Inkling Small scoort bijna even hoog als zijn grote broer

TL;DR

• Wat: Thinking Machines brengt Inkling Small uit — een AI-model met 12 miljard actieve parameters dat bijna even goed scoort als het drie keer zo grote vlaggenschip Inkling.
• Waarom relevant: Kleinere modellen die net zo goed presteren, betekenen lagere kosten en snellere reacties — precies wat je als ondernemer wilt bij AI-toepassingen.
• Wat je ermee kunt: Bekijk of Inkling Small (open weights, Apache 2.0-licentie) past in je huidige of geplande AI-workflow, vooral als kosten en snelheid nu een drempel vormen.

Ik viel vandaag over een bericht van Artificial Analysis op X: Inkling Small, het tweede model van Thinking Machines, scoort 40 op hun Intelligence Index. Het vlaggenschip Inkling scoort 41. Het verschil? Inkling Small gebruikt minder dan een derde van de parameters. Dat vind ik opmerkelijk genoeg om er even bij stil te staan.

Wat is Thinking Machines en waar komt Inkling vandaan?

Thinking Machines Lab is het bedrijf van Mira Murati, de voormalige CTO van OpenAI. Ze richtte het in februari 2025 op als een zogeheten public benefit corporation — een Amerikaanse bedrijfsvorm waarbij maatschappelijk nut in de statuten zit. Het founding team bestaat uit meerdere voormalige OpenAI-medewerkers, waaronder John Schulman als Chief Scientist en Barret Zoph als CTO.

Het bedrijf haalde bij de oprichting 2 miljard dollar seedfinanciering op, naar verluidt de grootste seedronde ooit in de AI-sector. De kernvisie: AI moet dichter bij de gebruiker staan, niet verder weg. Dat vertaalt zich in open-weights modellen die bedrijven zelf kunnen aanpassen.

Op 15 juli 2026 verscheen het eerste model: Inkling. Een groot multimodaal model met 975 miljard totale parameters, waarvan er 41 miljard tegelijk actief zijn — een zogeheten Mixture-of-Experts-architectuur. Denk aan een kantoor met 975 specialisten, maar bij elke vraag staan er 41 op om te helpen. De rest blijft zitten. Dat houdt de rekenkracht beheersbaar.

Twee weken later, op 30 juli, verschijnt nu Inkling Small.

Wat maakt Inkling Small opvallend?

Inkling Small heeft 276 miljard totale parameters, waarvan 12 miljard actief. Dat is minder dan een derde van het grote model. Toch scoort het 40 op de Artificial Analysis Intelligence Index — slechts één punt onder Inkling's 41.

De Intelligence Index van Artificial Analysis is een samengestelde benchmark die modellen beoordeelt op redeneren, kennis, wiskunde en codering. Geen enkel getal vertelt het hele verhaal, maar het geeft een bruikbare vergelijkingsbasis.

Wat ik interessant vind: op sommige taken scoort Inkling Small zelfs beter dan het grote model. Volgens de officiële modelkaart haalt Inkling Small een score van 80,2% op SWE-Bench Verified (een codering-benchmark) en 89,5% op GPQA Diamond (een redeneerbenchmark). Op instructieopvolging — IFBench — scoort het 83,4% tegenover 79,8% voor het grotere model.

Het grote model houdt wél een voorsprong op kennisdekking en feitelijke nauwkeurigheid. Dat is logisch: meer parameters betekent meer ruimte om feiten op te slaan.

De prijsvraag

En dan de kosten. Inkling Small kost $1,20 per miljoen output-tokens via de API. Het grote model kost $4,05. Dat is ruim drie keer zo duur. Voor een ondernemer die AI inzet voor klantcommunicatie, documentverwerking of interne tooling is dat een relevant verschil. Stel dat je als ondernemer dagelijks duizenden klantvragen laat verwerken — dan tikt dat verschil behoorlijk aan op je maandelijkse rekening.

Wat betekent deze trend voor ondernemers?

Inkling Small past in een breder patroon dat ik al een tijdje volg: kleinere modellen worden steeds capabeler. We zagen het eerder bij andere aanbieders. De tijd dat je per definitie het grootste, duurste model nodig had voor goede resultaten, lijkt voorbij.

Wat mij betreft is dat goed nieuws voor het MKB. Het betekent namelijk drie dingen:

1. Lagere instapkosten

Als een model met 12 miljard actieve parameters vergelijkbaar presteert met een model van 41 miljard, dan kun je met minder rekenkracht — en dus minder budget — aan de slag. Niet elk bedrijf heeft de infrastructuur of het budget voor de grootste modellen. Inkling Small draait op aanzienlijk bescheidenere hardware.

2. Snellere reactietijden

Kleinere modellen zijn per definitie sneller. In toepassingen waar snelheid ertoe doet — denk aan een chatbot op je website, of een tool die offertes samenstelt — kan dat het verschil maken tussen een bruikbare en een frustrerende ervaring.

3. Finetuning wordt toegankelijker

Inkling Small is vrijgegeven onder een Apache 2.0-licentie. Dat betekent dat je het model mag aanpassen aan je eigen data en bedrijfsprocessen, zonder licentiekosten. Thinking Machines biedt hiervoor ook een eigen tool aan — Tinker — waarmee je het model kunt finetunen. Kun je je voorstellen wat dit betekent als je een gespecialiseerd bedrijf hebt? Een juridisch adviesbureau, een e-commercebedrijf met specifieke productvragen, een technisch installatiebedrijf — je zou het model kunnen trainen op jouw specifieke domeinkennis.

Wat zijn de kanttekeningen?

Ik wil hier eerlijk zijn: benchmarkscores zijn nuttig, maar ze vertellen niet alles. Een model dat goed scoort op een gestandaardiseerde test hoeft niet per se goed te presteren op jouw specifieke bedrijfstaak.

Daarnaast is Thinking Machines een jong bedrijf. Het eerste model verscheen twee weken geleden, het tweede vandaag. Er is nog geen langetermijntrack record. Hoe stabiel is de ondersteuning? Hoe snel worden updates geleverd? Hoe gaat het bedrijf om met beveiligingsproblemen? Dat zijn vragen die je als ondernemer wilt beantwoorden voordat je er een bedrijfskritisch proces op bouwt.

Ook het verschil in feitelijke nauwkeurigheid tussen Inkling en Inkling Small is iets om in de gaten te houden. Als jouw toepassing draait om correcte feiten — juridische documenten, medische informatie, financiële rapportages — dan is dat verschil mogelijk relevanter dan de benchmarkscores suggereren.

Een groeiende markt van keuzes

Wat mij opvalt is hoe snel het landschap van open-weights modellen zich ontwikkelt. Inkling Small concurreert nu direct met modellen als Googles Gemma en NVIDIA's Nemotron. De Intelligence Index plaatst Inkling (41) boven Nemotron 3 Ultra (38) en Gemma 4 31B (29). Inkling Small zit met zijn 40 daar vlak onder het vlaggenschip.

Voor ondernemers betekent dit meer keuze. En meer keuze betekent doorgaans betere prijzen en betere producten. Maar het betekent ook dat de beslissing complexer wordt. Welk model past bij jouw use case? Welke aanbieder biedt de ondersteuning die je nodig hebt?

Ik denk dat het voor de meeste MKB-ondernemers verstandig is om niet per se het nieuwste model te kiezen, maar het model dat het beste past bij je specifieke toepassing, budget en technische capaciteit. Inkling Small is daarbij zeker het bekijken waard — niet omdat het het nieuwste is, maar omdat het laat zien dat je met minder middelen steeds meer kunt doen.

Voor mij is dit vooral een signaal dat de toegangsdrempel tot krachtige AI voor ondernemers blijft dalen. En dat is, los van welk model je uiteindelijk kiest, een ontwikkeling die ertoe doet.