Thinking Machines veröffentlichte am 15. Juli 2026 Inkling: einen Mixture-of-Experts-Transformer mit 975 Milliarden Parametern, davon 41 Milliarden aktiv, 1-Million-Token-Kontextfenster, trainiert auf 45 Billionen Token aus Text, Bildern, Audio und Video. Open Weights, dazu eine leichtere Inkling-Small-Vorschau mit 12 Milliarden aktiven Parametern. Wie WIRED berichtete, war das Labor deutlich: Das ist nicht das stärkste verfügbare Modell — es soll eine gute Basis sein. Diese Unterscheidung ist die ganze Geschichte für ein Architekturbüro.

Topologie statt Ranking

Reduziere die Ankündigung auf ihren Abhängigkeitsgraph: drei Kanten zählen. Erste: aktive Parameter. 41 Milliarden von 975 Milliarden feuern pro Token — Inferenzkosten folgen der kleinen Zahl, Fähigkeit der grossen. Zweite: der Encoder-freie Multimodal-Weg. Audio kommt als dMel-Spektrogramme (Bai et al., 2024), Bilder als 40×40-Pixel-Patches durch ein vierschichtiges hMLP (Touvron et al., 2022) — beide direkt in denselben Token-Stream wie Text. Keine angeschraubte Vision-Tower. Dritte: steuerbarer Denk-Aufwand. Thinking Machines berichtet: Inkling braucht ein Drittel der Token von Nemotron 3 Ultra bei gleicher Leistung auf Terminal Bench 2.1.

Das ist die Kante, die Büros unterschätzen. Kosten und Latenz sind die Bindungszwänge bei jedem Workflow, den du zehntausendmal läufst — nicht der Peak-Benchmark-Score. Ein Modell, das du für Clash-Triage herunterregeln und für Ausschreibungsklauseln hochregeln kannst, ist ein anderes Infrastruktur-Objekt als ein Eins-Tempo-Modell.

Wo der Stau wirklich entsteht

Die Multimodal-Behauptung ist der Teil mit echter AEC-Oberfläche, und sie kommt mit Zahlen. Auf Charxiv RQ — Chart- und Diagramm-Reasoning — scored Inkling 78,1 %, steigt auf 82,0 % mit Python-Werkzeug zum Zoomen und Zuschneiden, gegen 80,2 % für das geschlossene Gemini 3.1 Pro. Auf MMMU Pro erreicht es 73,5 %. Charts, Diagramme und mathematisches visuelles Reasoning sind genau die Form eines Schnitts, eines Bauleitung-Fotos, einer Vor-Ort-Sprachmemo.

Aber Encoder-freies Patch-Pipeline-Reasoning über eine gescannte Zeichnung ist nicht dieselbe Operation wie Attention über einen IFC-Element-Graphen — wie unser Konzept-Panel zu Attention ausführt, der Operator ist identisch, die Token nicht. Füttere es Geometrie als Geometrie und du erhältst Struktur; ein JPEG der Geometrie gibt plausible Beschreibung. Bedenke, welches du gebaut hast.

Die Kalibrierungs-Arbeit ist der ruhigere Gewinn. Thinking Machines trainierte Inkling mit Reinforcement Learning gegen korrekte Scoring-Regeln und Abstentions-bewusste Rewards, berichtet 61,1 ± 0,79 auf dem ForecastBench Brier Index ohne Suche — Niveau mit Gemini 3.1 Pro, über Claude Opus 4.8 bei 54,6. Ein Modell, das «Ich weiss nicht» zu einem Brandschutz-Detail sagt, ist auf einer Bauleitung mehr wert als eines, das fliessend halluziniert.

Das ehrliche Risiko: eine Open-Weights-Basis, die du feinjustierst, musst du jetzt unterhalten. Gewichte veralten, dein Eval-Set verfault, die Person, die trainiert hat, geht weg. Das ist eine dauerhafte Abhängigkeit, nicht ein kostenloses Mittagessen.

←HEUTE: Open Weights bei 975 Milliarden brauchen einen GPU-Cluster; niemand feinjustiert das auf dem Büro-Rechner.
→3012: Die Büros, die überlebten, besassen ihre Modell-Gewichte wie einst ihre Detail-Bibliothek.
Fulcrum: Fähigkeit mieten ist billig, bis der Anbieter den Endpoint deprecated, von dem dein BEP abhängt — Besitz ist eine Resilienz-Entscheidung, keine Kosten-Entscheidung.

Die Abhängigkeit, die du noch nicht siehst

Ich verbrachte dreizehn Jahre damit, Abhängigkeitsgraphen für Systeme zu zeichnen, die bis zum Kühlungsausfall als resilient erklärt wurden. Das Muster wiederholt sich in Software-Beschaffung: Teams kartieren das Architektur-Diagramm, das die Absicht zeigt, und überspringen den Abhängigkeitsgraph, der die Realität zeigt. Wenn ein einzelner Vendor-Endpoint unter deiner Modellprüfung, Spezifikations-Erstellung und Kunden-Korrespondenz sitzt, hast du einen Ausfallpunkt, der drei Kostüme trägt. Open Weights sind eine Weise, diese Kante zu schneiden. So auch, den Korpus zu behalten.

Weil der interessante Move hier nicht ist, ein 975-Milliarden-Modell herunterzuladen. Es ist zu bemerken, dass Thinking Machines Inkling seinen eigenen Fine-Tuning-Job auf Tinker schreiben und ausführen liess, und dass es 40 Iterationen von Review-Feedback von GPT Codex auf einem einzelnen Artefakt durchhielt. Fähigkeit verdichtet sich auf der Trainings-Seite, was bedeutet, dass die knappe Ressource sich von Modell-Zugang zu sauberen, gelabelten, domänenspezifischen Daten verschiebt. Architektur-Büros sitzen auf Jahrzehnten davon — schlecht abgelegt.

Also ordnen. JSONL heute starten.

Atelier: Die Büro-Frage 2026 ist nicht «welches Modell», sondern «welche unserer Aufgaben sind stabil genug, um feinjustiert zu werden». Wiederholte, gut spezifizierte, hochvolumige Arbeit — Raumplan-Normalisierung, LOIN-Compliance-Checks, Einreichungs-Sichtung — ist Fine-Tune-Gebiet. Einmalige Design-Urteile nicht. Montag-Move: Wähle deine einzige höchstvolumige wiederholte Text-Aufgabe, exportiere 200 echte vergangene Beispiele mit ihren korrekten Ausgaben, und leg sie in eine JSONL-Datei. Dieser Korpus, nicht das Modell, ist das Kapital — und du kannst es aufbauen, bevor du dich für einen Anbieter entscheidest.

Hack: Verwandle die Entscheidungen deines Büros in einen Fine-Tuning-Korpus, den du wirklich besitzt. Nimm eine Tabelle vergangener Inputs und genehmigter Outputs und gib das Chat-Format-JSONL aus, das Tinker, HuggingFace TRL und jeder andere Trainer frisst:

import json, csv
with open("room_schedule_fixes.csv") as f, open("train.jsonl","w") as out:
    for r in csv.DictReader(f):
        msgs=[{"role":"user","content":r["raw"]},{"role":"assistant","content":r["approved"]}]
        out.write(json.dumps({"messages":msgs})+"n")

Führe es aus, dann lies zehn zufällige Zeilen zurück. Wenn die genehmigt-Spalte inkonsistent ist, hast du ein Dokumentations-Problem gefunden, kein Modell-Problem — und das ist mehr wert als der ganze Trainings-Lauf.

Quellen und weitere Lektüre

• Primär: Thinking Machines — Introducing Inkling
• Vertiefend: WIRED — Thinking Machines Lab Drops Its First Model