［開発者向け］オープンウェイトAI「Inkling」を徹底解説——アーキテクチャ・ベンチマーク・安全性から使い方まで

2026-07-19

はじめに

　IBMの情報サイト「IBM Think」は2026年7月17日、Thinking Machinesの新モデル「Inkling」を報じました。本稿ではHugging Face公式モデルカードの情報もあわせ、アーキテクチャ・性能・安全性・使い方を解説します。

参考記事

タイトル: Inkling adds another name to open-weight AI
著者: Sascha Brodsky
発行元: IBM Think
発行日: 2026年7月17日
URL: https://www.ibm.com/think/news/thinking-machines-inkling-adds-name-open-weight-ai

タイトル: Inkling(公式モデルカード)
発行元: Hugging Face(Thinking Machines公式)
URL: https://huggingface.co/thinkingmachines/Inkling

要点

Thinking Machinesは2026年7月、新モデル「Inkling」を発表した。元OpenAI CTOのミラ・ムラティ氏が創業した同社にとって、初の本格的な言語モデルである。
Inklingは66層のデコーダ専用トランスフォーマーで、975B(9750億)パラメータのうち410億のみをトークンごとに活性化させるスパースMoE(混合エキスパート)構造を採用している。
テキスト・画像・音声を入力として受け付け、テキストを出力するマルチモーダルモデルであり、Apache 2.0ライセンスのもとで公開されている。
HLEやSWE-bench Verifiedなど複数のベンチマークで、他のオープンウェイトモデルと同等以上の性能を記録している。
リリース前に日常利用時の安全性やCBRN・サイバーリスクの評価も実施されており、開発者向けに追加の対策も推奨されている。

詳細解説

Inklingとは何か——MoE構造による効率化

　Thinking Machinesは2026年7月、新モデル「Inkling」を発表しました。同社は元OpenAI最高技術責任者(CTO)のミラ・ムラティ氏が設立したAIスタートアップで、Inklingは同社が手掛ける新しいモデルファミリーの第一弾に位置づけられています。

　Hugging Face上の公式モデルカードによると、Inklingは66層からなる「デコーダ専用トランスフォーマー(decoder-only transformer、入力を読み取りながら出力を生成していく処理方式)」です。その中核が、MoE(Mixture of Experts、混合エキスパート)と呼ばれるスパース(疎)な構造で、1つのトークン(token、文章を分割した処理単位)ごとに256人いる「専門家(エキスパート)」のうち6人と、常に働く共有エキスパート2人だけが計算に参加します。パラメータ(モデルが学習で獲得する数値設定)は合計975B(9750億)にのぼるものの、実際にトークン処理へ使われるのは410億分にとどまり、モデル全体を毎回動かすよりも効率的に計算できる仕組みです。注意機構(Attention、文中のどの部分に注目するかを決める仕組み)も、局所的な範囲を見る層と文章全体を見る層を組み合わせたハイブリッド構成になっています。

　Inklingは画像・動画を階層的なパッチ(区切り)単位のエンコーダで、音声を離散的なトークンとして処理し、いずれも同じ潜在空間(モデル内部の共通表現)に投影したうえでデコーダに渡す、ネイティブなマルチモーダル設計を採っています。IBMのDistinguished EngineerであるChris Hay氏も、Inklingについて他のモデルとは異なる独自のアーキテクチャ選択がなされていると評価しています。

入出力の仕様

　モデルカードによれば、Inklingが受け付ける入力は3種類です。テキストはUTF-8(文字を扱う標準的な符号化方式)で入力し、画像はピクセルベースの形式であれば利用可能で、各辺が40〜4096ピクセルの範囲だと性能が安定するとされています。音声はWAV形式・サンプリングレート(1秒あたりの音の記録回数)16kHzで、20分未満が推奨されています。一方、出力はUTF-8のテキストのみで、画像や音声を生成する機能は持っていません。

　数値表現についてはBF16とNVFP4という2つの形式(量子化(quantization)、モデル内部の数値をどれだけ精密に保持するかの設定で、精度と実行速度・メモリ使用量のトレードオフを調整するもの)に対応しており、利用環境や求める速度に応じて選択できます。

前提条件・利用方法——Tinkerとローカルデプロイの両方に対応

　InklingをすぐにAPI経由で試したい場合は、Thinking Machines提供のファインチューニングプラットフォーム「Tinker」を利用するのが基本ルートです。モデルカードでは「Tinker Cookbook(実践的な利用例集)」と公式ドキュメントへのリンクが案内されており、まずはこれらを参照するよう案内されています。

　自前の環境で動かしたい場合、モデルカードは以下のオープンソースライブラリでのローカルデプロイに対応していると案内しています。それぞれ具体的な導入手順(レシピ)とプルリクエスト(PR、コードの変更提案)が用意されています。

SGLang — 高速な推論サーバーとして使われるライブラリです。
vLLM — 大規模言語モデルの推論を効率化する代表的なライブラリです。
TokenSpeed — トークン生成速度に特化した実行環境です。
Unsloth — 省メモリでのファインチューニング・推論に強みを持つツールです。
Hugging Face(Transformers) — 最も汎用的に使われるモデル実行ライブラリです。

性能評価——複数ベンチマークでの位置づけ

　Hugging Face公式モデルカードには、2026年7月14日時点の比較として、オープンウェイトモデル(Nemotron 3 Ultra、Kimi K2.5、Kimi K2.6、GLM 5.2、DeepSeek V4 Pro)とクローズドモデル(Gemini 3.1 Pro、Claude Fable 5、GPT 5.6 Sol)を含む詳細なベンチマーク表が掲載されています。数値は、モデルが使う思考の強さを調整するパラメータ「effort」を0.99(ほぼ最大)に設定した際の測定値です。

　いくつかの代表的な項目を見ると、ソフトウェア開発タスクを評価する「SWE-bench Verified」でInklingは77.6%を記録し、Nemotron 3 Ultra(70.7%)やKimi K2.5(76.8%)を上回りました。数学的推論を問う「AIME 2026」では97.1%、大学院レベルの専門知識を問う「GPQA Diamond」では87.2%と、いずれもオープンウェイトモデルの中では上位に位置しています。一方、専門知識の限界を突く「Humanity’s Last Exam(HLE)」のテキストのみの設定では29.7%にとどまり、クローズドモデルのGPT 5.6 Sol(47.2%)やClaude Fable 5(53.3%)には及んでいません。

　この結果からは、Inklingがオープンウェイトモデルの中では実用的な水準にありつつ、最先端のクローズドモデルと比べると分野によって差が残るという、バランス型の位置づけが見えてきます。開発を検討する際は、対象タスクにおける具体的なベンチマークを確認したうえで採否を判断することが重要だと思います。

安全性への取り組み

　モデルカードによれば、Thinking Machinesはリリースに先立ち、日常的な人間とAIのやり取りから危険な能力に関するテストまで、幅広い安全性評価を実施したとしています。マルチモーダルモデルであることを踏まえ、テキスト・音声・画像のいずれの入力でも安全に関する挙動が一貫しているかを確認したとのことです。

　具体的には、迎合的な応答や有害な誘導、妄想的な思考を肯定してしまうような心理的リスクについて、複数ターンにわたるレッドチーム評価(意図的に問題を引き出そうとする第三者評価)を実施しています。また、化学・生物・放射性物質・核(CBRN)やサイバー領域については、安全対策を外した状態を想定した評価も行い、自律的な行動や戦略的な欺瞞、妨害行為の可能性についても、公開されているフロンティアモデルと比較する形で検証したとされています。その結果、既存のオープンウェイトモデルのエコシステムと比べて、実質的なリスクの底上げは見られなかったと結論づけられています。

　ただし、ロールプレイや遠回しな表現を使った有害な依頼に応じてしまう可能性は残る課題として挙げられており、モデル単体の拒否機能に頼るのではなく、Llama Guardのような入出力を監視する仕組みを組み合わせる「多層防御」が推奨されています。特に消費者向けや大量アクセスが想定されるアプリケーションでは、この種の監視レイヤーを運用に組み込むことが望ましいと考えられます。

既知の限界・注意点

　モデルカードは、Inklingが基盤モデル一般に見られる限界を抱えていることも明記しています。もっともらしいが事実に基づかない内容を生成する「ハルシネーション」、指示に厳密に従えない場合があること、長い複数ターンの会話で性能が低下しやすいことなどが挙げられています。また、Web由来・合成データで学習された他の大規模モデルと同様、学習データに含まれる偏り(人口統計・文化・言語に関するもの)を反映する可能性があり、学習時点で十分カバーされていない言語や分野では性能にばらつきが出ることも想定されます。

　学習データのカットオフ(収集を打ち切った時点)以降の出来事は反映されないため、最新情報が必要な用途では別途の対応が必要です。モデルカードは、医療・法律・安全性に関わる意思決定など重要度の高い領域では、追加のファインチューニングや検証、人間による確認なしに導入しないよう呼びかけています。