Inkling
Open-weights debut Thinking Machines — fleksibel, bisa di-host sendiri
Editorial Wawasan AI · Diperbarui 24 Juli 2026
Model open-weights pertama dari Thinking Machines, lab AI yang didirikan oleh Mira Murati setelah hengkang dari OpenAI. Intelligence index 40,7 dan coding index 52,1 (sumber: Artificial Analysis) menempatkannya di papan atas kelas menengah atas — dan yang menarik adalah arsitekturnya: dirancang agar bisa di-host sendiri dengan biaya inference jauh di bawah frontier proprietary.
Skor Rinci
Kelebihan
- +Open-weights — bisa di-download dan di-host sendiri, tanpa bergantung pada vendor
- +Coding index 52,1 (sumber: Artificial Analysis) di atas rata-rata industri untuk kelas menengah
- +Harga referensi API $1,87 per 1 juta token input dan $4,68 per 1 juta token output — kompetitif untuk kualitas yang ditawarkan
- +Didukung lab dengan rekam jejak kuat (tim ex-OpenAI) — rilis-riset arsitektur terbuka
Kekurangan
- −Intelligence index 40,7 (sumber: Artificial Analysis) masih di bawah frontier AR (Claude Opus 4.5 43,1, GPT-5 44,6, Gemini 3 57,2) — bukan model penalaran kelas atas
- −Self-hosting butuh investasi infrastruktur GPU — TCO nyata tidak selalu lebih murah dari API frontier
- −Komunitas dan tooling pihak ketiga masih sangat baru — sedikit integrasi siap pakai dibanding model proprietary besar
- −Dokumentasi dan benchmark publik masih berkembang — perlu eksplorasi sendiri untuk menilai kekuatan penuh
Ulasan Lengkap
Thinking Machines resmi merilis Inkling sebagai open-weights model pertama mereka — sebuah langkah yang sudah lama dinanti komunitas AI sejak lab ini didirikan tahun 2024. Intelligence index 40,7 dan coding index 52,1 (sumber: Artificial Analysis) menempatkan Inkling di papan atas kelas menengah: di atas model open-weight lain yang lebih kecil, tapi belum menyamai frontier proprietary seperti Claude Opus 4.5 atau GPT-5 untuk tugas penalaran terberat.
Yang membedakan Inkling dari rilis open-weight lain adalah arsitekturnya yang dirancang untuk deployment fleksibel. Banyak model open-weight mengorbankan biaya inference untuk menjaga bobot yang bisa di-download; Inkling mendekati kompromi yang lebih seimbang, dan pada benchmark AA kecepatan throughput 56,5 token per detik masih dalam kisaran yang sehat untuk workload batch maupun interaktif. (Sumber: Artificial Analysis.)
Untuk pembaca Indonesia, model ini relevan terutama bagi tim teknis yang ingin hosting sendiri karena alasan kepatuhan data, atau bagi developer yang bereksperimen dengan fine-tuning tanpa terikat kontrak vendor. Untuk pemakaian umum, API-nya yang dipatok $1,87 per 1 juta token input adalah angka yang sangat masuk akal dibanding frontier proprietary. Layak dicoba, terutama untuk workflow coding dan otomasi internal.
Verdict
Inkling menarik untuk tim yang mengutamakan kontrol data dan kustomisasi model. Untuk pemakaian sehari-hari di Indonesia, API-nya cukup kompetitif, tapi untuk penalaran berat frontier proprietary masih unggul.