しい内容はInkling解説記事と実機レビューを参照してほしい。

つまり他を探す理由は、Inklingが良いモデルかどうかとは実はあまり関係がない。適合性とコストの問題なのだ。

オープンウェイトとしては高価。 これが最大の特異点だ。Thinking Machines自身のAPI上で、Artificial AnalysisによればInklingは価格面で97モデル中81位、100万トークンあたり入力1.87ドル/出力4.68ドルだ。同規模モデルのクラス平均はおよそ0.43ドル/1.25ドルに近い。さらに悪いことに、現在APIプロバイダーは1社(Thinking Machines自身)のみで、より安価なサードパーティのホスティングによる値下げ圧力もない。

実行できる中で最も賢いモデルではない。 InklingはArtificial AnalysisのIntelligence Indexで41点を記録している。悪くはないが、GLM-5.2(51点)、Kimi K3(57点)、そしてあらゆるクローズドなフロンティアモデルがこれを上回る。より多くのモデルを含むコミュニティのトラッカーでは、Inklingは全体で41位前後とされており、これがローンチスレッドでの「『競争力がある』というのは公平か」という論争の元になった。

尖った特性を持つ。 評価表を正直に読めば、Inklingは科学的推論と長文脈での推論に強い一方、純粋な知識の信頼性(AA-Omniscience指数はわずか2)と物理学(CritPt 5%)には弱いことがわかる。均整の取れた万能型ではなく、尖った特性を持つモデルだ。

自前ホスティングはデータセンター級の仕事。 「オープン」が「無料」を意味するのは、実際にそれを動かせる場合だけだ。フルのBF16重みには約2TBのVRAMが必要で、NVFP4量子化版でも約600GBを要する。より安価なオープンモデルは、はるかに軽量に提供できる。

ローンチスレッドは同じ緊張関係を捉えており、そこにあった最も有用なコメントは、以下のどのスコアも鵜呑みにする前にモニターに貼っておく価値がある:

"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."

embedding-shape, Hacker News

知性と価格を軸にプロットすると、この分野の勢力図は以下のようになる。

選定方法

私自身がこれらのAPIを使って開発しているため、この記事はマーケティング資料ではなく、執筆した週に確認した各ベンダー自身の価格ページやドキュメントの内容に基づいている。以下の価格はすべて100万トークンあたりで、モデル開発元自身のページ、または全モデルを同じ基準で評価するArtificial Analysisから引用している。ライセンス、価格、コンテキストウィンドウが一次情報で確認できなかった場合は、推測せずその旨を明記した。ランキングには私見が入っているが、数字自体は誰でも確認できる。これらのモデルの変化を追い続けたい場合は、LLMトラッキングツールのまとめ記事も参考にしてほしい。

Inklingの最良の代替モデル一覧

2つの点が目立つ。第一に、Inklingはオープンモデルとしては価格帯で高い位置にあり、低くはない。第二に、価格で下回るモデルの大半はオープンウェイトのモデルだ。つまり「オープンであること」がInklingに惹かれた理由なら、オープンな代替モデルの多くは価格でも上回る。

ここからは、実際に検討する順に8つを見ていく。

1. GLM-5.2

最適な用途: 今すぐダウンロードして実行できる、オープンウェイトのコーディングとエージェント。

これはInklingの最大の課題に一度に最も直接的に応える代替モデルだ。より賢く、より安く、オープンである。Zhipu AI(Z.aiブランドとして展開)のGLM-5.2は、約7530億パラメータの専門家混合(MoE)モデルで、その完全な重みはMITライセンスのもとHugging Face上に公開されており、無料でダウンロード、ファインチューニング、自前ホスティング、商用利用が可能だ。

数字の上では、重要な2つの点でInklingを上回る。Artificial Analysisの指数で51点を記録し、世界第1位のオープンウェイトモデルとなっている。Inklingの41点に対してだ。さらに安価で、Z.aiのドキュメントによれば100万あたり入力1.40ドル/出力4.40ドル、コンテキストも同じ1Mだ。Zhipuはコードとエージェント向けにチューニングしており、SWE-bench Proで62.1を記録、これはオープンなコーディングモデルの中でも最も強力な部類に入り、自分のハードウェアでAIエージェントを構築する自然な土台となる。

評価: 「オープンウェイトで今すぐ利用でき、コードに強く、Inklingより安い」がチェックリストなら、GLM-5.2はすべての点で勝る。オープンであることを理由にInklingを求めていた人への、私の一番のおすすめだ。

2. DeepSeek V4 Flash

最適な用途: フロンティア級の推論を可能な限り最安のコストで。

Inklingを離れる理由がコストなら、ここで探すのをやめていい。DeepSeekのV4シリーズは、このリストの中で圧倒的に最も安価な実用モデルだ。DeepSeek V4 FlashはDeepSeekの価格によれば100万トークンあたり入力0.14ドル/出力0.28ドルで、キャッシュヒット時の入力レートは0.25セント近くまで下がる。2840億パラメータ(アクティブ130億)のMoEで、100万トークンのコンテキストを持ち、思考モードもデフォルトで有効なので、価格のために推論力を犠牲にしているわけではない。

Inklingと比べてみると、出力で0.28ドル対4.68ドルはおよそ17倍の差だ。入力の大半がキャッシュされる高ボリュームのワークロードでは、DeepSeekはコスト面でまったく異なる次元にある。2026年4月に公開されたMITライセンスの重みもHugging Face上にあり、Inklingが売りにする自前ホスティングのストーリーはここでも実現できる。しかもホスティングコストはごくわずかだ。まさにこうした理由から、AIコーディングツールのまとめ記事の多くで高く評価されている。

評価: 標準的な低予算の選択肢。支出を減らすためにInklingから乗り換えるのであれば、そして品質チャートの最上位を絶対に必要としないのであれば、DeepSeek V4 Flashが最初に試すべきモデルだ。

3. Kimi K3

最適な用途: 費用を払う覚悟があるなら、エージェント作業におけるオープンなフロンティアの天井。

MoonshotのKimi K3は、このリストのほぼすべてを上回るスコアを持つモデルだ。3兆パラメータ級に到達した初のオープンモデルであり、Artificial Analysisの指数では57点、全体でトップ4に入る成績で、Inklingの41点を大きく引き離している。生の性能を求めつつ、いずれオープンになるモデルを望むなら、K3が天井となる。詳細はKimi K3解説記事を参照してほしい。

Inklingと比べて注意点が2つある。まず、K3はより高価であり、安くはない。最大3ドル/15ドルとClaude Sonnet並みの価格で、低予算向けの選択肢ではない。次に、重みの公開が遅れた。Moonshotは2026年7月27日までに完全なオープン公開を約束していたが、Inklingの重みはローンチ時点ですでにダウンロード可能だった。つまり「今すぐ」自前ホストすることが決め手なら、スコアではK3が勝っていても、実は可用性ではInklingがK3に勝る。

評価: オープン層での最高の知性を求め、価格や待ち時間を気にしないならK3を選ぼう。安くてオープンなものとしてInklingを望んでいたなら、K3は逆方向だ。賢くていずれオープンになるものを望んでいたなら、K3はそのアップグレードにあたる。

4. MiniMax M3

最適な用途: 長時間の実行にも耐える、最も安価でネイティブにマルチモーダルなオープンモデル。

MiniMax M3は価値とオープン性の絶妙なバランス点であり、Inklingのマルチモーダルという売りに真っ向から応える。100万トークンのコンテキストを持つオープンウェイトモデルで、ネイティブにマルチモーダルであり、Inklingのほんの一部のコストで済む。価格ページによる従量課金では0.60ドル/2.40ドルで、常設の50%割引を適用すると0.30ドル/1.20ドル近くまで下がる。

MiniMaxが重視するのは、長時間のエージェント動作における安定性だ。ローンチデモでは、モデルが約12時間自律的に稼働し、18件のコミットを生成しながら学術論文を再現してみせた。これはフロンティアモデルが狙う「数日にわたるエージェント実行」と同じ領域であり、それをわずかなコストで実現している。Inklingのマルチモーダルの売りはネイティブな音声入力だが、MiniMaxはより幅広いマルチモーダル対応を、はるかに安いコストで提供する。

評価: オープンウェイトかつマルチモーダルかつ低コストを求めるなら最良の選択肢。Inklingの魅力が「オープンでマルチモーダル」だったなら、M3はそれをごくわずかなコストで実現する。

5. Qwen3.7-Max

最適な用途: Alibabaのエージェント向けチューニングを求め、オープンウェイトを必要としないチーム。

Qwen3.7-MaxはAlibabaのフラッグシップモデルで、低予算の選択肢というよりは性能と価格の面でInklingに近い立ち位置にある。Qwen Cloudの価格ページによれば100万あたり入力2.50ドル/出力7.50ドル(期間限定の50%割引あり)、コンテキストは1M、プログラミングやオフィス業務、長時間の自律実行といったエージェント中心の作業向けに直接チューニングされている。Artificial Analysisの指数では46点で、Inklingを一段上回る。

オープンウェイトを求める人にとっての注意点は、MaxティアがクローズドかつAPI限定であることだ。Qwen3ファミリーの小型モデルはオープンウェイトだが、Inklingと比較されるフラッグシップモデルは自前ホストできない。したがってQwen3.7-Maxは「Inklingのようにオープン」な代替としてではなく、性能とエージェント志向におけるInklingの代替として捉えるのが最も適切だ。より広いファミリーを検討するなら、Qwenの代替やQwenの価格についてのガイドがより深く掘り下げている。

評価: Alibabaのエージェント向けチューニングを気に入り、約2.50ドル/7.50ドルの価格帯で問題なければ、堅実な選択肢だ。オープンウェイトであることがInklingを検討する唯一の理由だったなら、選ぶべきではない。

6. Claude(Fable 5とOpus 4.8)

最適な用途: 費用よりも正確さを優先する、エージェント作業とコーディング作業における信頼性の天井。

AnthropicのClaudeは、正確さがコストに勝る場面で頼るべき存在だ。Claude Fable 5はArtificial Analysisの指数で60点を記録し、ここに挙げたモデルの中で最高スコアを誇る。さらに数日にわたる自律実行向けにチューニングされており、Opus 4.8はそのすぐ下に位置する。これはInklingのような、尖った特性と不安定な知識を持つモデルには届かない、正確さの側の極みだ。

その天井の代償は支払う必要がある。Anthropicの価格ページによれば、Fable 5は100万あたり入力10ドル/出力50ドル、Opus 4.8は5ドル/25ドルで、いずれもInklingを大きく上回る。Claudeは完全にクローズドなため、自前ホスティングも、所有できる重みも存在しない。これはInklingを離れる際に諦めることになる、まさにそのトレードオフだ。詳細な比較を知りたければ、ChatGPT対Claudeの比較記事とClaudeの代替のまとめが役立つ。

評価: 品質を最優先する選択肢。誤った回答のコストが追加料金を上回る場合、また重みの所有がそもそも重要でない場合はClaudeを選ぼう。

7. GPT-5.6 Sol

最適な用途: 最も充実したエコシステムと、最も幅広いサードパーティツール。

OpenAIのGPT-5.6 Solは万能型のモデルだ。Artificial Analysisの指数で50点台後半のスコアを記録するフロンティア級の推論・コーディングモデルであり、Inklingに対する本当の優位性はベンチマークの数字ではなくエコシステムにある。ここに挙げたモデルの中で最も幅広いSDK、統合機能、サードパーティツールを備えている。すでにOpenAIを中心としたスタックを使っているなら、Solが最も摩擦の少ない移行先だ。

OpenAIのドキュメントによれば、標準ティアの価格は100万あたり入力5ドル/出力30ドル、緊急性のない作業向けのバッチティアは2.50ドル/15ドルだ。これはInklingを上回る価格であり、Solはクローズドだ(OpenAIのオープンウェイトモデルであるgpt-ossは別系統)。もし最終候補がそれらであるなら、ChatGPT対GeminiやChatGPT対Mistralのガイドも参考になる。

評価: 節約のためではなく、統合の幅と成熟したプラットフォームのためにSolを選ぼう。エコシステムがボトルネックになっているなら、Inklingに対する割高分を払う価値がある。

8. Gemini 3.5 Pro

最適な用途: 最長のコンテキストと最も豊かなマルチモーダル入力。

GoogleのGemini 3.5 Proは、Inklingの音声機能と長いコンテキストに惹かれていたのであれば、そのどちらもさらに強力に実現してくれる選択肢だ。Inklingの1Mの2倍にあたる200万トークンのコンテキストを備え、テキスト、画像、音声、さらに動画を1回のネイティブな呼び出しで受け付けられる。これはInklingの音声のみのマルチモーダル対応をさらに一歩進めたものだ。2026年6月下旬に、Deep Think推論モードとともに一般提供が開始された。

正直な注意点が一つある。この記事を執筆している時点で、Googleは3.5 Proの最終的なトークン価格をまだ公表しておらず、出回っている数字は事実ではなく推定として扱ってほしい。プレミアムティアになると予想される。予算が限られており今すぐGoogleの選択肢が欲しいなら、すでに提供されているGemini 3.1 ProはGoogleの価格によれば2ドル/12ドルだ。Geminiはクローズドであり(Googleのオープンなファミリーは別系統のGemma)、ClaudeやGPTと同様、Inklingの所有できるという物語を、性能と引き換えに手放すことになる。

評価: ワークロードがマルチモーダルであるか、コンテキストを多く必要とする場合の最良の選択肢。Inklingに音声を読ませ、長いウィンドウを維持させることだけが目的だったなら、クローズドモデルであることを受け入れさえすれば、Geminiがどちらもより良くこなしてくれる。

どの代替があなたに本当に合うのか?

価格とスコアは意思決定の半分にすぎない。残りの半分は、あなたが何を最適化したいかだ。これはワンクリックで出発点を示してくれる。

モデルはあくまでエンジンにすぎない

ここからは私が最も気にかけている部分だ。私は生計としてAIエージェントを開発している。こうした比較記事を読み、その月のチャートで首位のモデルを選び、それを組み込んで、カスタマーサービスのキューが自然に解決されると期待したくなる気持ちはわかる。だが実際にはそうはいかない。そしてこのギャップこそが、多くのAIサポートプロジェクトが静かに頓挫する原因だ。

Inklingであれこのリストの他のどのモデルであれ、生のモデルが与えてくれるのは推論力だけだ。それが与えてくれないのは、あなたの返金ポリシー、あなたの製品のエッジケース、そしてチケット#4021がすでに2回問い合わせているVIPであるという事実についての知識だ。過去のチケットの記憶もなければ、自信満々に答えをでっち上げることへの歯止めもなく、実際の作業が行われるヘルプデスクとの連携もない。ベンチマークスコアが高くなったところで、これらの問題は何一つ解決されない。

私は何年もの間、実運用のサポートキューにAIを導入する仕事をしてきた。そこで身についた教訓は、自信ありげに聞こえるモデルが誤った回答をすることは、何も答えないことよりも悪い、というものだ。だからこそeesel AIは、何かを本番稼働させる前に過去のチケット履歴に対するシミュレーションを実行する。そうすることで、顧客が実際に被害を受ける前に、実在する過去の会話に対する解決率と正確な回答内容をまず自分の目で確認できる。回答が確信度によってルーティングされるのもそのためだ。AIエージェントが確信を持てない場合は、推測するのではなく人間向けに下書きを作るかエスカレーションする。これがルールベースのAIチャットボットと本物のサポート自動化との違いだ。

この記事全体を通じてひそかに良いニュースなのは、うまく作られたカスタマーサービス向けAIがモデルを交換可能なエンジンとして扱っている限り、フロンティアが安く、優れたものになっていくこと(今日のInkling、来月勝つGLMなど何であれ)が、配線をやり直すことなく自動的に恩恵として得られる追い風になるという点だ。

eesel AIを試す

ここまで読んだのが、ただチャットするだけでなく実際にチケットを解決するAIモデルを求めてのことなら、それこそがeesel AIの存在意義そのものだ。Zendesk、Freshdesk、Slackをはじめ100以上のツールと連携し、あなたのヘルプセンターや過去のチケットから学習し、数週間ではなく数分で下書き作成や解決を始められる。

その差別化要因は、段階的に信頼を築くための仕組みにある。実際のチケット履歴でシミュレーションを行い、数値を確認し、下書きモードで開始し、満足できて初めて完全自律モードに移行する。私のカスタマーストーリーに登場するチームがティア1のボリュームを任せることに納得できたのはこのおかげだ。その一つであるGridwiseは、最初の1か月でティア1リクエストの73%を解決した。あなたはフロンティアモデルの知性を、サポート向けに構築されたガードレールで包んだ形で手に入れられ、登録した週にたまたま勝っていたモデルに縛られ続けることもない。価格は利用量ベースで、解決済みチケット1件あたりおよそ0.40ドル、席数課金は一切ない。eeselを試してみよう。無料でクレジットカードも不要だ。