Inkling van Thinking Machines: open-weight model voor enterprise-gebruik nu beschikbaar

Thinking Machines Lab heeft Inkling uitgebracht, een open-weight Mixture-of-Experts model gericht op productieteams die rendement willen zien op hun AI-investeringen. Het model staat niet aan de absolute top van de benchmarks, maar dat is een bewuste keuze. Het draait op gewone enterprise-hardware, heeft een instelbare redeneerinspanning en kost een fractie van wat gesloten API's vragen.

De release valt onder Apache 2.0-licentie, waardoor je het commercieel kunt inzetten zonder beperkingen. Inkling is vanaf dag één compatibel met de gangbare inference engines en integreert nauw met het fine-tuning platform van Thinking Machines zelf.

Dit sluit aan op een bredere verschuiving in het veld. Teams sturen niet langer automatisch alles naar het duurste frontiermodel, maar kiezen per taaktype het meest kostenefficiënte model. Inkling is ontworpen om die routinetaken, zo'n 80 tot 90 procent van het werkvolume, efficiënt af te handelen. Dat verlaagt de tokenkosten en vermindert de afhankelijkheid van één leverancier.

Noot: eerdere nieuwsbrieven bespraken al het eerste model van Thinking Machines en de bijbehorende fine-tune SDK. Dit item voegt de concrete beschikbaarheid en licentiedetails toe die nu pas bevestigd zijn.

alphasignal

Wells Fargo verwerkte 245 miljoen AI-interacties zonder klantdata bloot te stellen

De interne AI-assistent van Wells Fargo heeft in 2024 meer dan 245,4 miljoen klantinteracties afgehandeld, meer dan het dubbele van wat de bank zelf had verwacht. Wat het systeem onderscheidt, is de architectuur: ruwe klantdata raakt het onderliggende AI-model nooit aan. Daardoor kan de bank snelheid en privacy combineren, twee zaken die in financiële dienstverlening normaal gesproken botsen.

Voor organisaties met meerdere divisies is de governance-aanpak misschien nog interessanter dan de cijfers. In plaats van vier aparte AI-strategieën heeft Wells Fargo één gedeelde governance-architectuur gebouwd waar alle business lines op aansluiten. Dat voorkomt de wildgroei aan tools en leveranciers die anders bijna onvermijdelijk ontstaat.

De kanttekening: een bank met 205.000 medewerkers en 2,15 biljoen dollar aan activa heeft de schaal én de middelen om zo'n centraal fundament te bouwen. Voor kleinere organisaties vraagt dit om maatwerk. Maar het principe, één AI-policy die alle afdelingen volgen, is direct toepasbaar, ongeacht de omvang.

neatprompts