Thinking Machines, 1조 파라미터 오픈 모델 'Inkling' 공개

Hugging Face 블로그가 Thinking Machines의 새 모델 Inkling을 소개했습니다. 약 1조(총 975B, 활성 41B) 파라미터의 Mixture-of-Experts 구조로, 이미지·텍스트·오디오를 네이티브로 입력받고 100만 토큰의 컨텍스트를 지원합니다. 텍스트·이미지·오디오·비디오를 합쳐 45조 토큰 규모로 학습됐고, BF16과 NVFP4 두 형식으로 공개됩니다.

"Inkling은 이미지·텍스트·오디오를 네이티브로 입력받는, 약 1조 파라미터·100만 토큰 컨텍스트의 첫 대형 오픈 모델이다."Hugging Face

왜 중요한가

지금까지 최상위 멀티모달·초장문 컨텍스트 모델은 대체로 폐쇄형이었습니다. Inkling이 오픈 가중치로 풀리고 Transformers·vLLM·SGLang·llama.cpp까지 폭넓게 지원된다는 점은, 프런티어급 능력이 오픈 생태계로 빠르게 이전되고 있음을 보여줍니다. 256개 전문가와 하이브리드 어텐션, 다중 토큰 예측(MTP) 같은 효율화 설계도 함께 눈에 띕니다.

실무 적용

100만 토큰 컨텍스트와 오디오 입력은 긴 문서 분석, 회의·음성 로그 처리, 에이전트형 코딩처럼 실무에 직접 닿는 기능입니다. 다만 1조 파라미터급은 서빙 비용이 크므로, 활성 파라미터(41B)만 도는 MoE 특성과 NVFP4 양자화로 비용을 조절하고, 처음부터 전량 자체 호스팅하기보다 추론 제공자(Inference Providers)로 먼저 검증하는 접근을 권합니다.

교차 참고

• Hugging Face: One Year Since the DeepSeek Moment — 오픈 모델이 폐쇄형과의 격차를 어떻게 좁혀왔는지 함께 봅니다.
• Hugging Face: State of Open Source on Hugging Face (Spring 2026) — 오픈 생태계의 성장 흐름 속에서 이 발표의 의미를 읽습니다.

Wemeet의 관점

Wemeet은 모델을 고를 때 '가장 큰 오픈 모델'이 아니라 '우리 워크플로에 실제로 얹을 수 있는 모델'을 봅니다. Inkling의 진짜 의미는 파라미터 숫자가 아니라, 멀티모달·초장문 능력을 이제 오픈 가중치로 통제 가능하게 다룰 수 있게 됐다는 데 있습니다.