15 जुलाई 2026 को Thinking Machines — वह कंपनी जिसका नेतृत्व OpenAI की पूर्व चीफ़ टेक्नोलॉजी ऑफ़िसर मीरा मुराती करती हैं — ने अपना पहला AI मॉडल Inkling जारी किया: एक ओपन-वेट मॉडल जिसे कोई भी डाउनलोड कर सकता है, चला सकता है और बदल सकता है। व्यवसाय मालिक के लिए सीधा जवाब: Inkling की अहमियत इसमें नहीं है कि यह सबसे ताक़तवर है — कंपनी ख़ुद कहती है कि समग्र रूप से यह सबसे ताक़तवर नहीं है — बल्कि इसमें है कि यह एक सक्षम मॉडल है जिसकी कॉपी आप अपने पास रख सकते हैं, उसे अपने सर्वरों पर चला सकते हैं ताकि आपका डेटा कभी बाहर न जाए, और कम लागत में बेहतर प्रदर्शन के लिए उसे अपनी कंपनी के डेटा पर कस्टमाइज़ कर सकते हैं। निजी और नियंत्रित लागत वाला AI चाहने वाले सऊदी व्यवसाय के लिए ठीक यही बात मायने रखती है।

संक्षेप में, Inkling क्या है?

Inkling Mixture-of-Experts आर्किटेक्चर का उपयोग करता है: कुल 975 अरब पैरामीटर, लेकिन किसी भी कार्य के लिए यह उनमें से केवल लगभग 41 अरब को सक्रिय करता है, जिससे इसे चलाना इसके आकार से अपेक्षित तुलना में हल्का और सस्ता हो जाता है। इसे टेक्स्ट, इमेज, ऑडियो और वीडियो के 45 ट्रिलियन टोकन पर प्रशिक्षित किया गया है, और यह चारों मोडैलिटी को बाद में जोड़े गए ऐड-ऑन के ज़रिए नहीं, बल्कि मूल रूप से समझता है। यह 1 मिलियन टोकन तक की कॉन्टेक्स्ट विंडो सपोर्ट करता है — एक ही अनुरोध में पूरे दस्तावेज़ों और अनुबंधों के लिए पर्याप्त — और इसके पूरे वेट Hugging Face पर डाउनलोड के लिए उपलब्ध हैं, जबकि इसे कंपनी के Tinker प्लेटफ़ॉर्म पर कस्टमाइज़ किया जा सकता है। Thinking Machines उन लोगों के लिए एक हल्का संस्करण Inkling-Small भी प्रीव्यू कर रही है, जिसमें कुल 276 अरब पैरामीटर हैं, जो कम परिचालन लागत चाहते हैं।

आपके व्यवसाय के लिए असली ख़बर "ओपन-वेट" है

ज़्यादातर अग्रणी मॉडल (OpenAI, Anthropic और Google के) क्लोज़्ड हैं: आप अपना डेटा प्रदाता के सर्वर पर भेजते हैं और हर उपयोग का भुगतान करते हैं। इसके विपरीत, ओपन-वेट मॉडल आपको मॉडल की फ़ाइल ही देता है, ताकि आप उसे अपने इन्फ्रास्ट्रक्चर के भीतर या किंगडम के भीतर स्थित क्लाउड में चला सकें। यह क्यों मायने रखता है? क्योंकि आपका डेटा — ग्राहक अनुबंध, रिकॉर्ड, व्यापारिक रहस्य — आपके पास रहता है और किसी तीसरे पक्ष के पास नहीं जाता, जिससे सऊदी डेटा और आर्टिफ़िशियल इंटेलिजेंस प्राधिकरण (SDAIA) की निगरानी वाले व्यक्तिगत डेटा संरक्षण कानून (PDPL) का पालन आपके लिए आसान हो जाता है। यह आपको किसी एक विक्रेता से स्वतंत्रता भी देता है: न अचानक क़ीमतों में बढ़ोतरी, न ऐसी सेवा बंदी जो रातोंरात आपके कामकाज को रोक दे।

अपने डेटा पर कस्टमाइज़ेशन = कम लागत में ज़्यादा प्रदर्शन

Thinking Machines का संदेश साफ़ है: उसने "एक ही साइज़ सबके लिए" वाले मॉडल की बजाय कस्टमाइज़ेशन पर दांव लगाया है। Tinker प्लेटफ़ॉर्म के ज़रिए आप Inkling को अपने क्षेत्र के डेटा — अपने ग्राहकों की भाषा, अपने दस्तावेज़, अपनी नीतियाँ — पर फ़ाइन-ट्यून कर सकते हैं, ताकि आपके विशिष्ट कार्य पर यह किसी बड़े सामान्य मॉडल से ज़्यादा सटीक हो जाए, और वह भी कम परिचालन लागत पर, क्योंकि आप हर छोटे अनुरोध के लिए बाज़ार के सबसे बड़े मॉडल को बुलाने की बजाय अपनी ज़रूरत के अनुसार ट्यून किया गया मॉडल चलाते हैं। यही तर्क — एक छोटा, कस्टमाइज़ किया गया मॉडल जो स्थानीय रूप से किसी विशाल सामान्य मॉडल से बेहतर प्रदर्शन करता है — ज़्यादातर कंपनियों के लिए मुख्य व्यावहारिक मूल्य है, न कि बेंचमार्क तालिकाओं में शीर्ष पर पहुँचने की दौड़।

मल्टीमॉडल: एक ही मॉडल में टेक्स्ट, इमेज और ऑडियो

क्योंकि Inkling टेक्स्ट, इमेज, ऑडियो और वीडियो को मूल रूप से समझता है, इसके व्यावहारिक उपयोग बढ़ जाते हैं: किसी इनवॉइस या स्कैन किए गए दस्तावेज़ का विश्लेषण करना, किसी ग्राहक के वॉइस नोट को लिखित रूप में बदलना और उसका आशय समझना, किसी उत्पाद की तस्वीर की समीक्षा करना, या PDF अनुबंध से डेटा निकालना। हर इनपुट प्रकार के लिए कई अलग-अलग टूल जोड़ने की बजाय, एक ही मॉडल इन सभी मोडैलिटी को संभालता है — जिससे इस पर सिस्टम बनाना आसान होता है और विफलता के बिंदु कम होते हैं।

लेकिन "ओपन-वेट" वास्तव में मुफ़्त नहीं है

यहाँ ईमानदारी ज़रूरी है: मॉडल को बिना शुल्क डाउनलोड करने का मतलब यह नहीं कि उसे चलाना मुफ़्त है। इस आकार के मॉडल को संचालित करने के लिए शक्तिशाली हार्डवेयर (महंगे GPU) और उसे ट्यून करने, मॉनिटर करने और सुरक्षित करने की परिचालन विशेषज्ञता चाहिए। कंपनी ख़ुद भी स्वीकार करती है कि नवीनतम क्लोज़्ड मॉडलों की तुलना में Inkling समग्र रूप से सबसे ताक़तवर नहीं है। इसलिए कभी-कभार उपयोग, किसी विचार के साथ तेज़ शुरुआत, या सबसे कठिन सामान्य कार्यों के लिए, तैयार क्लोज़्ड API अब भी ज़्यादा आसान और उपयुक्त रह सकता है। सही निर्णय "ओपन हमेशा बेहतर है" नहीं, बल्कि "आपके मामले के लिए कौन बेहतर है" है।

आपको Inkling जैसा ओपन मॉडल कब चुनना चाहिए?

ओपन मॉडल को तब प्राथमिकता दें जब ये बातें एक साथ हों: संवेदनशील या विनियमित डेटा जिसे संगठन से बाहर नहीं जाना चाहिए; बड़ा और स्थिर उपयोग, जिससे प्रति-अनुरोध बिलिंग समय के साथ महंगी हो जाती है; अपने क्षेत्र और अपने ग्राहकों की भाषा के लिए गहरे कस्टमाइज़ेशन की ज़रूरत; और डिप्लॉयमेंट संभालने के लिए आंतरिक परिचालन क्षमता या कोई तकनीकी साझेदार। लेकिन अगर आप अभी शुरुआत कर रहे हैं या किसी विचार का परीक्षण कर रहे हैं, तो तैयार API से शुरू करें, फिर जब ज़रूरत परिपक्व हो जाए, मात्रा बढ़ जाए, और बचत व गोपनीयता निवेश को उचित ठहराएँ, तब ओपन वेट पर जाएँ।

Origami के साथ Inkling का लाभ कैसे उठाएँ

Origami में हम ओपन मॉडलों को एक चमकदार सुर्ख़ी नहीं, बल्कि एक इंजीनियरिंग टूल मानते हैं: पहले हम आकलन करते हैं कि किसी क्लोज़्ड विकल्प की तुलना में Inkling आपके मामले में फ़िट बैठता भी है या नहीं, फिर — अगर यह बेहतर विकल्प है — हम इसे आपके इन्फ्रास्ट्रक्चर के भीतर एक निजी वातावरण में डिप्लॉय करते हैं, आपके डेटा पर फ़ाइन-ट्यून करते हैं, और इसे आपके सिस्टमों के साथ एकीकृत करते हैं (आपके दस्तावेज़ों पर आधारित एक आंतरिक असिस्टेंट, ऑटोमेशन, या मल्टीमॉडल इनपुट प्रोसेसिंग), साथ ही ऐसे सुरक्षा और गवर्नेंस नियंत्रणों के साथ जो आपके अनुपालन को बनाए रखते हैं। लक्ष्य एक मापने योग्य व्यावहारिक परिणाम है, न कि तकनीक को सिर्फ़ तकनीक के लिए अपनाना।

निष्कर्ष

Inkling का लॉन्च उस रुझान को मज़बूत करता है जो कंपनियों के हित में है: ऐसे शक्तिशाली ओपन मॉडल जिन्हें आप अपने पास रख सकते हैं, निजी तौर पर चला सकते हैं, और अपने डेटा पर कस्टमाइज़ कर सकते हैं। यह हर मामले के लिए सबसे उपयुक्त विकल्प नहीं है, लेकिन यह निजी, नियंत्रित लागत वाले और किसी एक विक्रेता से स्वतंत्र AI की ओर एक वास्तविक दरवाज़ा खोलता है — जो उन कई सऊदी संगठनों के अनुकूल है जो अपना डेटा छोड़े बिना AI का लाभ उठाना चाहते हैं।

स्रोत

  • Thinking Machines Lab — Inkling की आधिकारिक घोषणा: https://thinkingmachines.ai/news/introducing-inkling/
  • Hugging Face — Inkling मॉडल पेज और वेट: https://huggingface.co/blog/thinkingmachines-inkling
  • लॉन्च कवरेज (15 जुलाई 2026): TechCrunch और Axios। आँकड़े और विनिर्देश प्रकाशन की तारीख़ तक आधिकारिक स्रोतों में बताए गए अनुसार हैं।