Thinking Machines Lab resmi memperkenalkan model open-weight pertamanya yang diberi nama Inkling. Langkah ini mempertegas arah perusahaan besutan mantan CTO OpenAI, Mira Murati, yang ingin menantang pendekatan AI serbaguna dengan menawarkan model yang lebih mudah disesuaikan untuk kebutuhan organisasi.
Berdasarkan laporan TechCrunch yang terbit pada 15 Juli 2026, Inkling diposisikan bukan hanya sebagai model AI umum, melainkan sebagai fondasi yang dapat diadaptasi perusahaan sesuai proses kerja, data internal, dan kebutuhan domain mereka masing-masing. Pendekatan seperti ini menarik karena pasar enterprise semakin mencari AI yang efisien, dapat dikendalikan, dan tidak sepenuhnya bergantung pada model tertutup dari vendor besar.
Inkling Dirancang untuk Fleksibilitas dan Efisiensi
Thinking Machines menyebut Inkling sebagai model mixture-of-experts dengan total 975 miliar parameter. Namun untuk setiap tugas, model ini hanya mengaktifkan sekitar 41 miliar parameter. Arsitektur seperti ini umum dipakai untuk menjaga efisiensi komputasi sekaligus mempertahankan kapasitas model yang sangat besar.
Perusahaan juga menyatakan bahwa Inkling dilatih menggunakan 45 triliun token yang mencakup teks, gambar, audio, dan video. Untuk tahap sekarang, keluarannya masih difokuskan pada teks, termasuk pembuatan kode, structured data, dan artefak dengan format yang rapi. Bagi perusahaan, kombinasi antara efisiensi dan fleksibilitas ini menjadi nilai penting karena implementasi AI di lingkungan bisnis sering kali menuntut biaya operasional yang terukur.
Menantang Konsep AI Satu Ukuran untuk Semua
Salah satu pesan utama dari peluncuran Inkling adalah keyakinan bahwa AI yang bisa dibentuk sesuai kebutuhan organisasi akan lebih relevan daripada model yang sama untuk semua pengguna. Thinking Machines menilai bahwa pengetahuan domain, prioritas bisnis, dan alur kerja tiap organisasi terlalu berbeda untuk dilayani oleh pendekatan seragam.
Di sinilah posisi Inkling menjadi menarik. Alih-alih menonjolkan diri sebagai model paling kuat di pasar, Thinking Machines justru menekankan kegunaan praktisnya sebagai titik awal yang bisa di-fine-tune. Dengan strategi ini, perusahaan membedakan diri dari pemain seperti OpenAI, Anthropic, dan Google yang selama ini lebih dikenal lewat model general-purpose mereka.
Fokus pada Jawaban yang Lebih Terkalibrasi
Menurut materi peluncurannya, Inkling dirancang untuk memberikan jawaban yang lebih terkalibrasi, termasuk kemampuan menandai ketidakpastian alih-alih menebak secara berlebihan. Pengguna juga bisa mengatur tingkat effort penalaran, sehingga ada ruang untuk menyeimbangkan kecepatan respons dan kedalaman pemrosesan.
Thinking Machines juga mengklaim bahwa pada salah satu benchmark, Inkling bisa mencapai performa coding yang setara dengan penggunaan token yang jauh lebih hemat dibanding model open-weight besar lain. Walau klaim seperti ini tetap perlu dibaca secara kritis karena berasal dari perusahaan sendiri, pesan yang ingin ditegaskan cukup jelas: efisiensi biaya akan menjadi faktor besar dalam persaingan AI enterprise.
Bukan yang Paling Kuat, tetapi Bisa Lebih Relevan
Menariknya, Thinking Machines secara terbuka menyatakan bahwa Inkling bukan model terkuat yang tersedia saat ini, baik di kategori open maupun closed model. Sikap ini justru menunjukkan strategi yang cukup berbeda dari perlombaan umum di industri AI, yang sering berfokus pada ukuran, benchmark tertinggi, atau kemampuan paling spektakuler.
Bagi banyak perusahaan, model yang paling berguna belum tentu model yang paling besar. Yang dibutuhkan justru model yang dapat diintegrasikan ke proses internal, dijalankan lebih efisien, dan tetap memberi ruang bagi organisasi untuk mempertahankan pengetahuan domain mereka sendiri. Dari sudut pandang itu, Inkling bisa menjadi alternatif yang lebih realistis untuk kebutuhan implementasi jangka panjang.
Peluang dan Tantangan untuk Pasar Enterprise
Meski menjanjikan, pendekatan open-weight juga membawa tantangan tersendiri. Karena pelanggan diberi keleluasaan melakukan kustomisasi, tanggung jawab terhadap keamanan, kualitas fine-tuning, dan hasil akhir menjadi lebih besar di pihak pengguna. Artinya, tidak semua organisasi akan siap memaksimalkan model seperti Inkling tanpa dukungan talenta machine learning yang memadai.
Namun jika Thinking Machines berhasil membangun ekosistem layanan, tooling, dan hosting di sekitar produknya, perusahaan ini berpeluang mengambil posisi unik di pasar. Mereka tidak harus menang sebagai penyedia chatbot universal, tetapi bisa unggul sebagai mitra bagi perusahaan yang ingin membangun sistem AI yang lebih spesifik, efisien, dan sesuai konteks bisnisnya sendiri.
Kesimpulan
Kehadiran Inkling memperlihatkan bahwa persaingan AI kini tidak lagi hanya soal siapa yang memiliki model terbesar, tetapi juga siapa yang menawarkan pendekatan paling relevan untuk penggunaan nyata. Dengan strategi open-weight dan fokus pada kustomisasi, Thinking Machines mencoba membuka jalur berbeda bagi organisasi yang ingin lepas dari pola AI satu ukuran untuk semua.
Jika eksekusinya konsisten, Inkling berpotensi menjadi sinyal penting bahwa masa depan AI enterprise tidak hanya akan ditentukan oleh model tertutup paling populer, tetapi juga oleh model yang dapat dibentuk secara lebih fleksibel oleh pengguna yang memakainya.
