Mira Murati’nin Thinking Machines Lab’ı, kuruluşundan bu yana en çok beklenen ürününü nihayet çıkardı: Inkling. 975 milyar toplam parametre, 41 milyar aktif MoE mimarisi. Metin, görsel ve ses girişi destekleyen multimodal bir model. 1M token bağlam penceresi. Apache 2.0 lisansı altında tam ağırlıklarıyla Hugging Face’te ve Tinker platformu üzerinden fine-tune edilebilir olarak yayınlandı.
Rakamlar, ABD’nin açık ağırlıklı modelleri cephesinde radikal bir sıçrama:
- AIME 2026 (matematik): %97.1 — ABD açık ağırlıklı liderlik.
- Agentic workloads: Yine ABD açık ağırlıklı en yüksek performans.
- 45 trilyon multimodal token üzerinde sıfırdan eğitildi.
- Day-0 destek: Together AI, Fireworks AI, Databricks, Hugging Face, vLLM, SGLang.
Bu, Meta’nın Llama serisini bıraktığı, OpenAI’ın açık ağırlıktan uzak durduğu bir dönemde ABD açık ağırlıklı AI cephesinde en anlamlı hamle. Thinking Machines, kuruluşundan itibaren ~$3 milyar toplarken “bu para nereye harcanıyor?” sorusuna nihayet cevap verdi.
Inkling nedir? Rakamların anatomi
Inkling, hibrit bir mimariye sahip Mixture-of-Experts (MoE) modeli. Detaylı yapı:
- Toplam parametre: 975 milyar.
- Aktif parametre: 41 milyar (her forward pass’te).
- Aktif oran: %4.2 — DeepSeek-V3’e benzer, agresif sparse aktivasyon.
- Modaliteler: Metin, görsel, ses girişi. Metin ve görsel çıkışı.
- Context window: 1 milyon token.
- Eğitim veri: 45 trilyon multimodal token.
Kıyaslama için mevcut açık ağırlıklı liderler:
| Model | Toplam | Aktif | Context | Modaliteler |
|---|---|---|---|---|
| Inkling | 975B | 41B | 1M | Text+Image+Audio |
| DeepSeek-V3.2 | 671B | 37B | 128K | Text |
| Kimi K2.5 | 1T | 32B | 256K | Text |
| Qwen 3.6 Max | 800B+ | ~50B | 256K | Text+Image |
| Llama 4 Behemoth | ~2T (kapalı) | 288B | 10M | Text+Image |
Inkling, boyut-aktif oran-context-modalite dörtlüsünde eşi görülmemiş bir pozisyonda: DeepSeek/Kimi ile karşılaştırılabilir efficiency (düşük aktif oran), Qwen-tarzı multimodal, ve 1M token context.
Yeni mimari: relative attention, short convolutions, expert sinks
Inkling’in duyurusunda üç dikkat çekici mimari yenilik var:
1. Relative attention. Klasik dikkat mekanizması pozisyon bilgisini RoPE (rotary positional embedding) veya benzer schemas ile enjekte eder. Relative attention, iki token arasındaki relatif mesafeyi doğrudan attention hesabında kullanır. Uzun bağlamlarda daha iyi genelleştirme sağlar. Google Research 2018’deki Music Transformer’dan beri denenmiş, ama frontier modellerde nadiren uygulandı. Inkling, 1M token context’i muhtemelen bu sayede efektif tutuyor.
2. Short convolutions. Transformer katmanlarında self-attention ile birlikte kısa evrişimli katmanlar. Bu, lokal örüntüleri (n-gram tarzı bağıntılar) yakalamada attention’dan daha verimli. Mamba benzeri state-space modellerin popülaritesi ile birlikte hibrit mimariler (attention + convolution veya attention + SSM) gündemde — Inkling bu çizgide.
3. MoE expert sinks. Bu daha az bilinen bir teknik. MoE routing’te bazı token’ların hiçbir uzmana gitmeden global bir “sink”e (havuz) atanması. Attention sinks’e benziyor (StreamingLLM makalesinde önerilen). Amaç: routing kararsız kalan token’lar için “garbage collection” noktası oluşturmak. Böylece uzmanlar arası dengesizlik azalır, MoE eğitimi daha stabil olur.
Bu üç yenilik, John Schulman (co-founder), Barret Zoph, Bob McGrew gibi eski OpenAI/DeepMind isimlerinin katkısı olduğu düşünülüyor. Thinking Machines, mimari inovasyona yatırım yapan bir lab olduğunu ilan etmiş oldu.
Benchmark: %97.1 AIME 2026
AIME (American Invitational Mathematics Examination), matematik yeteneği ölçmede frontier model benchmark’ı. 2026 AIME’de %97.1 puan, mevcut açık ağırlıklı modellerin üzerinde:
- Inkling: %97.1
- DeepSeek-V3.2: %92.4
- Kimi K2.5: %94.8
- Qwen 3.6 Max: %93.2
- GPT-5.6 (kapalı): %98.6
- Claude Opus 4.6 (kapalı): %98.1
- Gemini 3 Ultra (kapalı): %98.9
Inkling, kapalı frontier modellerinden 1-2 puan geride ama açık ağırlıklı segmentte lider. Bu, Meta’nın Llama 4 Behemoth’u açmama kararının ardından ABD açık AI’ında bir liderlik boşluğunu dolduruyor.
Agentic workloads (SWE-bench, WebArena, τ-bench) tarafında da benzer liderlik iddiası var; kesin rakamlar Thinking Machines’in teknik raporu yayınlandığında netleşecek.
Apache 2.0 + Hugging Face + Tinker: dağıtım stratejisi
Inkling’in dağıtım modeli, açık ağırlıklı ekosistem için önemli bir referans oluşturuyor:
1. Apache 2.0 lisansı. Ticari kullanım tamamen serbest, patent koruması dahil. Llama serisinin “700M kullanıcı üstünde ayrı lisans” kısıtlaması yok. Bu, kurumsal benimseme için kritik.
2. Hugging Face’te tam ağırlık. Herhangi bir kimlik doğrulama olmadan indirilebilir. 975B model, muhtemelen 2 TB civarı disk gerektiriyor (FP16). Quantized versiyonları hızla topluluk tarafından üretilecek.
3. Tinker platformunda fine-tuning. Tinker, Thinking Machines’in kendi fine-tuning platformu. Kullanıcılar, kendi verileriyle Inkling’i fine-tune edebilir. Bu, hem gelir modeli hem de topluluk beslenmesi.
4. Day-0 partner desteği. Together AI, Fireworks AI, Databricks, Hugging Face Inference, vLLM, SGLang. Bu, Inkling’in ilk günden production-ready olması demek. Bir startup, gün ilk saatinde API üzerinden inference’a başlayabilir.
Bu dağıtım agresifliği, DeepSeek’in modelini şaşırtıcı derecede yakından takip ediyor. Amerikan lab’ı, Çinli lab’lardan açıklık yarışında geri düşmüyor.
Thinking Machines Lab: Mira Murati’nin cevabı
Kısa hatırlatma: Mira Murati, OpenAI’ın eski CTO’su. Kasım 2023 Sam Altman fırtınası sırasında geçici CEO olarak kritik rol oynadı. Ekim 2024’te OpenAI’dan ayrıldı; 2025 başında Thinking Machines Lab’ı kurdu.
Lab’a ilk 6 ayda $2 milyar seed round, ardından $1 milyar seri A geldi — toplam ~$3 milyar. Andrew Ng, John Schulman, Barret Zoph, Andrej Karpathy’nin ilgi çekişi (Karpathy sonuçta katılmadı ama danışman kalabalığında) lab’ın çekim gücünü gösteriyordu.
Ama 18 ay boyunca ürün yoktu. “Bu para nereye harcanıyor?” sorusu Silikon Vadisi’nde standart bir espri haline geldi. Şubat 2026’da Tinker (fine-tuning platform) çıktı; bu bir başlangıçtı ama flagship model beklentisi devam etti.
Inkling, o cevap. Lab’ın stratejisi netleşiyor:
- Açık ağırlıklı flagship model: Inkling — ABD açık AI’ının bayrağı.
- Fine-tuning platformu: Tinker — gelir motorunun bir parçası.
- Enterprise API: Together, Fireworks, Databricks partner’lık.
- Araştırma prestiji: Mimari yenilikler (relative attention, expert sinks) ile akademik camia ile bağlantı.
Bu model, Anthropic’in kapalı-frontier yaklaşımından da OpenAI’ın consumer-heavy stratejisinden de farklı. Thinking Machines, açık AI + enterprise developer segmentinde konumlanıyor.
Neden 41B aktif?
975B toplam / 41B aktif oranı %4.2. Bu, MoE modellerinde tercih edilen sweet spot’a yakın:
- DeepSeek-V3: %5.5 (671B/37B)
- Kimi K2.5: %3.2 (1T/32B)
- Mistral 8x22B: %39 (176B/aktif ~68B)
- Qwen 3.6 Max: ~%6
Düşük aktif oran, inference maliyetini radikal düşürüyor. 41B aktif ile Inkling, ~40B dense model kadar hızlı çalışır. Ama 975B toplam parametreye eriştiği için bilgi kapasitesi çok daha yüksek.
Pratik maliyet: Together AI üzerinde bir milyon token generation muhtemelen $1-2 civarı olacak (kesin fiyat henüz açıklanmadı). GPT-5.6 için aynı token miktarı $10-15. Yani 10x maliyet avantajı mümkün.
Türk ekosistemi için ne demek?
1. Türkçe için beklenti tutumu. Inkling, 45T multimodal token’da eğitildi ama dil dağılımı paylaşılmadı. Muhtemelen ağırlıklı İngilizce; Türkçe temsil sınırlı olabilir. Bilge, Turkcell, ASELSAN gibi Türk AI ekipleri Inkling’i Türkçe fine-tune ederek yerel bir güçlü açık model hazırlayabilir. Tinker platformu bunu kolaylaştırır.
2. Kurumsal AI için maliyet devrimi. Türk bankalar, telekomlar, e-ticaret şirketleri şu an OpenAI/Anthropic API’lerine bağımlı ve USD faturaları büyüyor. Inkling’in Together AI üzerinden $1-2/M token ile erişilmesi, bu maliyetleri %85-90 düşürebilir. Özellikle Yapı Kredi, Türk Ekonomi Bankası, Ticimax gibi büyük volume kullananlar için transformatif.
3. Roketsan, Bilkent, Aselsan araştırma için. Kritik teknolojilerde ağırlıklı sovereign AI çözümü isteyen kurumlar için, Apache 2.0 lisansı ile Inkling’in on-prem çalıştırılması mümkün. NVIDIA H100/H200 kümesi (~64-128 GPU) ile yeterli inference performansı alınır.
4. Türk startup ekosistemi için: Ödemeler, sağlık, hukuk-tech alanlarında çalışan Türk startup’lar Inkling’i fine-tune ederek OpenAI’a bağımlılık sıfıra düşürebilir.
Sonuç: ABD açık ağırlıklı AI cephesinde geri dönüş
2025 boyunca açık ağırlıklı AI cephesi tam anlamıyla Çin dominansı altındaydı. DeepSeek, Kimi, Qwen, MiniMax, Baichuan — hepsi ABD açık ağırlıklı modelleri geride bıraktı. Meta, Llama 4’ü kapalı tutunca ABD açık cephesi “OLMo 3” ve “Grok Base” gibi ikinci sınıf oyunculara kaldı.
Inkling, bu tabloyu değiştiriyor. Thinking Machines Lab, Meta’nın açtığı boşluğa lider oyuncu olarak giriyor. Mimari yenilikler + agresif dağıtım stratejisi + top-tier benchmark, ABD açık AI’ının sadece rekabet edebildiğini değil, yenilikte önde olabildiğini gösteriyor.
Önümüzdeki günlerde topluluk quantization’ları, MLX/Apple Silicon builds, fine-tuning wrapper’ları hızla yayılacak. Aylar içinde Inkling üzerine kurulmuş yüzlerce ürün çıkacak — tıpkı DeepSeek-V3 sonrasında yaşandığı gibi.
Mira Murati’nin bahsi büyüktü: OpenAI’dan ayrılıp $3 milyar toplayıp 18 ay sessiz kalmak. Inkling ile o bahsin cevabı geldi. Bu cevabın piyasa lehine mi yoksa lab’ın enterprise gelir yapısı lehine mi olacağını 2026 sonuna doğru göreceğiz. Ama açık AI ekosistemi için haber, kesinlikle iyi haber.
Bir yanıt yazın