Thinking Machines Inkling 공개, 975B 오픈 가중치 모델의 의미

무엇이 공개됐나

Thinking Machines Lab은 7월 15일 공식 발표에서 첫 자체 오픈 가중치 모델 Inkling을 공개했습니다. 회사 설명에 따르면 Inkling은 975B 총 파라미터를 가진 Mixture-of-Experts 모델이며, 실제 추론 때는 약 41B 활성 파라미터를 사용합니다.

쉽게 말하면 전체 창고는 매우 크지만, 질문마다 필요한 작업대 일부를 꺼내 쓰는 구조입니다. 그래서 대형 모델의 폭넓은 능력과 추론 비용 사이에서 균형을 잡으려는 접근으로 볼 수 있습니다.

오픈 가중치라는 말의 의미

이번 발표에서 가장 중요한 단어는 open-weights입니다. API로만 쓰는 폐쇄형 모델과 달리, 오픈 가중치 모델은 외부 개발자와 조직이 모델 파일을 받아 자체 환경에서 테스트하거나 수정할 수 있습니다. Hugging Face에도 Inkling 페이지가 열려 있어, 배포가 단순한 소개글에 그치지 않았다는 점도 확인됩니다.

이 방식은 개발자에게 자유도를 줍니다. 예를 들어 사내 문서 형식, 특정 코딩 스타일, 제품별 응답 규칙처럼 각 조직만의 업무 방식에 맞춰 모델을 조정할 수 있는 여지가 커집니다.

Tinker와 100만 토큰 문맥이 붙은 이유

Thinking Machines는 Inkling을 단독 모델 하나로만 소개하지 않았습니다. 회사의 커스터마이즈 플랫폼 Tinker, 모델 카드, 문서, 예제 흐름을 함께 연결했습니다. 발표문은 Inkling이 최대 100만 토큰 문맥을 지원한다고 설명합니다.

100만 토큰 문맥은 긴 코드베이스, 큰 리서치 자료, 장문의 기획 문서를 한 번에 더 넓게 다루려는 방향입니다. Game Sunakku식으로 비유하면, AI가 짧은 메모지만 보는 것이 아니라 두꺼운 작업 노트 서랍 전체를 펼쳐놓고 답하는 쪽에 가까워지는 셈입니다.

조심해서 봐야 할 부분

다만 이번 발표를 “최강 모델 등장”으로만 읽으면 과장입니다. Thinking Machines는 Inkling이 모든 영역에서 가장 강한 모델이라고 말하지 않습니다. 오히려 커스터마이즈 가능한 출발점이라는 점을 강조합니다.

오픈 가중치 모델은 자유도가 큰 만큼 책임도 함께 옵니다. 자체 미세조정, 배포 비용, 데이터 보안, 안전성 평가, 라이선스 조건을 실제 도입자가 확인해야 합니다. 특히 기업이 모델을 자기 업무에 맞게 바꿀 경우, 그 결과물이 안전하고 정확한지도 직접 검증해야 합니다.

Game Sunakku식 정리

Inkling 공개는 OpenAI·Anthropic·Google 같은 대형 API 중심 경쟁과는 조금 다른 방향을 보여줍니다. 핵심은 “가장 유명한 챗봇을 하나 더 만들었다”가 아니라, 대형 모델을 조직이 직접 다듬어 쓰는 경쟁이 다시 커지고 있다는 점입니다.

개발자 독자라면 당장 성능표 한 줄보다 세 가지를 보면 좋습니다. 첫째, 실제 다운로드와 실행 조건입니다. 둘째, Tinker 같은 커스터마이즈 도구가 얼마나 쉬운지입니다. 셋째, 긴 문맥과 멀티모달 학습 기반이 내 작업에 실제로 도움이 되는지입니다. 이 세 가지가 맞아야 Inkling은 단순한 뉴스가 아니라 실제 도구 후보가 됩니다.