सॅन फ्रान्सिस्को येथील स्टार्टअप Thinking Machines ने Inkling नावाचा नवीन AI मॉडेल सादर केला आहे. हा एक ओपन-वेट मॉडेल असून, कंपन्यांना क्लोज्ड-सोर्स पर्यायांना एक लवचिक आणि स्वस्त पर्याय देण्याचा कंपनीचा मानस आहे.
सॅन फ्रान्सिस्कोस्थित आर्टिफिशियल इंटेलिजन्स (AI) स्टार्टअप Thinking Machines ने नुकताच आपला नवीन AI मॉडेल, Inkling, सादर केला आहे. माजी OpenAI CTO मीरा मुराती यांच्या नेतृत्वाखालील या कंपनीने Inkling ला 'ओपन-वेट' मॉडेल म्हणून श्रेणीबद्ध केले आहे. याचा अर्थ असा की, वापरकर्ते हा मॉडेल डाउनलोड करू शकतात, त्यात बदल करू शकतात आणि स्वतःच्या पायाभूत सुविधांवर (infrastructure) तैनात (deploy) करू शकतात. हा दृष्टिकोन OpenAI, Anthropic आणि Google सारख्या कंपन्यांच्या क्लोज्ड-सोर्स मॉडेल्सपेक्षा पूर्णपणे वेगळा आहे, जिथे मूळ आर्किटेक्चर प्रतिबंधित असते.
मॉडेलचा आकार आणि स्पर्धात्मक स्थान
Inkling मध्ये तब्बल 975 अब्ज पॅरामीटर्स आहेत, ज्यामुळे हा आज उपलब्ध असलेल्या सर्वात मोठ्या ओपन-वेट मॉडेल्सपैकी एक बनतो. Thinking Machines चा उद्देश हा मॉडेल विविध ऍप्लिकेशन्ससाठी एक बहुमुखी पाया (versatile foundation) म्हणून काम करेल असा आहे. हा मॉडेल मागील ऑक्टोबरमध्ये Thinking Machines ने सुरु केलेल्या Tinker प्लॅटफॉर्मच्या पायाभूत सुविधांवर तयार करण्यात आला आहे, जो विशेषतः AI मॉडेल्स तयार करण्यासाठी आणि कस्टमाइझ करण्यासाठी डिझाइन केला आहे. डेव्हलपर्स आता Tinker आणि इतर वितरण प्लॅटफॉर्मद्वारे Inkling वापरू शकतात.
बाजारातील संदर्भ आणि मागणीचा कल
गुंतवणूकदार आणि व्यवसायांसाठी, ही लाँच महत्त्वपूर्ण आहे कारण ती ओपन-मॉडल स्पेसमध्ये पाश्चात्त्य पर्यायांच्या कथित कमतरतेवर लक्ष केंद्रित करते. Meta सारख्या कंपन्यांनी त्यांच्या Llama 4 सीरिजसाठी अधिक प्रोप्रायटरी मॉडेल्सकडे वळल्यामुळे, अनेक संस्थांना आवश्यक असलेले कस्टमायझेशन मिळविण्यासाठी Alibaba च्या Qwen सारख्या चिनी मॉडेल्सवर अवलंबून राहावे लागले आहे.
मोठ्या संस्थांनी या लवचिक उपायांना प्राधान्य दिले आहे. उदाहरणार्थ, Bridgewater Associates ने पूर्वी Qwen मॉडेलची एक विशेष आवृत्ती तयार करण्यासाठी Tinker प्लॅटफॉर्म वापरल्याची नोंद केली आहे. या कस्टमाइझ्ड दृष्टिकोनमुळे त्यांना स्टँडर्ड प्रोप्रायटरी उपायांपेक्षा कमी खर्चात उच्च-कार्यक्षमतेचे परिणाम साधता आले. Inkling ऑफर करून, Thinking Machines अशा बाजाराला लक्ष्य करत आहे जे मानक 'ऑफ-द-शेल्फ' प्रोप्रायटरी मॉडेल्सऐवजी लवचिकता आणि कमी पायाभूत सुविधा खर्चांना प्राधान्य देतात.
कार्यक्षमता आणि भविष्यातील निरीक्षणे
Thinking Machines ने शेअर केलेल्या बेंचमार्क डेटानुसार, Inkling उत्तम कामगिरी करतो, विशेषतः एजंट-आधारित कार्यांमध्ये (agent-based tasks) - जिथे AI मॉडेल्स वापरकर्त्यांसाठी मल्टी-स्टेप प्रक्रिया स्वायत्तपणे करण्यासाठी वापरले जातात. कंपनीच्या अंतर्गत चाचण्यांनुसार Inkling सध्याच्या आघाडीच्या मॉडेल्सशी स्पर्धात्मक आहे, परंतु गुंतवणूकदारांनी लक्षात घ्यावे की हा मॉडेल सध्या उपलब्ध असलेल्या प्रत्येक टॉप-टियर क्लोज्ड-सोर्स मॉडेलला मागे टाकेलच असे नाही.
Thinking Machines साठी खरी परीक्षा एंटरप्राइझ ग्राहकांकडून मिळणारा स्वीकार (adoption rate) आणि प्रतिस्पर्धी त्यांचे प्रोप्रायटरी ऑफरिंग अपडेट करत असताना कार्यक्षमतेतील आघाडी टिकवून ठेवण्याची क्षमता असेल. गुंतवणूकदार आणि उद्योग विश्लेषक यावर लक्ष ठेवतील की Thinking Machines कॉर्पोरेट वापरकर्त्यांना स्थापित प्रदात्यांकडून किती प्रभावीपणे दूर खेचू शकते, तसेच मोठ्या टेक कंपन्यांच्या प्रचंड भांडवल-केंद्रित प्रशिक्षण बजेटच्या तुलनेत उच्च-कार्यक्षमतेचे ओपन-वेट मॉडेल राखण्याची दीर्घकालीन व्यवहार्यता किती आहे.