Mira Muratis KI-Startup veröffentlicht sein erstes Modell. Es will, dass Unternehmen ihre KI besitzen, nicht mieten.

Wichtigste Punkte

• Thinking Machines Lab veröffentlichte Inkling am Mittwoch, sein erstes öffentlich verfügbares KI-Modell, etwa neun Monate nach Gründung des Unternehmens.
• Inkling hat insgesamt 975 Milliarden Parameter (ein Maß für die Modellkomplexität), nutzt aber nur etwa 41 Milliarden für jede einzelne Aufgabe, was es schneller und billiger macht als seine Größe vermuten lässt.
• Das Modell ist Open-Weight, das heißt, jedes Unternehmen oder jeder Entwickler kann es kostenlos herunterladen und ändern, im Gegensatz zu ChatGPT oder Claude.
• Eine gemeinsame Studie aus Ende Juni zeigte, dass ein benutzerdefiniertes Modell mit ähnlichen Open-Weight-Methoden 84,7% bei Tests zum finanziellen Denken erreichte – bei etwa einem Vierzehntel der Betriebskosten führender proprietärer KI-Modelle.
• Thinking Machines plant, Geld durch Tinker zu verdienen, seine bezahlte Plattform zum Trainieren und Anpassen des Modells, nicht durch das Modell selbst.

Mira Murati war jahrelang Chief Technology Officer bei OpenAI. Jetzt setzt sie gegen das, was OpenAI verkauft.

Thinking Machines Lab, das Startup, das Murati nach ihrem Ausscheiden aus OpenAI gründete, veröffentlichte am Mittwoch sein erstes KI-Modell. Es heißt Inkling und funktioniert anders als die bekannten KI-Produkte, die die meisten Leute kennen.

ChatGPT, Claude und Google Gemini sind alle geschlossene Systeme. Man zahlt, um sie zu nutzen. Das Unternehmen, das sie gebaut hat, behält volle Kontrolle. Inkling ist Open-Weight, das heißt, jedes Unternehmen oder jeder Entwickler kann das komplette Modell kostenlos herunterladen und für seine eigenen Bedürfnisse umgestalten, ohne etwas an Thinking Machines zu zahlen.

Das ist das ganze Versprechen. Das Unternehmen glaubt, dass KI, die ein Unternehmen mit seinen eigenen Daten und Fachkenntnissen trainiert, ein allgemeines Modell übertreffen wird, das ein großes Labor an alle verkauft.

Die Belege für dieses Argument sind wirklich interessant. Bridgewater Associates, der weltgrößte Hedgefonds, arbeitete mit Forschern zusammen, um ein bestehendes Open-Source-KI-Modell mit Bridgewaters eigenem Finanzwissen weiter zu trainieren. Dieses benutzerdefinierte Modell erreichte 84,7% bei Tests zum finanziellen Denken, übertraf führende proprietäre KI-Produkte und kostete dabei nur etwa ein Vierzehntel der Betriebskosten. Die Ergebnisse stammen aus einer Studie, die die beiden Unternehmen Ende Juni gemeinsam veröffentlichten, nicht von einem unabhängigen Prüfer, also nehmen Sie das mit entsprechender Skepsis hin.

Microsoft-Chef Satya Nadella machte einen verwandten Punkt in einem Blog-Post am Sonntag. Unternehmen, die geschlossene KI-Produkte nutzen, zahlen doppelt: einmal durch Abonnementgebühren und nochmals, indem sie das in all ihren Prompts und Korrektionen steckende Geschäftswissen weitergeben – Wissen, das in zukünftige Versionen eines Modells einfließen kann, das sie nicht besitzen.

Ist Inkling also wirklich gut?

Thinking Machines sagt deutlich, dass Inkling nicht das stärkste heute verfügbare KI-Modell ist, weder geschlossen noch offen. Stattdessen zielt es auf stabile, vielseitige Leistung zu niedrigeren Kosten ab. Das Unternehmen sagt, Inkling benötigt ein Drittel der Verarbeitungsschritte eines konkurrierenden Nvidia-Modells, um die gleiche Punktzahl bei Codier-Tests zu erreichen. Es kann auch kennzeichnen, wenn es unsicher ist, statt zu raten, und Nutzer können seine Denkleistung je nach Bedarf – ob sie eine sorgfältige Antwort oder eine schnelle wollen – hoch- oder runterfahren.

Inkling ist intern riesig. Es wurde mit 45 Billionen Token trainiert, das sind die Textblöcke, Bild-, Audio- und Videodaten, aus denen KI-Systeme lernen. Aber durch seine Architektur (ein Mixture-of-Experts-Design, bei dem nur ein Teil des Modells für jede Aufgabe aktiviert wird) bleibt es praktisch zu betreiben.

Thinking Machines war bei einer Sache vorsichtig: Inkling wurde teilweise mit Ausgaben anderer Open-Weight-KI-Modelle trainiert, eine gängige Praxis namens Distillation. Das Unternehmen sagt, sein nächstes Modell wird diesen Ansatz ganz fallen lassen.

Wo verdient Thinking Machines Geld? Nicht beim Modell-Download. Einnahmen kommen von Tinker, seiner bezahlten Plattform, die Unternehmen hilft, ihre eigenen benutzerdefinierten Versionen von Inkling anzupassen und zu hosten.

Das ist die ehrliche Erkenntnis hier. Wenn Ihre Organisation echte, spezifische Fachkenntnisse in den Köpfen Ihrer Mitarbeiter und in Ihrer bisherigen Arbeit hat, kann ein benutzerdefiniertes KI-Modell, das auf diesem Wissen trainiert ist, ein allgemeines bei einem Bruchteil der Kosten übertreffen. Der Weg dahin ist nun etwas kürzer.