Thinking Machines Lab, công ty khởi nghiệp về trí tuệ nhân tạo (AI) do cựu Giám đốc Công nghệ OpenAI Mira Murati thành lập, vừa cho ra mắt mô hình AI độc quyền đầu tiên của mình có tên là Inkling. Điểm khác biệt lớn của Inkling so với các mô hình hàng đầu từ OpenAI, Anthropic hay Google là nó là mô hình “open-weight”, cho phép các nhà phát triển và công ty bên ngoài có thể tải về và tùy chỉnh trực tiếp.
Inkling là một hệ thống “mixture-of-experts” với 975 tỷ tham số, tuy nhiên, nó chỉ sử dụng khoảng 41 tỷ tham số cho mỗi tác vụ, một thiết kế giúp các mô hình lớn chạy nhanh hơn và tiết kiệm chi phí hơn. Mô hình này được huấn luyện trên 45 nghìn tỷ token văn bản, hình ảnh, âm thanh và video, có khả năng xử lý đa phương thức. Đây là minh chứng đầu tiên cho thấy nỗ lực xây dựng cơ sở hạ tầng AI của Thinking Machines trong hơn một năm rưỡi qua, chủ yếu diễn ra ngoài công chúng.
Một trong những điểm nhấn của Inkling là khả năng đưa ra câu trả lời được hiệu chỉnh, bao gồm cả việc chỉ ra sự không chắc chắn thay vì đoán mò, và cho phép người dùng điều chỉnh “nỗ lực suy nghĩ” để cân bằng giữa tốc độ và độ chính xác. Theo thông tin từ công ty, trên một bài kiểm tra, Inkling chỉ sử dụng một phần ba số token so với Nemotron 3 Ultra của Nvidia để đạt được hiệu suất tương đương trong việc viết mã. Tuy nhiên, Thinking Machines thừa nhận Inkling không phải là mô hình mạnh nhất trên thị trường hiện tại, dù là mã đóng hay mã mở. Thay vào đó, họ nhắm đến hiệu suất cân bằng và khả năng tùy biến.
Sản phẩm này hướng đến các doanh nghiệp, cung cấp một nền tảng để họ tự tinh chỉnh thông qua Tinker, nền tảng tùy biến mô hình của công ty. Điều này đặt ra yêu cầu về tài năng học máy cho khách hàng để đảm bảo các tùy chỉnh an toàn. Cách tiếp cận này trái ngược với ChatGPT, Claude hay Gemini, được xây dựng chủ yếu như các chatbot đa dụng với các tính năng tác tử được bổ sung sau.
Một lập luận đang ngày càng được chú ý là AI được huấn luyện tập trung bởi một công ty sẽ kém hiệu quả hơn AI mà các tổ chức tự định hình. Bởi lẽ, kiến thức chuyên môn thường mang tính đặc thù. Các phòng thí nghiệm trung tâm đang bán cùng một sản phẩm cho tất cả mọi người, trong khi các doanh nghiệp sẵn sàng sở hữu và tùy chỉnh mô hình của riêng mình có thể khai thác giá trị cao hơn nhiều.
Bằng chứng rõ ràng cho quan điểm của Thinking Machines đến từ dự án gần đây với Bridgewater Associates, một quỹ phòng hộ lớn nhất thế giới. Các nhà nghiên cứu đã sử dụng một mô hình mã nguồn mở hiện có và huấn luyện thêm dựa trên chuyên môn tài chính của Bridgewater. Kết quả cho thấy mô hình đạt 84,7% trong các bài kiểm tra về suy luận tài chính, vượt trội hơn các mô hình AI độc quyền hàng đầu và chi phí vận hành chỉ bằng khoảng một phần mười bốn.
Thinking Machines nhấn mạnh tốc độ phát triển của mình, cho rằng họ đạt được kết quả tương tự trong khoảng chín tháng, so với khoảng năm năm của OpenAI và ba năm của Anthropic. Tuy nhiên, công ty vẫn còn dè dặt về chi phí và kế hoạch kinh doanh, dù đã hợp tác chiến lược với Nvidia để triển khai năng lực tính toán. Câu hỏi đặt ra là liệu Thinking Machines có thể chi tiêu ở quy mô của các đối thủ lớn hay không, hoặc liệu phương pháp tiếp cận hiệu quả về chi phí có mang lại kết quả khác biệt. Lợi nhuận của công ty được kỳ vọng sẽ đến từ nền tảng Tinker, thông qua đào tạo, tinh chỉnh và chia sẻ hệ sinh thái lưu trữ.
Hiện tại, Thinking Machines có khoảng 200 nhân viên. Văn hóa của công ty được thiết kế để ưu tiên sự liên tục hơn là sự phụ thuộc vào bất kỳ cá nhân nào, điều này có thể giúp giảm thiểu tác động khi có sự thay đổi nhân sự, theo một nguồn tin nội bộ. Bài viết được tổng hợp từ TechCrunch ngày 15 tháng 7 năm 2026.
