Thinking Machines, startup założony przez byłą CTO OpenAI, pokazał w środę Inkling, swój pierwszy w pełni wytrenowany model językowy. Firma nie kryje, że architektura pochodzi wprost od chińskiego DeepSeeka, a część danych treningowych wygenerował inny chiński model.
Kluczowe fakty:
- Thinking Machines, założone przez byłą CTO OpenAI Mirę Murati, zebrało 2 miliardy dolarów finansowania przy wycenie 12 miliardów dolarów jeszcze przed publicznym pokazaniem jakiegokolwiek produktu.
- Inkling to model mixture-of-experts z 975 miliardami parametrów, trenowany na 45 bilionach tokenów tekstu, obrazu, dźwięku i wideo, z oknem kontekstowym sięgającym miliona tokenów – jego wagi są w pełni otwarte i dostępne na Hugging Face.
- Firma otwarcie przyznaje, że architektura Inklinga opiera się w dużej mierze na chińskim modelu DeepSeek-V3 oraz że część danych treningowych wygenerował inny chiński model, a sam Inkling nie jest obecnie najmocniejszym dostępnym modelem.
Mira Murati odeszła z OpenAI we wrześniu 2024 roku i już kilka miesięcy później założyła własne laboratorium. Zebrała przy tym rekordową jak na start rundę finansowania: dwa miliardy dolarów przy wycenie dwunastu miliardów, zanim jeszcze pokazała cokolwiek publicznie. Wśród inwestorów znaleźli się Nvidia, AMD, Cisco, Andreessen Horowitz i Jane Street. Współzałożycielami są John Schulman, jeden z twórców ChatGPT, oraz Lilian Weng, była wiceprezeska OpenAI odpowiedzialna za bezpieczeństwo modeli.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Co pokazała Thinking Machines
Inkling to model mixture-of-experts z 975 miliardami parametrów, z czego przy typowym zapytaniu aktywnych jest jedynie około 41 miliardów. Trenowano go na 45 bilionach tokenów tekstu, obrazu, dźwięku i wideo, z kontekstem sięgającym miliona tokenów. Model przetwarza wiele modalności naraz, ale odpowiada wyłącznie tekstem, w tym kodem i danymi strukturalnymi.
Wagi są w pełni otwarte i dostępne na Hugging Face. Firma udostępniła też model do dostrajania w swoim narzędziu Tinker, na którym już wcześniej zarabiała, sprzedając je klientom takim jak fundusz Bridgewater Associates.
Sama Thinking Machines nie owija w bawełnę: Inkling nie jest najsilniejszym dostępnym dziś modelem, ani wśród otwartych, ani wśród zamkniętych rozwiązań. To rzadkie w branży przyznanie się do słabszej pozycji już przy debiucie.
Architektura rodem z Chin
To jest właśnie sedno sprawy i powód, dla którego premiera wywołała dyskusję wykraczającą poza zwykłą recenzję benchmarków. Firma sama opisała w dokumentacji technicznej, że projekt warstw MoE w dużej mierze opiera się na architekturze DeepSeek-V3, chińskiego modelu, który jeszcze w 2025 roku wstrząsnął rynkiem swoją efektywnością. Każda warstwa MoE w Inklingu ma 256 routowanych ekspertów i 2 eksperty współdzielone, z 6 aktywnymi na token.
Do tego dochodzi drugi element. Wstępne dostrajanie modelu, etap SFT poprzedzający właściwe uczenie ze wzmocnieniem, oparto na danych syntetycznych wygenerowanych przez otwarte modele, w tym Kimi K2.5 od chińskiego Moonshot AI. Dopiero na tym fundamencie przeprowadzono ponad 30 milionów rund uczenia ze wzmocnieniem.
Dla porównania, jeden z komentatorów zwrócił uwagę na X, że Inkling jest w praktyce jedynym otwartym modelem tej klasy, który nie powstał metodą destylacji z OpenAI lub Anthropic. Post można zobaczyć tutaj:
people are underestimating what a big deal this is
this is the ONLY open-weight model that's trained without distilling from OpenAI or Anthropic
• Kimi distills
• GLM distills
• Qwen distills
• Nemotron distills (Kimi & DeepSeek, which counts)basically a fully different… https://t.co/lHRYEsPO0Z
— Jack Morris (@jxmnop) July 15, 2026
Mimo zapożyczeń architektonicznych Inkling wypada słabiej niż czołowe chińskie modele otwarte. W testach takich jak Humanity’s Last Exam, Terminal Bench 2.1 i SWE-Bench Verified przegrywa z GLM 5.2 od Z.ai i Kimi K2.6 od Moonshot AI. Thinking Machines kładzie za to nacisk na efektywność tokenową: w Terminal Bench 2.1 model ma osiągać wynik porównywalny z Nemotron 3 Ultra przy mniej więcej jednej trzeciej zużytych tokenów, dzięki funkcji kontrolowanego wysiłku obliczeniowego.
Ten przypadek pokazuje coś więcej niż tylko techniczną ciekawostkę. Amerykańska firma zbudowana przez ludzi, którzy stworzyli ChatGPT, otwarcie przyznaje, że jej flagowy model wyrósł na chińskiej architekturze i chińskich danych syntetycznych. Przez ostatni rok Waszyngton nazywał podobne praktyki ze strony chińskich laboratoriów kradzieżą własności intelektualnej. Tu mamy odwrotny kierunek i nikt nie używa tego słowa. Rozumiem logikę biznesową: rynek otwartych modeli zachodnich jest cienki, odkąd Meta wycofała się z otwartego rozwoju Llamy, a firmy takie jak Airbnb czy Cursor już przesiadły się na tanie chińskie modele mimo politycznego ryzyka. Inkling wypełnia realną lukę. Ale sam fakt, że najlepiej finansowany zachodni startup AI musiał sięgnąć po chiński plan budowy, żeby w ogóle wystartować, mówi więcej o kondycji zachodniego ekosystemu open source niż jakikolwiek komunikat prasowy.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Polityczny kontekst nie jest przypadkowy
Premiera Inklinga wpisuje się w moment, w którym Waszyngton coraz mocniej naciska na firmy korzystające z chińskich modeli. Departament Stanu ostrzegał w tym miesiącu przed ryzykiem związanym z chińskimi rozwiązaniami, komisje Izby Reprezentantów prowadzą dochodzenia wobec Airbnb i Cursora w związku z wykorzystaniem chińskiej AI, a przygotowywane są zakazy zamówień publicznych obejmujące te modele.
Jednocześnie amerykańskie firmy masowo migrują do tańszych chińskich alternatyw. Flo Crivello, CEO startupu Lindy, przeniósł cały ruch swojej firmy z Claude na DeepSeek i mówił wprost w rozmowie z CNBC, że to kwestia przetrwania biznesu. Podobne rozterki mają Coinbase, który ograniczył wydatki na AI niemal o połowę po przejściu na GLM i Kimi, oraz Cursor, który zbudował swój model Composer na bazie Kimi.
Otwarty rynek modeli jest dziś zdominowany przez Chiny w sposób, którego skalę trudno przecenić. Wiosną 2026 roku chińskie modele open source odpowiadały za 41 procent wszystkich pobrań na Hugging Face, wyprzedzając modele amerykańskie. Na platformie OpenRouter sześć najpopularniejszych modeli pochodzi od chińskich firm: Tencent, Xiaomi, DeepSeek, MiniMax i Z.ai. Do tego dochodzi presja cenowa ze strony zamkniętych laboratoriów: zarówno Anthropic, jak i OpenAI zwolniły tempo obniżek cen tokenów, mimo że wcześniej firmy takie jak Lindy budowały swoje modele biznesowe w oparciu o założenie ciągłego taniejącego dostępu do AI.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm
Dla polskich zespołów budujących produkty na dużych modelach językowych ta historia ma bardzo konkretny wymiar. Wybór dostawcy modelu przestał być czysto techniczną decyzją i coraz częściej wiąże się z ryzykiem geopolitycznym, którego nie da się zignorować przy planowaniu budżetu.
Kilka rzeczy wartych obserwacji z perspektywy polskiego rynku:
- Firmy korzystające z tanich chińskich modeli open source (Qwen, DeepSeek, GLM, Kimi) powinny śledzić zapowiadane przez Pekin ograniczenia w dostępie zagranicznym do przyszłych generacji tych modeli. Na razie to wciąż dyskusje, nie decyzje, ale kierunek jest jasny.
- Amerykańskie naciski regulacyjne (przesłuchania kongresowe, zakazy zamówień publicznych) mogą w praktyce dotknąć też europejskich klientów firm, które używają chińskich modeli w swoich produktach.
- Inkling, jako otwarty model zbudowany na Zachodzie bez zależności od chińskich licencji, może stać się realną alternatywą dla polskich startupów, które chcą uniknąć obu rodzajów ryzyka politycznego naraz, kosztem nieco słabszej wydajności względem najlepszych modeli chińskich.
- Dla firm liczących koszty tokenów kluczowa będzie funkcja kontrolowanego wysiłku obliczeniowego w Inklingu, która pozwala świadomie wymieniać jakość odpowiedzi na koszt zapytania.
Ten sam mechanizm, który sprawił, że amerykańskie firmy masowo sięgają po chińskie modele, działa równie mocno w Polsce. Koszt i elastyczność liczą się często bardziej niż miejsce pochodzenia kodu.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz oficjalnego wpisu technicznego Thinking Machines Lab z dnia 15.07.2026, komentarza Forbes oraz doniesień Axios, Bloomberg, CNBC, MarkTechPost i SiliconANGLE. Kontekst polityczny dotyczący ograniczeń w dostępie do chińskich modeli oparto dodatkowo na relacji Rzeczpospolitej. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się niezależnych testów wydajności Inklinga oraz rozwoju sytuacji regulacyjnej wokół chińskich modeli AI.
