Recensione di Inkling: il modello open-weights che sfida GPT-5 e Claude
Inkling è un modello open-weights da 975B parametri di Thinking Machines Lab. Esaminiamo le sue capacità multimodali, i prezzi e come si confronta con GPT-5 e Claude.
1X2.TV — Previsioni calcistiche AI
Previsioni di partite di calcio, consigli per scommesse e analisi approfondite basate sull'AI. Alimentato da algoritmi di machine learning che analizzano oltre 50.000 partite.
Ottieni previsioniRecensione di Inkling: il modello open-weights che sfida GPT-5 e Claude
Il panorama dei modelli open-weights ha registrato un’evoluzione frenetica per tutto il 2026. Da Nemotron 3 Ultra di Google a Claude 4 di Anthropic e GPT-5 di OpenAI, i modelli chiusi hanno dominato le notizie. Ma se avete seguito la community open source, probabilmente avrete notato un nuovo concorrente che sta guadagnando slancio in sordina: Inkling, il primo modello open-weights di Thinking Machines Lab, rilasciato il 15 luglio 2026.
Inkling non cerca di essere il modello più forte in ogni benchmark. Si posiziona invece come una base altamente capace, efficiente e personalizzabile per gli sviluppatori che desiderano un accesso aperto a un potente modello multimodale. Con 975 miliardi di parametri totali (41 miliardi attivi), una finestra di contesto da 1 milione di token e il supporto nativo per testo, immagini e audio, Inkling rappresenta un’opzione convincente per i modelli open-weights negli ecosistemi aziendali e di sviluppo.
In questa recensione analizzeremo in profondità le capacità di Inkling, i prezzi e il confronto con i grandi protagonisti, così da poter decidere se è il modello giusto per il vostro caso d'uso.
Che cos'è Inkling?
Inkling è un modello Mixture-of-Experts (MoE) di Thinking Machines Lab, rilasciato con licenza Apache 2.0. Questa scelta di licenza è significativa: consente di usare Inkling commercialmente senza preoccuparsi di termini restrittivi, rendendolo un'opzione attraente per aziende di tutte le dimensioni.
L'architettura del modello è particolarmente interessante. Con 975 miliardi di parametri totali ma solo 41 miliardi attivi durante l'inferenza, Inkling offre prestazioni solide mantenendo gestibili i costi di calcolo. Questa progettazione MoE fa sì che il modello attivi solo un sottoinsieme dei suoi parametri per ogni input, con tempi di inferenza più rapidi rispetto ai modelli densi di dimensioni simili.
Inkling è multimodale per progettazione, il che significa che può elaborare e ragionare nativamente su testo, immagini e audio, senza modelli separati o pipeline complesse. Per gli sviluppatori che vogliono eseguire il fine-tuning del modello sui propri dati, Thinking Machines Lab lo ha reso disponibile su Tinker, la loro piattaforma per la personalizzazione dei modelli.
Come si comporta Inkling?
Siiamo onesti fin da subito: Inkling non è il modello complessivo più forte disponibile oggi, aperto o chiuso. Ma è certamente abbastanza forte da reggere il confronto, e vanta alcuni risultati notevoli.
Secondo Artificial Analysis, il punteggio indice di 41 di Inkling lo colloca davanti a Nemotron 3 Ultra (38) e Gemma, rendendolo uno dei modelli aperti più forti disponibili. Tuttavia, resta leggermente indietro rispetto a GLM 5.2, ampiamente considerato il miglior modello di ragionamento a pesi aperti nel set di benchmark — in particolare eccelle nei compiti di programmazione pura.
Per il ragionamento multimodale, Inkling si comporta molto bene. La sua capacità di elaborare contemporaneamente testo, immagini e audio gli consente di gestire compiti complessi come analizzare un grafico, spiegare un diagramma o riassumere la trascrizione di un video — tutto in un’unica passata. Questo è particolarmente prezioso per le applicazioni aziendali dove i dati arrivano in formati multipli.
La finestra di contesto da 1 milione di token è un’altra caratteristica distintiva. Per confronto, la maggior parte dei modelli nel panorama 2026 offre tra 128K e 256K token. Una finestra da 1M significa che puoi fornire a Inkling interi libri, lunghi codebase o ampi set di documenti senza suddivisione o riassunto. Questo è un grande vantaggio per applicazioni come la revisione di documenti legali, l’analisi della documentazione tecnica e la generazione di contenuti lunghi.
Inkling contro i grandi nomi
Come se la cava Inkling rispetto ai modelli chiusi che hanno dominato la conversazione? Analizziamolo nel dettaglio.
Inkling contro GPT-5
GPT-5 resta uno dei modelli più forti disponibili, in particolare per i compiti generici e il ragionamento. Ha il vantaggio di essere supportato dalla massiccia infrastruttura di OpenAI e da aggiornamenti continui. Tuttavia, GPT-5 è un modello chiuso con pesi proprietari, il che significa che sei vincolato all’ecosistema e ai prezzi di OpenAI.
Inkling, al contrario, offre pesi aperti e libertà commerciale. Per i team che vogliono ottimizzare il modello su dati proprietari o distribuirlo sulla propria infrastruttura, l’approccio a pesi aperti di Inkling è un vantaggio significativo. GPT-5 potrebbe avere un leggero vantaggio nelle prestazioni pure, ma l’efficienza e il potenziale di personalizzazione di Inkling lo rendono competitivo per molti casi d’uso.
Inkling contro Claude
Claude (l’ultima generazione di Anthropic) è noto per l’eccellente capacità di ragionamento, la gestione di contesti lunghi e le solide prestazioni nei compiti di programmazione e analisi. I punti di forza di Claude risiedono nella chiarezza e nell’accuratezza, in particolare per i compiti di ragionamento complesso.
Inkling compete bene con Claude nei compiti multimodali e offre un vantaggio simile in termini di finestra di contesto. Tuttavia, l’ecosistema e gli strumenti di Claude sono più maturi e i suoi prezzi sono competitivi. Il vantaggio di Inkling sta nella flessibilità dei pesi aperti e nella possibilità di eseguirlo sul proprio hardware, il che può ridurre i costi per gli utenti ad alto volume.
Inkling vs. GLM 5.2
GLM 5.2 è attualmente il miglior modello di ragionamento a pesi aperti, particolarmente eccellente nei benchmark di programmazione. Se il tuo caso d’uso principale è la generazione e l’analisi del codice, GLM 5.2 potrebbe essere la scelta migliore. Tuttavia, le capacità multimodali di Inkling gli conferiscono un vantaggio per le applicazioni che devono elaborare immagini e audio insieme al testo.
Prezzi e accessibilità
Uno dei principali punti di forza di Inkling è la sua strategia di prezzi. Essendo un modello a pesi aperti, hai diverse opzioni:
- Self-hosted: esegui Inkling sulla tua infrastruttura con la licenza Apache 2.0. È ideale per le aziende con risorse di calcolo esistenti.
- Cloud API: accedi a Inkling tramite l’API di Thinking Machines Lab, con prezzi che variano in base all’utilizzo.
- Piattaforma Tinker: effettua il fine-tuning di Inkling sui tuoi dati tramite Tinker, con prezzi che dipendono dalla complessità delle tue esigenze di fine-tuning.
Per confronto, i prezzi dell’API di GPT-5 sono competitivi ma possono aumentare rapidamente per gli utenti ad alto volume. I prezzi di Claude sono strutturati in modo simile. Il modello a pesi aperti di Inkling significa che, una volta ottenuti i pesi, puoi utilizzarli indefinitamente senza costi per token, il che può rappresentare un significativo vantaggio in termini di costi per le distribuzioni su larga scala.
Pro e contro di Inkling
Pro
- Pesi aperti: utilizzabili commercialmente con licenza Apache 2.0, senza vincoli di fornitore
- Multimodale: supporto nativo per testo, immagini e audio
- Grande finestra di contesto: 1 milione di token per contenuti lunghi
- Architettura MoE efficiente: 41B parametri attivi su un totale di 975B
- Pronto per il fine-tuning: disponibile su Tinker per la personalizzazione
- Forti classifiche tra i modelli aperti: punteggio indice di 41, davanti a Nemotron 3 Ultra
Contro
- Non il più forte in assoluto: resta indietro rispetto a GLM 5.2 nei benchmark di puro ragionamento
- Modello più recente: minore maturità dell’ecosistema rispetto a GPT-5 e Claude
- Supporto di terze parti limitato: meno integrazioni e strumenti disponibili
- Richiede più potenza di calcolo: le dimensioni maggiori del modello comportano requisiti infrastrutturali più elevati
Chi dovrebbe usare Inkling?
Inkling è particolarmente adatto a:
- Aziende che vogliono distribuire modelli AI sulla propria infrastruttura e controllare i propri dati
- Sviluppatori che necessitano di capacità multimodali senza gestire più modelli
- Team che vogliono eseguire il fine-tuning dei modelli su dati proprietari
- Organizzazioni attente ai costi che possono trarre vantaggio dalla licenza open-weights
- Applicazioni che elaborano documenti lunghi o richiedono finestre di contesto ampie
Se cerchi il modello in assoluto più potente per un’attività specifica (come la programmazione), potresti preferire GLM 5.2. Se vuoi l’ecosistema e gli strumenti più maturi, GPT-5 o Claude potrebbero essere scelte migliori. Ma se apprezzi flessibilità, personalizzazione e licenze aperte, Inkling è un’opzione convincente.
Come iniziare con Inkling
Thinking Machines Lab ha reso relativamente semplice iniziare a usare Inkling. Puoi:
- Scaricare i pesi dal loro repository GitHub
- Distribuire sulla tua infrastruttura usando gli script forniti
- Eseguire il fine-tuning su Tinker per applicazioni personalizzate
- Usare l’API per un’integrazione rapida
Il modello è disponibile sulle principali piattaforme cloud e può essere distribuito on-premises, offrendoti flessibilità su come utilizzarlo.
FAQ
Inkling è gratuito? Inkling è open-weights sotto licenza Apache 2.0, quindi puoi usarlo commercialmente senza costi di licenza. Tuttavia, se usi l’API di Thinking Machines Lab o la piattaforma Tinker, ci sono costi basati sull’utilizzo.
Come si confronta Inkling con GPT-5? GPT-5 è leggermente più forte nelle prestazioni pure, ma Inkling offre pesi aperti, capacità multimodali e una finestra di contesto più ampia. Per i team che vogliono eseguire il fine-tuning o distribuire sulla propria infrastruttura, Inkling è competitivo.
Qual è la finestra di contesto di Inkling? Inkling ha una finestra di contesto da 1 milione di token, significativamente più ampia della maggior parte dei modelli nel panorama del 2026.
Posso eseguire il fine-tuning di Inkling? Sì, Inkling è disponibile su Tinker per il fine-tuning sui tuoi dati.
Inkling è adatto alla programmazione? Inkling si comporta bene nei task di programmazione, anche se GLM 5.2 ha attualmente un vantaggio nei benchmark puri di coding.
Considerazioni finali
Inkling è un valido concorrente nel panorama dei modelli open-weights, offrendo una combinazione convincente di capacità multimodali, ampia finestra di contesto ed efficiente architettura MoE. Pur non essendo il modello più forte in ogni benchmark, la sua licenza aperta e il potenziale di personalizzazione lo rendono un'opzione attraente per le aziende e gli sviluppatori che desiderano flessibilità e controllo.
Per i team pronti a superare l'ecosistema dei modelli chiusi e che desiderano un modello in grado di crescere con le loro esigenze, Inkling merita un'attenta valutazione. Poiché Thinking Machines Lab continua a sviluppare Inkling come base della propria famiglia di modelli, ci si può aspettare ulteriori miglioramenti e funzionalità nei prossimi mesi.
Nota: questa recensione contiene link affiliati. Se acquisti tramite i nostri link, potremmo ricevere una commissione senza costi aggiuntivi per te.
Previsioni azionarie AI — Analisi di mercato intelligente
Previsioni di mercato e analisi tecnica basate sull'AI. Ricevi previsioni giornaliere per azioni, ETF e criptovalute con punteggi di confidenza e metriche di rischio.
Vedi le previsioni di oggiStai creando o commercializzando uno strumento AI?
Fatti inserire, recensire o mettere in evidenza su AI Tools Hub — Inserzioni sponsorizzate di 12 mesi, multilingue. Da $49.
Team AI Tools Hub
Recensori esperti di strumenti AI
Il nostro team di appassionati di AI ed esperti di tecnologia testa e recensisce centinaia di strumenti AI per aiutarti a trovare la soluzione perfetta per le tue esigenze. Forniamo analisi oneste e approfondite basate sull'uso reale.