元OpenAIのCTOが放つ！カスタマイズ自由なマルチモーダルAI「Inkling」で開発の幅を広げよう

ついに公開！「Inkling」とは何か？

元OpenAIのCTO、ミラ・ムラティ氏が設立した米Thinking Machines Labから、待望のAIモデル「Inkling」が発表されました。これはテキスト、画像、音声を入力できるマルチモーダルモデルで、Apache 2.0ライセンスの下、全ウェイトがHugging Faceで公開されています。開発者がモデルを「自分のものにできる」ことを重視した、まさにオープンな基盤モデルと言えるでしょう。

Inklingは総パラメータ数9750億、アクティブパラメータ数410億のMoE（Mixture-of-Experts）型Transformerを採用。最大100万トークンのコンテキストウィンドウをサポートし、テキスト、画像、音声、動画からなる45兆トークンで事前学習されています。特筆すべきは、推論に費やす思考の労力を調整できる仕組みを備えている点です。これにより、コストや遅延と性能のバランスを制御でき、様々なユースケースに合わせて最適化できる柔軟性を持っています。

開発者はどう使える？「Inkling」の活用法

Thinking Machines Labは、「Inklingは現在利用できる最強のモデルではない」と明言しながらも、その真価はマルチモーダル対応、効率的な思考、そして何よりも「ファインチューニングのしやすさ」にあると位置付けています。つまり、単体で最高の性能を発揮するだけでなく、開発者が自身のニーズに合わせてカスタマイズし、特定の用途で最大限の力を引き出すための「基盤」として設計されているのです。

• マルチモーダル対応で新たな体験を創造: テキスト、画像、音声といった複数の入力形式を扱えるため、例えば、ユーザーが話した内容と見せた画像を組み合わせて理解し、適切なテキストや音声で応答するような、よりリッチなインタラクティブなアプリケーションを開発できます。Webサイトのチャットボットに画像認識能力を付加したり、音声コマンドでWebページを操作する機能を実装したりと、アイデア次第で可能性は無限大です。
• 効率的な思考でコストと性能を両立: 推論の思考労力を調整できる機能は、特にWebサービスやアプリケーション開発において非常に重要です。例えば、リアルタイム性が求められる機能では思考労力を抑えて高速応答を優先し、より複雑な分析が必要な場面では労力を増やして精度を高める、といった使い分けが可能です。これにより、インフラコストを最適化しながら、ユーザー体験を向上させることができます。
• 自己ファインチューニングで開発を加速: 発表では、Inkling自身がファインチューニング用のコードを書き、実行し、結果を評価する「自己ファインチューニング」のデモも披露されました。これは開発者にとって非常に強力なツールとなります。特定のドメインに特化したモデルを構築する際、手動でのファインチューニング作業を大幅に削減し、開発サイクルを短縮できる可能性があります。Webサイトのコンテンツ生成AIを特定の業界用語に最適化したり、ECサイトの商品説明文生成モデルを自社の商品カテゴリに特化させたりといった使い方が考えられます。

「Inkling」を試すならどこから？

開発者は、同社のファインチューニングプラットフォーム「Tinker」でInklingをカスタマイズできます。現在、期間限定で50％割引価格で提供されており、Tinkerコンソールには実際にモデルと対話して感触を確かめられる「Inkling Playground」も追加されています。まずはこのPlaygroundでInklingの能力を体験してみるのが良いでしょう。

また、ファインチューニング済みモデルの展開に向けて、TogetherAIやFireworksなど複数の推論プロバイダーとも提携しており、カスタマイズしたモデルを本番環境にデプロイする際もスムーズに進められそうです。

さらに、アクティブパラメータ数を120億に抑えた軽量版「Inkling-Small」（総パラメータ数2760億）のプレビューも公開されています。多くのベンチマークでInklingに匹敵する性能を示しており、テスト完了後にウェイトが公開される予定とのこと。リソースが限られる環境や、より高速な推論が求められる場面では、こちらの軽量版も有力な選択肢となるでしょう。

オープンウェイトで提供され、カスタマイズ性に富んだInklingは、Web制作やAI開発の現場に新たな可能性をもたらすこと間違いなしです。ぜひ一度、そのポテンシャルを体験してみてください。