ArtikelThinking Machines LabAnkündigung
Entwickler und Unternehmen erhalten mit Inkling ein anpassbares Open-Weights-Fundament mit großem Kontext und nativer Multimodalität. Über die integrierte Tinker-Plattform soll das Fine-Tuning und iterative Anpassen an spezifische Workflows deutlich einfacher werden.
Thinking Machines Lab positioniert Inkling nicht als absolut stärkstes Modell im Vergleich zu proprietären Systemen wie Claude Sonnet 5 oder GPT-5.6 Sol, sondern als ausgewogene Basis für domänenspezifische Spezialisierung. Die Demonstration, bei der das Modell seine eigene Feinabstimmung in OpenCode orchestrierte, rückt agentische Tool-Nutzung und automatisierte Modelliteration in den Mittelpunkt.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Artikel:Thinking Machines Lab
Thinking Machines Lab hat Inkling-Small vorgestellt, ein multimodales Open-Weights-Modell mit Mixture-of-Experts-Architektur (276 Mrd. Gesamtparameter, 12 Mrd. aktiv), das trotz geringerer Größe bei vielen Aufgaben mit dem größeren Inkling konkurriert.
Repository:inclusionAI/Ling
InclusionAI stellt mit Ling eine Open-Source-Modellfamilie auf Basis einer Mixture-of-Experts-Architektur (MoE) bereit. Die Modelle erscheinen in zwei Größen: Ling-lite (16,8 Milliarden Gesamtparameter, 2,75 Milliarden aktivierte Parameter) und Ling-plus (290 Milliarden Gesamtparameter, 28,8 Milliarden aktivierte Parameter).
267SternePython
Link:Poolside
Poolside hat Laguna-S-2.1 veröffentlicht, ein Mixture-of-Experts-Sprachmodell mit 118 Milliarden Gesamtparametern und rund 8 Milliarden aktiven Parametern pro Token. Das Modell ist speziell auf Softwareentwicklung und langlebige Agenten-Workflows ausgelegt und steht unter der permissiven OpenMDW-1.1-Lizenz bereit.
Link:ornith-ai
ornith-ai hat das multimodale Mixture-of-Experts-Modell Ornith-1.5-397B unter MIT-Lizenz veröffentlicht. Das 397 Milliarden Parameter schwere Modell setzt auf kontinuierliche Selbstverbesserung und erzielt in Programmier- und Reasoning-Benchmarks Ergebnisse auf dem Niveau führender proprietärer Modelle.
Artikel:Nikita Pavlichenko
JetBrains hat Mellum2 vorgestellt, ein von Grund auf trainiertes Mixture-of-Experts-Modell mit insgesamt 12 Milliarden Parametern. Das Modell aktiviert pro Token lediglich 2,5 Milliarden Parameter, läuft unter der Apache-2.0-Lizenz und zielt auf latenzkritische Aufgaben in Entwicklungs- und KI-Pipelines ab.
Repository:studio-dots-ai/dots3-note-prev
Dots Studio hat mit dots3-note preview das erste Open-Weight-Modell der dots3-Reihe veröffentlicht. Die Mixture-of-Experts-Architektur kombiniert 280 Milliarden Gesamtparameter mit 16 Milliarden aktivierten Parametern und unterstützt multimodale Eingaben sowie bis zu 512.000 Kontext-Token.
123Sterne
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
