Análise do Inkling: o modelo aberto da Thinking Machines vale a pena?

O Inkling vale a pena para você? (Teste de 30 segundos)

Antes de mergulhar de vez, escolha o que mais importa para você e obtenha uma resposta direta. É a mesma decisão que eu tomaria em um projeto real.

O que o Inkling realmente é

Um contexto rápido antes da análise propriamente dita. O Inkling é o primeiro modelo público da Thinking Machines Lab, e o laboratório é surpreendentemente franco ao dizer que não está atrás do ranking. A proposta é uma base aberta ampla e equilibrada que você ajusta com fine-tuning para seu próprio uso na plataforma Tinker do laboratório. É um ponto de partida que você molda, não um chatbot ao qual você assina.

As especificações que importam, de acordo com o model card:

• Arquitetura: um transformer Mixture-of-Experts, 975B no total com 41B ativos por token (6 de 256 especialistas roteados, mais 2 compartilhados). É assim que um modelo de quase um trilhão de parâmetros consegue funcionar em uma velocidade sensata.
• Entradas: texto, imagens e áudio (WAV a 16 kHz, melhor com menos de ~20 minutos). A saída é somente texto.
• Janela de contexto: até 1M de tokens.
• Licença: Apache 2.0, então o uso comercial é permitido, e os pesos estão no Hugging Face.
• Lançamento: 15 de julho de 2026.

O áudio é o destaque. Como descreveu o comentário mais votado na discussão de lançamento called it, este é o "largest open weight model that supports audio" - o que importa no momento em que você quer que um modelo ouça uma ligação de suporte em vez de ler uma transcrição dela.

Os benchmarks: inteligente, com arestas afiadas

É aqui que se separa o discurso do fornecedor da leitura independente. As próprias tabelas da Thinking Machines mostram números lisonjeiros no esforço máximo, mas o sinal mais limpo vem da Artificial Analysis, que avalia todo mundo do mesmo jeito.

O veredito deles: o Inkling pontua 41 no AA Intelligence Index, posição 10 de 97, bem acima da média de ~25 para modelos abertos desse tamanho. Então é um modelo inteligente. Mas fica abaixo dos líderes de ponta e cai em um agrupamento com concorrentes como o DeepSeek V4 Flash. Rastreadores mais amplos da comunidade o colocam mais perto da posição 41, de onde veio o debate sobre se é justo chamá-lo de "competitivo".

Lendo isso com honestidade, o Inkling ganha uma personalidade real: forte em raciocínio científico e de contexto longo, visivelmente fraco em física e em confiabilidade de conhecimento bruto (seu índice de confiabilidade AA-Omniscience é um modesto 2 em uma escala de −100 a 100). Arestas afiadas, não um modelo parelho em tudo.

Por baixo dos placares também existe uma afirmação de eficiência genuinamente útil. O Inkling expõe um controle de esforço de raciocínio (de none a max na integração com o Hugging Face), e o laboratório diz que ele atinge o mesmo placar de Terminal-Bench que o Nemotron 3 Ultra gastando cerca de um terço dos tokens. Para quem paga por token ou aluga uma GPU, "mesma resposta, menos tokens" vale mais do que uma vitória fracionária em benchmark.

A discussão de lançamento capturou o mesmo retrato misto que eu vi:

"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."

juliangoetze, Hacker News

O preço: a única crítica real

Esta é a parte que mais me surpreendeu nesta análise. O Inkling tem pesos abertos, e mesmo assim, na própria API da Thinking Machines, ele tem o preço de um modelo proprietário de ponta. Segundo a Artificial Analysis, ele fica na posição 81 de 97 em preço, entre os mais caros da categoria.

Duas coisas se destacam. Primeiro, atualmente existe um único provedor de API, a própria Thinking Machines, então nenhum host terceirizado mais barato ainda está cobrando menos. Segundo, "pesos abertos" só torna o modelo gratuito se você estiver disposto a rodá-lo, o que é uma decisão real, não uma nota de rodapé. Então o veredito sobre o preço é simples: alugar o Inkling é difícil de justificar; possuí-lo pode ser uma pechincha.

Rodar você mesmo: o verdadeiro diferencial

Como os pesos são abertos, a comunidade já tinha o Inkling rodando localmente no primeiro dia. O blog de lançamento do Hugging Face descreve três níveis: o checkpoint completo em BF16 exige cerca de 2 TB de VRAM (território de data center), a quantização NVFP4 reduz isso para aproximadamente 600 GB em hardware Blackwell, e as builds GGUF de 1 bit da comunidade cortam isso em ~95%, o suficiente para uma workstation robusta.

O suporte de ferramentas também chegou rápido: integração desde o dia zero em transformers 5.14, SGLang, vLLM e llama.cpp/Unsloth, além de camadas de rascunho de decodificação especulativa para uma aceleração sem perdas. Essa história de "rodar você mesmo" é o verdadeiro motivo para se importar. O trade-off é controle contra conveniência: você possui os pesos, seus dados nunca saem da sua infraestrutura, e ninguém pode descontinuar o modelo debaixo dos seus pés, mas agora você é responsável pelas GPUs.

Para times que querem esse controle sem precisar cuidar de um cluster, o Inkling apareceu no Databricks desde o dia zero, acessível pelo Unity AI Gateway com governança embutida e sem preços por token.

Prós e contras

Aqui está o balanço desta análise, sem rodeios.

O que o Inkling acerta

• Genuinamente aberto — pesos sob Apache 2.0, uso comercial, autohospedável até uma build de 1 bit.
• Entrada nativa de áudio — o maior modelo de pesos abertos que ouve, não só lê.
• Contexto de 1M de tokens — empata com o nível mais alto em extensão.
• Raciocínio eficiente em tokens — o controle de esforço traz economias reais, não só uma frase de marketing.
• Forte raciocínio científico + de contexto longo — 87% no GPQA Diamond, 63% no AA-LCR.

Onde ele decepciona

• Caro para alugar — posição 81 de 97 em preço de API, um lugar estranho para pesos abertos.
• Não é vencedor do ranking — fica abaixo dos líderes de ponta, no meio do pelotão entre os modelos abertos.
• Confiabilidade de conhecimento fraca — índice AA-Omniscience de 2, além de um fraco 5% em raciocínio de física.
• Apenas um provedor de API — ainda sem concorrência de terceiros em preço.
• Hardware sério para autohospedar — modelo "gratuito", ~2 TB de VRAM para a build completa.

O que a comunidade realmente pensa

A discussão de lançamento no Hacker News (1.214 pontos, ~292 comentários) é a leitura mais clara sobre a recepção. O clima foi entusiasmado mas comedido, e a empolgação tinha menos a ver com os placares e mais com quem lançou o modelo:

"Not to mention - it is American. This is the first competitive non-Chinese open weights model since what, Llama 3?"

paxys, Hacker News

Esse enquadramento recebeu contestações (as pessoas citaram Mistral, o North da Cohere, o Gemma), mas o sentimento de fundo de que "uma opção ocidental confiável de pesos abertos já estava atrasada" percorreu toda a discussão. Também houve um saudável "como uma empresa que dá seu modelo de graça sobrevive?", cuja resposta caiu no Tinker, o negócio hospedado de fine-tuning. Mas a linha mais útil para quem faz sua própria análise foi o lembrete de que nenhum benchmark público é o teste de verdade:

"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

Guarde esse instinto, porque é exatamente ele que importa no momento em que você aponta um modelo para sua fila de suporte.

O que um modelo da classe do Inkling significa para o suporte

É aqui que passei os últimos anos, então vou ser direto. Eu construo a camada de agente que fica em cima de modelos como o Inkling, e a coisa que aprendi observando implantações reais é esta: um modelo base melhor raramente muda o que realmente chega a uma fila de suporte.

Um modelo puro, por mais inteligente que seja, não conhece sua política de reembolso, não consegue ver os últimos 40.000 tickets que seu time já resolveu, e não faz ideia de quando deveria ficar quieto e passar para um humano. Aponte-o direto para os clientes e ele vai responder com confiança e de forma errada, o que é pior do que não responder. Esse modo de falha é exatamente o motivo pelo qual as alucinações de IA no suporte queimam os times, e por isso o modelo é sempre só o motor.

O carro é a camada ao redor disso. É isso que a eesel é: ela aprende com seus tickets resolvidos e documentos de ajuda (não só uma página de marketing), encaminha por confiança para que respostas de baixa certeza virem rascunho em vez de serem enviadas, e, a parte que mais me importa, permite que você simule o agente contra seus próprios tickets passados antes que um único cliente o veja. Essa simulação é o conselho de "teste no seu próprio benchmark" do Hacker News, transformado em uma etapa do produto.

Isso também significa que você não aposta sua stack de suporte em um único modelo. O melhor modelo muda a cada poucas semanas (hoje o Inkling, no mês que vem outra coisa), então a eesel continua agnóstica em relação ao modelo e aproveita o que for mais forte a cada momento, enquanto a parte que importa para o cliente - o conhecimento, as barreiras de segurança, a triagem de tickets - permanece constante.

Veredito

O Inkling é um modelo de pesos abertos genuinamente bom, com uma peculiaridade de preço que você precisa planejar. Se você quer possuir os pesos, precisa de áudio ou contexto longo e consegue bancar o hardware, é um dos lançamentos abertos mais interessantes de 2026 e vale muito a pena baixar. Se você só quer a API capaz mais barata, ou o maior placar de benchmark, ele não é a escolha certa, e você não deveria forçar isso.

E se o seu objetivo real é responder tickets de suporte, lembre-se do que esta análise não para de repetir: um model card não é um agente de suporte. O motor é só metade do trabalho.

Experimente a eesel

O Inkling é um lançamento divertido, mas um model card não é um agente de suporte. Se seu objetivo real é automatizar o suporte de nível 1, o que você precisa é da camada que transforma qualquer modelo forte (aberto ou fechado) em um colega de equipe: a eesel se conecta ao seu helpdesk atual (Zendesk, Freshdesk, Gorgias, HubSpot, Front e mais de 100 outros), aprende com seu histórico e permite que você simule em tickets passados reais antes de entrar no ar, para que você veja cobertura e precisão primeiro, não depois que um cliente pegar uma resposta ruim. A Gridwise usou exatamente essa abordagem para resolver 73% das solicitações de nível 1 no primeiro mês.

O preço é baseado em uso, em torno de US$ 0,40 por ticket resolvido, sem taxas por assento, e você pode começar de graça. É a diferença entre admirar um ótimo motor e realmente dirigir para algum lugar.