Thinking Machines Releases Inkling Open-Weight Multimodal Model

Thinking Machines Releases Inkling Open-Weight Multimodal Model

Mira Muratis Thinking Machines Lab släppte sin första modell, Inkling, den 15 juli — öppna vikter, multimodal (text, bild, ljud), och uttryckligen byggd för anpassning snarare än benchmarkherravälde [1][2]. Det här är ett bolag med cirka 200 anställda som gör en tydlig satsning: kapplöpningen om jättemodeller för alla ändamål är inte det enda spelet i stan, och det finns ett verkligt värde i modeller som företag kan böja efter sina egna arbetsflöden.

Ramverket spelar större roll än specifikationerna. Thinking Machines försöker inte överträffa OpenAI på GPT-fronten. De satsar på att nästa värdevåg kommer från team som kan finjustera, förgrena och anpassa en kapabel basmodell efter sina egna bedömningar — vilket är exakt den muskel som post-kod-företag behöver bygga upp.

Reaktionerna på X har fokuserat på Inklings kinesiska träningsinfluenser och dess praktiska anpassningspotential, där utvecklare redan skissar på vad de skulle vilja förgrena den till [2]. Öppna vikter plus multimodalitet plus ett trovärdigt ursprung är en kombination värd att bevaka noga, inte bara beundra.

Moonshot AI Releases Kimi K3, a 2.8T Parameter Coding Powerhouse

Pekingbaserade Moonshot AI släppte Kimi K3, en modell med 2,8 biljoner parametrar som enligt uppgift toppar kodningsbenchmarks och ger sig i kast med de främsta västerländska modellerna. Öppna vikter är planerade till den 27 juli — ett datum som nu är inringat i många kalendrar [1][2].

Skalan här (2,8 biljoner parametrar) i kombination med ett genuint åtagande om öppna vikter är anmärkningsvärt: det här är inte ett labb som retar med kapacitet men håller åtkomsten stängd — det är en direkt utmaning på både prestanda och öppenhet samtidigt. Om K3 levererar enligt benchmarkpåståendena när vikterna väl är publika, kan man förvänta sig en snabb våg av självhostade driftsättningar från team som är trötta på API-inlåsning.

Stämningen på X är energisk och lite nervös — entusiasm över en legitim öppen utmanare till de stängda toppmodellerna, blandat med det vanliga jakten på att förstå vad "konkurrenskraftig med toppmodeller" egentligen betyder när den oberoende testningen väl drar igång.

OpenAI Introduces Codex Site for Agentic Coding Workflows

Parallellt med GPT-5.6 lanserade OpenAI tyst en ny Codex-sajt — en agentbaserad kodningsprodukt byggd på den nya modellfamiljen, riktad mot utvecklarverktyg och snabb appbyggnad via ChatGPT Sites [1][2]. Det här är inte en chattbottsinpackning; det är en arbetsflödesyta designad för att AI-agenter ska kunna bygga, leverera och iterera på mjukvara med en människa som styr snarare än skriver.

Det är en liten funktion jämfört med själva modellanceringen, men den är det praktiska uttrycket för samma skifte: färre människor som skriver kod rad för rad, fler människor som sätter riktning och granskar resultat. Uttrycket "vibe coding" som dyker upp i hackathon- och sidoprojekt-snacket på X är det informella namnet på det som håller på att bli en formell produktkategori [4].

Vad detta betyder för ditt företag

Alla dagens nyheter pekar mot samma vändpunkt: flaskhalsen inom mjukvara är inte längre att skriva kod, utan att avgöra vad som ska byggas, hur mycket det får kosta att komma dit, och vilken modellnivå som förtjänar uppgiften. GPT-5.6:s tre prisnivåer och Codex agentbaserade arbetsflöden är OpenAI som operationaliserar just det skiftet — de säljer dig ett routingproblem, inte bara en smartare assistent. Samtidigt visar Inkling och Kimi K3 tydligt att eran av "använd bara toppmodellens API" är på väg att ta slut; öppna, anpassningsbara, självhostbara modeller är nu trovärdiga alternativ för team som vill ha kontroll över kostnad, data och beteende.

För företag som fortfarande utvärderar AI utifrån frågan "vilken modell är smartast" ställer ni fel fråga. Den verkliga frågan är arkitektonisk: bygger vi ett orkestreringslager som dirigerar uppgifter mellan billiga och dyra modeller, öppna och stängda vikter, baserat på en bedömning av vad varje uppgift faktiskt kräver? Det är en kompetensklyfta som de flesta organisationer ännu inte har slutit, och det är precis där konkurrensfördelen håller på att flytta. Koden för att anropa någon av dessa modeller är trivial och gratis. Bedömningsförmågan att arkitektera när, hur och vilken modell som ska användas — det är produkten nu.

Viktigaste slutsatsen: Branschen har just gett dig tre intelligensnivåer, en utmanare med öppna vikter och en agentbaserad kodningsyta — under en enda vecka. Det som skiljer ut vinnarna är inte längre tillgång till modeller, utan orkestreringsförmågan att använda rätt modell, till rätt kostnad, för rätt uppgift.