元OpenAI CTOが975B AIモデル「Inkling」をApache 2.0で無償公開——ファインチューニング自由化
元OpenAI CTOのMira Muratiが創業したThinking Machines Labが、975BパラメータのMoE型オープンウェイトモデル「Inkling」をApache 2.0ライセンスで公開した。商用利用・ファインチューニングを自由に行える。
目次
Inklingで何が変わるのか——自社データで動くAIが現実的な選択肢になった
これまでオープンウェイトモデルのファインチューニング（以下FT）は、「総パラメータ数が多い＝推論コストが高い」という壁に阻まれてきた。Inklingが採用するMoE（Mixture of Experts）構造はこの常識を変える。総パラメータは975Bだが、推論時に動くアクティブパラメータは約41Bに絞られる。大型モデル並みの表現力を持ちながら、実際の推論負荷は中型モデルに近い設計だ。
加えて、Apache 2.0ライセンスにより商用利用・再配布・FTが無制限に許可されている。クラウドAPIの利用規約の制約を受けず、自社の顧客対応ログ・業務マニュアル・社内ナレッジで独自にFTできる。大規模GPU投資を必要とするモデルの独自開発と比べ、現実的なコストで「自社専用モデル」の構築に踏み出せる点が最大の変化だ。
なぜ「オープンウェイト」で公開するのか——Thinking Machinesの戦略的背景
Thinking Machines Labは「汎用で最強のモデルを作る」路線を取っていない。同社は「現時点でオープン・クローズドを問わず最も総合的に強いモデルではない」と自ら認めている（筆者意訳：TechCrunch原文より）。狙いは別にある——一律のAPIで全員に同じ能力を提供するのではなく、組織固有のデータとニーズに合わせてカスタマイズされる「個別最適なAI」の実現だ。
学習データは45兆トークン、テキスト・画像・音声・動画の4形式に対応したマルチモーダル設計は、幅広い業務データを学習素材に使えることを意味する。オープンウェイトでの公開はそのカスタマイズ戦略の核心であり、単なるコミュニティ貢献ではなく「FTされてこそ真価を発揮するモデル」というポジションを取った意思決定だ。コード生成においてはNvidia Nemotron 3 Ultraと比較して「3分の1のトークン使用量で同等の成果」という結果も報告されており、効率面での競争力も備える。
中小企業はどう使えるか——顧客対応ログ・業務マニュアルをFTの材料に
業務上の正解データを持つ中小企業こそ、Inklingのようなオープンウェイトモデルの恩恵を受けやすい。具体的なユースケースを挙げると、たとえば顧客対応ログ（問い合わせ内容と担当者の回答履歴）・製品マニュアル・社内規定文書をFTデータとして整備し、「自社の文体と知識で回答するサポートAI」を構築するといった活用が考えられる。
コスト面では、クラウドAPI型の比較対象として月額数万〜数十万円のAPIコストがかかるのに対し、オープンウェイトモデルをFTして自社サーバーや安価なクラウドGPUで動かすことで、ランニングコストを固定費化できる可能性がある。Apache 2.0ライセンスのため出力結果を商用サービスに組み込むことも制限なく行えるため、自社サービスへの埋め込みを検討する企業には選択肢として加える価値がある。
現時点の制限——出力はテキストのみ、同社も「最強ではない」と認める
Inklingは4形式のマルチモーダル入力に対応しているが、現時点の出力はテキストのみに限られる。画像や音声の生成を期待する用途には対応していない。
また、前述のとおり同社は「現時点で最も総合的に強いモデルではない」と明言している。GPT-4oやClaude Sonnetなどのクローズドモデルと全面的に性能を競う意図は持っておらず、特定業務への特化とFTによる精度向上を狙う用途での評価が適切だ。実運用への投資判断に際しては、自社の業務データ量とFTの体制整備コストを合わせて試算することを推奨する。
出典: TechCrunch「Thinking Machines amps up its bet against one-size-fits-all AI with its first open model, Inkling」（2026年7月15日）
