ओपनएआई के पूर्व प्रमुख प्रौद्योगिकी अधिकारी मुराटी द्वारा स्थापित थिंकिंग मशीन्स ने अपना पहला मॉडल Inkling लॉन्च किया, जो मिश्रित विशेषज्ञ आर्किटेक्चर का उपयोग करता है और इसके 9750 अरब पैरामीटर हैं; यह मुख्य रूप से DeepSeek-V3 आर्किटेक्चर का अनुसरण करता है और बाद के प्रशिक्षण के लिए Kimi K2.5 डेटा का उपयोग किया गया है। हालाँकि, कई बेंचमार्क परीक्षणों में, Inkling का प्रदर्शन Kimi और GLM से पिछड़ गया, लेकिन इसकी कॉलिंग की कीमत अधिक है—प्रति 100 लाख Token 1.87-4.68 डॉलर, जो Kimi की तुलना में लगभग दोगुनी है। थिंकिंग मशीन्स ने 20 अरब डॉलर की फंडिंग पूरी कर ली है और इसका मूल्यांकन 120 अरब डॉलर है। मुराटी का चयन सबसे मजबूत चीनी मॉडलों के साथ प्रतिस्पर्धा करने के बजाय, संयुक्त राज्य के उद्यमों के लिए नियामक नीति की अनिश्चितता के कारण उभरे कॉम्प्लायंस मार्केट पर केंद्रित है—एक संतोषजनक प्रदर्शन, कस्टमाइज़ेशन समर्थित, और कम सुरक्षा जोखिम वाला स्थानीय खुला मॉडल।

लेखक, स्रोत: अक्षर AI

OpenAI के पूर्व प्रमुख प्रौद्योगिकी अधिकारी मुराटी ने एक चीनी मॉडल का "महंगा विकल्प" बनाया है।

थिंकिंग मशीन्स द्वारा लॉन्च किया गया पहला मॉडल Inkling, जिसकी मिक्स्ड एक्सपर्ट आर्किटेक्चर मुख्य रूप से DeepSeek-V3 का अनुसरण करती है, और पोस्ट-ट्रेनिंग के लिए कॉल्ड स्टार्ट के रूप में Kimi K2.5 जैसे ओपन मॉडल्स द्वारा उत्पन्न डेटा का उपयोग किया गया है। हालाँकि, कई बेंचमार्क टेस्ट में, Inkling, Kimi और GLM की तुलना में पिछड़ गया है, और इसकी कॉल कीमत अधिक है।

एक ऐसी स्टार कंपनी के लिए, जिसने 20 बिलियन डॉलर का फंडिंग किया है, जिसका मूल्यांकन 120 बिलियन डॉलर है और जिसकी टीम में OpenAI के कई पूर्व कर्मचारी शामिल हैं, यह परिणाम कुछ कम उम्मीद के अनुरूप है।

लेकिन मुराती शायद शुरू से ही इंकलिंग के साथ पहला स्थान प्राप्त करने का इरादा नहीं रख रहे थे। जबकि अमेरिकी कंपनियाँ चीनी मॉडल का उपयोग करते समय अधिक अनिश्चितता का सामना कर रही हैं, एक उचित प्रदर्शन वाला, कस्टमाइज़ेशन समर्थित और अधिक कम अनुपालन जोखिम वाला स्थानीय ओपन मॉडल के लिए अपना बाजार पहले से ही मौजूद है। "गुईटी" कमजोर नहीं है, और इसे "बाजार" की चिंता नहीं है।

Murati का पहला मॉडल, यही?

7 जुलाई को स्थानीय समय के अनुसार, Thinking Machines Lab ने अपनी स्थापना के बाद पहला मॉडल Inkling जारी किया।

केवल कॉन्फ़िगरेशन को देखकर, यह मॉडल एक प्रसिद्ध AI प्रयोगशाला के लिए उपयुक्त प्रतीत होता है।

इंकलिंग एक मिश्रित विशेषज्ञ आर्किटेक्चर का उपयोग करता है, जिसमें कुल पैरामीटर्स की संख्या 9750 अरब है, और प्रत्येक टोकन के प्रोसेसिंग के दौरान 410 अरब पैरामीटर्स सक्रिय होते हैं; इसकी प्री-ट्रेनिंग 45 ट्रिलियन टोकन्स के साथ की गई है, जिसमें टेक्स्ट, इमेज, ऑडियो और वीडियो शामिल हैं, और यह 10 लाख टोकन्स तक के कॉन्टेक्स्ट का समर्थन करता है। यह पाठ, चित्र और ऑडियो को समझ सकता है और परिणाम पाठ के रूप में आउटपुट कर सकता है, साथ ही "थिंकिंग स्ट्रेंथ" को एडजस्ट करके प्रदर्शन, गति और लागत के बीच संतुलन बना सकता है।

Inkling ने मॉडल वेट्स को भी खोल दिया है, जो काफी ढीले Apache 2.0 लाइसेंस के तहत हैं। डेवलपर्स वेट्स डाउनलोड कर सकते हैं, अपने आप परिनियोजित कर सकते हैं, या Thinking Machines के तहत Tinker प्लेटफॉर्म के माध्यम से मॉडल को फाइन-ट्यून कर सकते हैं।

कंपनी ने अपने लिए स्पष्ट रूप से स्थिति निर्धारित की है: आम उपयोगकर्ताओं के लिए ChatGPT के साथ सीधी प्रतिस्पर्धा करने के बजाय, Inkling उद्योगों के लिए AI एप्लिकेशन विकसित करने की नींव के रूप में अधिक उपयुक्त है।

हालांकि, Inkling का सबसे आकर्षक हिस्सा तकनीकी रिपोर्ट के अंतिम भाग में छिपा हुआ है।

थिंकिंग मशीन्स ने मॉडल आर्किटेक्चर की जानकारी देते समय सीधे लिखा है कि Inkling का मिक्स्ड एक्सपर्ट डिज़ाइन "मुख्य रूप से DeepSeek-V3 का अनुसरण करता है"। इसने भी कई एक्सपर्ट मॉड्यूल्स सेट किए हैं, जहाँ प्रत्येक टोकन केवल कुछ ही मॉड्यूल्स को कॉल करता है, और DeepSeek-V3 के बिना सहायक हानि लोड बैलेंसिंग जैसे डिज़ाइन का भी उपयोग किया है।

चीनी मॉडल का Inkling पर प्रभाव ट्रेनिंग चरण तक फैला हुआ है।

Thinking Machines ने बताया कि प्रशिक्षण के बाद के चरण को शुरू करने के लिए, कंपनी ने ओपन वेट मॉडल द्वारा उत्पन्न संश्लेषित डेटा का उपयोग करके एक चक्र का सुपरवाइज्ड फाइन-ट्यूनिंग किया, जिसमें मून ऑफ डार्कनेस के Kimi K2.5 का स्पष्ट उल्लेख किया गया।

पूरी तकनीकी राह स्पष्ट है: एक अमेरिकी प्रयोगशाला, जिसकी स्थापना OpenAI के पूर्व मुख्य प्रौद्योगिकी अधिकारी ने की, ने अपना पहला मॉडल DeepSeek के आर्किटेक्चर का उपयोग किया और Kimi द्वारा उत्पन्न डेटा के साथ अपने प्रशिक्षण की शुरुआत की।

ओपन मॉडल का उपयोग करना स्वयं में कोई समस्या नहीं है। DeepSeek और Kimi ने अपने वेट्स को खुला किया है और डेवलपर्स को उपयोग करने की अनुमति दी है, क्योंकि वैज्ञानिक शोध और इंजीनियरिंग विकास मूल रूप से खुले परिणामों के संचय पर आधारित हैं। अधिक अजीब बात यह है कि Inkling ने चीनी मॉडल की तकनीक को अपनाने के बाद भी, इन “शिक्षकों” को पीछे नहीं छोड़ा।

थिंकिंग मशीन्स ने इसका कोई रंग नहीं बनाया। कंपनी ने प्रकाशन में सीधे स्वीकार किया: "Inkling वर्तमान में सबसे अच्छा मॉडल नहीं है, चाहे वह ओपन सोर्स मॉडल हो या प्राइवेट मॉडल।"

Thinking Machines द्वारा प्रकाशित परिणामों से,

"मानवता की अंतिम परीक्षा" पाठ्य मूल्यांकन में, इंकलिंग को 29.7% प्राप्त हुए, जबकि किमी K2.6 और GLM 5.2 क्रमशः 35.9% और 40.1% प्राप्त कर रहे हैं;

टूल जोड़ने के बाद, इंकलिंग 46% तक पहुंच गया, जो कि किमी K2.6 के 54% और GLM 5.2 के 54.7% से अभी भी कम है।

SWE-Bench Pro में, जहाँ वास्तविक सॉफ्टवेयर इंजीनियरिंग क्षमता का मूल्यांकन किया जाता है, Inkling का स्कोर 54.3% है, Kimi K2.6 का 58.6% है, और GLM 5.2 का 62.1% है;

टर्मिनल बेंच 2.1 पर अंतर अधिक स्पष्ट है, इंकलिंग केवल 63.8% है, जबकि किमी K2.6 और GLM 5.2 क्रमशः 71.3% और 82.7% तक पहुँच गए हैं।

निश्चित रूप से, इंकलिंग के अपने अपने ताकतवर पहलू भी हैं। यह वेब एप्लिकेशन डिज़ाइन, ऑडियो समझ और सुरक्षा मूल्यांकन में अच्छा प्रदर्शन करता है, और कुछ गणितीय कार्यों में यह किमी और डीपसीक को पार कर सकता है।

केवल समग्र तर्क, प्रोग्रामिंग और एजेंट क्षमताओं के आधार पर, यह वर्तमान में खुले मॉडल की प्रथम पंक्ति में शामिल नहीं किया जा सकता है।

प्रदर्शन सबसे आगे नहीं बढ़ा, और कीमत ने भी कोई आश्चर्य नहीं दिया।

Tinker प्लेटफॉर्म पर, 64K संस्करण के लिए प्रति 10 लाख Prefill Token 1.87 डॉलर और प्रति 10 लाख Sample Token 4.68 डॉलर शुल्क लिया जाता है। पहला लगभग इनपुट लागत के रूप में समझा जा सकता है, जबकि दूसरा उत्पादन लागत के करीब है, और यह पहले से ही "सीमित समय के लिए 50% छूट" है। 256K संस्करण की कीमतें अधिक हैं, क्रमशः 3.74 डॉलर और 9.36 डॉलर।

तुलना के लिए, Kimi K2.6 की आधिकारिक API में प्रति 100 लाख इनपुट और आउटपुट टोकन क्रमशः 0.95 डॉलर और 4 डॉलर शुल्क है, जबकि GLM5.2 के लिए यह क्रमशः 1.4 डॉलर और 4.4 डॉलर है।

Tinker एक साथ प्रशिक्षण और नमूना सेवाएँ प्रदान करता है, जो सामान्य मॉडल API के बिलिंग मापदंड से पूरी तरह से अलग हैं। हालाँकि, उपरोक्त मूल्यों के अनुसार लगभग तुलना करने पर, Inkling की प्री-फिलिंग की कीमत Kimi K2.6 की लगभग दोगुनी है, और उत्पादन की कीमत भी Kimi K2.6 और GLM5.2 से अधिक है, जिससे अभी तक कोई मूल्य लाभ नहीं दिखता।

इसलिए, Thinking Machines का पहला मॉडल एक कुछ सूक्ष्म स्थिति प्रस्तुत करता है: आर्किटेक्चर DeepSeek का संदर्भ लेता है, बाद के प्रशिक्षण के लिए Kimi का सहारा लेता है, और समग्र प्रदर्शन चीन के शीर्ष खुले मॉडल से अधिक नहीं है, लेकिन उपयोग की कीमत अधिक महंगी है।

Murati's Choice

मुराती और थिंकिंग मशीन्स के पृष्ठभूमि को ध्यान में रखते हुए, ऐसा चयन और भी अधिक दिलचस्प हो जाता है।

अगर Inkling एक सामान्य AI स्टार्टअप से आता, जो DeepSeek का उपयोग करता और Kimi द्वारा प्रशिक्षित होता, तो शायद इतना रोचक नहीं होता। लेकिन यह विशेष रूप से Thinking Machines से आता है—एक ऐसी कंपनी जिसे लगभग "OpenAI एल्मनी" कहा जा सकता है।

फरवरी 2025 में, थिंकिंग मशीन्स के आधिकारिक लॉन्च के समय, टीम में केवल लगभग 30 लोग थे, जिनमें से लगभग दो-तिहाई OpenAI से आए थे, और शेष सदस्य मुख्य रूप से Meta और Mistral से थे।

मूल टीम में OpenAI के सह-संस्थापक John Schulman, OpenAI के पूर्व अनुसंधान उपाध्यक्ष Barret Zoph, और Lilian Weng, Andrew Tulloch और Luke Metz जैसे शोधकर्ता शामिल थे।

इन लोगों ने क्रमशः OpenAI के रीइनफोर्समेंट लर्निंग, पोस्ट-ट्रेनिंग, प्री-ट्रेनिंग, सुरक्षा और इन्फरेंस शोध में भाग लिया है। तब रॉयटर्स ने सीधे ही वर्णन किया कि मुराटी ने अपने पूर्व नियोक्ता से कम से कम 20 शोधकर्ताओं को निकाल लिया।

इस ओपनएआई के स्नातकों के समूह के बीच खड़ी मुराटी, निश्चित रूप से सबसे विशेष है।

उसने 2018 में OpenAI में शामिल होना शुरू किया, जहां उसने DALL-E, Codex, ChatGPT और Sora जैसे उत्पादों में भाग लिया, और 2022 में प्रमुख प्रौद्योगिकी अधिकारी बन गईं, जिसमें अनुसंधान, मॉडल प्रशिक्षण, सुरक्षा और उत्पाद लॉन्च को समन्वित करना शामिल है।

2023 नवंबर में, OpenAI के बोर्ड द्वारा सैम आल्टमैन को अचानक हटाए जाने के बाद, मुराटी ने अस्थायी सीईओ के रूप में भी कार्य किया। उनकी भूमिका तकनीक और उत्पादों के प्रमुख प्रबंधक के समान थी, जिससे उन्हें OpenAI के मॉडल विकास प्रक्रिया और उत्पादन पथ की पूरी समझ थी।

दूसरे शब्दों में, थिंकिंग मशीन्स की स्थापना से ही इसके पास OpenAI का अनुभव नहीं कम था।

मुराती और उनकी टीम जानती हैं कि एक शीर्ष बंद स्रोत प्रयोगशाला कैसे मॉडल विकसित करती है, और उन्होंने ChatGPT को शोध के परिणाम से वैश्विक उत्पाद में बदलने की प्रक्रिया का साक्षी भी बना है। जब यह टीम OpenAI छोड़कर अपनी तकनीकी प्रणाली को शून्य से बनाने लगी, तो बाहरी लोग स्वाभाविक रूप से उम्मीद करते थे कि वे OpenAI के निशान वाला रास्ता अपनाएंगे।

परिणामस्वरूप, इंकलिंग का सबसे स्पष्ट तकनीकी स्रोत चीन की ओर इशारा करता है। इसे एक नाटकीय संकेत के रूप में आसानी से समझा जा सकता है—OpenAI को सबसे अच्छी तरह से जानने वाले लोग OpenAI छोड़कर अंततः चीनी मॉडल के तकनीकी ब्लूप्रिंट का चयन करते हैं।

हालांकि, इस निष्कर्ष को अलग-अलग देखने की आवश्यकता है।

पिछले कुछ वर्षों में OpenAI के सभी अग्रणी मॉडल्स बंद स्रोत रणनीति का उपयोग कर रहे हैं, जिससे बाहरी लोगों को मॉडल वेट्स तक पहुँच नहीं है, और न ही पूर्ण आर्किटेक्चर, ट्रेनिंग डेटा और पोस्ट-ट्रेनिंग समाधान के बारे में जानकारी है। भले ही मुराटी OpenAI की आंतरिक तकनीक से परिचित हों, वे अपने पूर्व नियोक्ता के व्यावसायिक रहस्यों को सीधे अपनी नई कंपनी में शामिल नहीं कर सकतीं। दूसरी ओर, DeepSeek और Kimi ने वेट्स या तकनीकी रिपोर्ट्स प्रकाशित की हैं, जिससे आर्किटेक्चर, ट्रेनिंग विधियाँ और टूलचेन कानूनी रूप से अध्ययन और पुनःउपयोग किए जा सकते हैं।

इंकलिंग खुद एक ओपन वेट मॉडल है। एक ऐसी कंपनी के लिए जो ओपन मॉडल इकोसिस्टम बनाना चाहती है, डीपसीक, किमी आदि ओपन मॉडल्स से परिपक्व समाधानों को अपनाना एक स्वाभाविक इंजीनियरिंग चयन है।

आज एक ओपन मॉडल विकसित करना, जो चीनी टीम द्वारा पहले ही सार्वजनिक किए गए परिणामों से पूरी तरह से बचे, उच्चतर ट्रायल-एंड-एरर लागत का कारण बनता है।

इसलिए, इंकलिंग का चीनी मॉडल का अनुकरण करना, मुराटी के द्वारा DeepSeek की तकनीक के OpenAI की तुलना में समग्र रूप से अग्रणी होने का सीधा सबूत नहीं है। दोनों की खुलासे की स्थिति अलग है और अनुकरण के लिए उपलब्ध परिस्थितियाँ भी पूरी तरह से अलग हैं।

लेकिन यह एक स्पष्ट संकेत भी देता है कि कम से कम ओपन वेट्स क्षेत्र में, चीनी मॉडल अब अमेरिकी AI टीमों के लिए एक महत्वपूर्ण संदर्भ बन गए हैं।

इसलिए, चीनी मॉडल को अपनाना आसानी से समझा जा सकता है। वास्तविक प्रश्न यह है कि: थिंकिंग मशीन्स ने पहले से उपलब्ध आर्किटेक्चर और प्रशिक्षण के अनुभव को अपनाया, फिर भी Inkling का प्रदर्शन कमजोर और कीमत अधिक क्यों हुआ?

मुराती के पास शीर्ष टीम, पर्याप्त धन और न्वीडिया का सबसे नवीनतम प्रशिक्षण सिस्टम है। उसके लिए Inkling और चीनी मॉडल के बीच प्रदर्शन और कीमत के अंतर को न देखने का कोई कारण नहीं है।

इसलिए, "महंगा विकल्प" शायद एक गणना के आधार पर चुना गया विकल्प है।

"सामान्य" काफी है

Thinking Machines को मिले व्यवहार के आधार पर, Inkling को सिर्फ एक "पर्याप्त" मॉडल होना चाहिए था।

2025 जुलाई में, कंपनी ने अभी तक कोई उत्पाद लॉन्च नहीं किया था, लेकिन 20 बिलियन डॉलर के सीड फंडिंग राउंड को पूरा कर लिया, जिससे इसका आकलन 120 बिलियन डॉलर हो गया, जिसमें एंडरसन होलोविट्ज़, एनविडिया, AMD और जैन स्ट्रीट जैसे निवेशक शामिल थे। चार महीने बाद, थिंकिंग मशीन्स के बारे में एक नई फंडिंग बातचीत की खबर सामने आई, जिसका लक्ष्य 500 बिलियन डॉलर का आकलन था, हालांकि अंततः इस सौदे की घोषणा नहीं हुई, बाहरी दुनिया ने इसे OpenAI और Anthropic के संभावित प्रतिद्वंद्वी के रूप में देखा।

इसलिए, जब इंकलिंग एक ऐसा उत्पाद पेश करता है जो चीनी मॉडल की तुलना में कम प्रदर्शन करता है और अधिक महंगा है, तो यह अपेक्षाओं से कम लगता है।

हालांकि, व्यावसायिक दृष्टिकोण से, मुराटी शायद शुरू से ही इसे बेंचमार्क रैंकिंग में पहले स्थान पर लाने के लिए नहीं बनाना चाहती थीं।

थिंकिंग मशीन्स कंपनी ओपन वेट्स, मल्टीमॉडल क्षमताओं और कस्टमाइजेशन पर जोर देती है और चाहती है कि उद्यम टिंकर के माध्यम से इसे सूक्ष्म समायोजित करके इंकलिंग को कस्टमर सपोर्ट, प्रोग्रामिंग असिस्टेंट, उद्योग-विशिष्ट एजेंट आदि विशिष्ट मॉडल में बदल दें। मुराटी जिस बाजार पर निवेश कर रही हैं, वह बेंचमार्क परीक्षणों में पहले स्थान पर इतना ध्यान नहीं देता। उद्यम अधिक महत्व देते हैं कि मॉडल को स्वयं के सर्वर पर स्थापित किया जा सके, क्या डेटा पर नियंत्रण है, और क्या इसे अपने व्यवसाय के अनुसार आगे प्रशिक्षित किया जा सकता है।

पहले, इस तरह की मांग का बड़ा हिस्सा चीनी ओपन मॉडल्स द्वारा संभाला गया था।

अमेरिका के OpenAI और Anthropic लंबे समय से बंद स्रोत पर टिके रहे हैं, और Meta के Llama 4 का प्रदर्शन अपेक्षाओं से कम रहा है, जिसके बाद उन्होंने भी खुले रास्ते को कम करना शुरू कर दिया है। इसी बीच, DeepSeek, Kimi, Qwen और GLM लगातार वजन खोलते रहे हैं, और उनका प्रदर्शन अमेरिकी बंद स्रोत मॉडल्स के करीब पहुंचता जा रहा है, जबकि कीमतें काफी कम हैं।

अमेरिकी व्यवसाय जल्द ही अपने पैरों से मतदान करेंगे।

OpenRouter द्वारा CNBC को प्रदान किए गए डेटा के अनुसार, फरवरी 2026 के बाद से, चीनी मॉडल इस प्लेटफॉर्म के माध्यम से अमेरिकी कंपनियों द्वारा उपयोग किए जाने वाले टोकन में सप्ताहिक रूप से 30% से अधिक का हिस्सा रहे, जो अधिकतम 46% तक पहुंच गए। 2025 की पहली छमाही में औसत हिस्सा केवल 4.5% था।

कर्सर ने Composer 2 विकसित करते समय कई बेस मॉडल का परीक्षण किया और अंततः Kimi K2.5 का चयन किया, क्योंकि इसका प्रदर्शन परीक्षण में सबसे अच्छा रहा। ब्रिजवाटर फंड ने एलीबाबा के Qwen को Tinker के साथ फाइन-ट्यून किया, जिससे एक कस्टम मॉडल बना जिसने कुछ शीर्ष बंद मॉडल को कम लागत पर पार कर लिया।

चीन के ओपन मॉडल अब अमेरिकी कंपनियों के लिए AI लागत कम करने का एक सीधा रास्ता बन गए हैं। हालांकि, यह रास्ता दबाव का सामना कर रहा है।

इसी बीच, अमेरिका में चीनी एआई मॉडल के लिए नियामक वातावरण सख्त हो रहा है। संबंधित विभागों ने डेटा सुरक्षा, मॉडल की उत्पत्ति और आपूर्ति श्रृंखला के जोखिम के बारे में चेतावनी जारी कर दी है, और कुछ चीनी मॉडल का उपयोग करने वाले उद्यमों पर जांच भी शुरू हो चुकी है। हालांकि अभी तक कोई समन्वित प्रतिबंध नहीं बना है, लेकिन नीतिगत अनिश्चितता पहले से ही उद्यमों के चयन पर प्रभाव डाल रही है, विशेषकर सरकारी कार्यों और संवेदनशील डेटा से संबंधित कंपनियों के लिए।

यही Inkling का बाजार स्थान है।

यह एक अमेरिकी कंपनी द्वारा विकसित, Apache 2.0 लाइसेंस के तहत उपलब्ध, निजी डिप्लॉयमेंट और कस्टमाइजेशन के लिए समर्थित ओपन वेट मॉडल है। अमेरिकी उद्योग इसे चुनते हैं क्योंकि उन्हें चीनी मॉडल के उपयोग से उत्पन्न होने वाले राजनीतिक विवादों की चिंता नहीं होती है, और सरकारी ग्राहकों और बड़ी कंपनियों के अनुपालन समीक्षा से गुजरना आसान होता है।

Inkling का वास्तविक मूल्य इस अनुपालन निश्चितता से आता है।

Murati ने स्पष्ट रूप से इस बनते हुए खाली स्थान को देखा।

थिंकिंग मशीन्स डीपसीक और किमी के खुले परिणामों को अवशोषित करती है और उन्हें एक अमेरिकी कंपनी द्वारा प्रदान किए जाने वाले मॉडल में बदल देती है। इंकलिंग को सभी बेंचमार्क परीक्षणों में चीनी मॉडल्स को हराने की आवश्यकता नहीं है, बल्कि इतना काफी है कि वह उन अमेरिकी कंपनियों के लिए स्वीकार्य विकल्प बन जाए जो चीनी मॉडल्स का उपयोग जारी रखने से डरती हैं।

यह इसके अधिक महंगे होने का कारण भी समझाता है। नीतियों ने Inkling की प्रतिस्पर्धा को सीमित कर दिया है, जिससे प्रदर्शन और कीमत में अंतर कम घातक हो गया है। कुछ अमेरिकी कंपनियों के लिए, थोड़ा कमजोर, थोड़ा महंगा लेकिन कम जोखिम वाला मॉडल पर्याप्त है।

इस दृष्टिकोण से, इंकलिंग साबित करता है कि मुराटी व्यापार समझती हैं।

हालांकि, इस व्यापार के काम करने की कीमत संभवतः अमेरिकी कंपनियों द्वारा वहन की जाएगी।

अमेरिका के बाहर की कंपनियाँ GLM, Kimi और DeepSeek का चयन करने में स्वतंत्र हैं, जिन पर अधिक शक्तिशाली और सस्ते बेस मॉडल पर उत्पाद विकसित किए जा सकते हैं; जबकि अमेरिकी कंपनियों को संभवतः थोड़ा कम क्षमता वाले और महंगे स्थानीय विकल्पों का उपयोग करना पड़ सकता है। बेस मॉडल की क्षमता में अंतर बाद में फाइन-ट्यून किए गए उत्पादों में भी जारी रहेगा, जिससे संरचनात्मक प्रतिस्पर्धी नुकसान उत्पन्न होगा।

वाशिंगटन ने मूल रूप से अमेरिकी AI कंपनियों की सुरक्षा के लिए प्रतिबंधों का उपयोग करना चाहा, लेकिन परिणामस्वरूप इंकलिंग जैसी "महंगी प्रतियों" के लिए बाजार बना सकता है। मुराटी के लिए, "सामान्य" पर्याप्त है। अमेरिकी AI उद्योग के लिए, यह "पर्याप्तता" लागत में वृद्धि और प्रतिस्पर्धात्मकता में कमी का अर्थ है।