Thinking Machines, yang didirikan oleh Mira Murati, mantan Chief Technology Officer OpenAI, meluncurkan model pertamanya, Inkling. Model ini menggunakan arsitektur Mixture of Experts dengan 975 miliar parameter, sebagian besar mengadopsi arsitektur DeepSeek-V3, dan pelatihan lanjutannya memanfaatkan data Kimi K2.5. Namun, dalam berbagai evaluasi benchmark, kinerja Inkling kalah dibanding Kimi dan GLM, namun harga pemanggilannya justru lebih tinggi, yaitu $1,87–4,68 per 1 juta Token, sekitar dua kali lipat harga Kimi. Thinking Machines telah menyelesaikan pendanaan senilai $2 miliar dengan valuasi $12 miliar. Pilihan Murati bukanlah untuk bersaing dengan model Cina terkuat, melainkan untuk memanfaatkan pasar kepatuhan yang muncul di kalangan perusahaan Amerika akibat ketidakpastian kebijakan regulasi—yaitu model terbuka lokal yang performanya cukup baik, mendukung kustomisasi, dan memiliki risiko kepatuhan lebih rendah.

Penulis artikel, sumber: Letter AI

Murti, mantan kepala teknologi OpenAI, membuat "pengganti mahal" untuk model China.

Model pertama yang dirilis oleh Thinking Machines, Inkling, menggunakan arsitektur Mixture of Experts yang sebagian besar mengadopsi DeepSeek-V3, dan data generasi dari model terbuka seperti Kimi K2.5 juga digunakan dalam pelatihan ulang awal. Namun, dalam berbagai evaluasi benchmark, Inkling ketinggalan dari Kimi dan GLM, sementara harga pemanggilannya justru lebih tinggi.

Bagi perusahaan bintang yang telah memperoleh pendanaan senilai $2 miliar dengan valuasi $12 miliar dan memiliki banyak mantan karyawan OpenAI di timnya, hasil ini agak di bawah harapan.

Namun, Murati mungkin sejak awal tidak berniat bersaing untuk mendapatkan posisi pertama dengan Inkling. Dengan meningkatnya ketidakpastian bagi perusahaan Amerika yang menggunakan model Tiongkok, model terbuka lokal yang performanya cukup baik, mendukung kustomisasi, dan memiliki risiko kepatuhan lebih rendah sudah memiliki pasarnya sendiri. "Pengganti mahal" tidak sekuat itu, dan tidak perlu khawatir tentang "pasar".

Ini model pertama Murati?

Pada 15 Juli waktu setempat, Thinking Machines Lab merilis model pertamanya sejak berdiri, Inkling.

Dari segi spesifikasi saja, model ini sangat sesuai dengan standar yang seharusnya dimiliki oleh laboratorium AI selebritas.

Inkling menggunakan arsitektur campuran ahli dengan total parameter mencapai 975 miliar, di mana setiap token yang diproses akan mengaktifkan 41 miliar parameter; pra-pelatihan menggunakan 45 triliun token, dengan data yang mencakup teks, gambar, audio, dan video, serta mendukung konteks hingga 1 juta token. Sistem ini dapat memahami teks, gambar, dan audio, lalu menghasilkan output dalam bentuk teks, serta mendukung penyesuaian "kekuatan pemikiran" untuk melakukan kompromi antara kinerja, kecepatan, dan biaya.

Inkling juga membuka bobot model dengan lisensi Apache 2.0 yang cukup longgar. Pengembang dapat mengunduh bobot, mendeploy sendiri, atau melakukan fine-tuning model melalui platform Tinker milik Thinking Machines.

Perusahaan memberikan posisinya dengan jelas: alih-alih bersaing langsung dengan ChatGPT untuk menarik pengguna umum, Inkling lebih cocok berperan sebagai dasar bagi perusahaan dalam mengembangkan aplikasi AI.

Namun, bagian paling menarik dari Inkling tersembunyi di bagian akhir laporan teknis.

Thinking Machines secara langsung menyatakan dalam pengenalan arsitektur modelnya bahwa desain campuran ahli Inkling "terutama mengadopsi DeepSeek-V3". Model ini juga mengatur sejumlah besar modul ahli, di mana setiap Token hanya memanggil sebagian kecil di antaranya, serta mengadopsi desain seperti load balancing tanpa loss bantuan dari DeepSeek-V3.

Pengaruh model China terhadap Inkling juga meluas hingga ke tahap pelatihan.

Thinking Machines menyatakan bahwa untuk memulai pelatihan pasca-peluncuran, perusahaan terlebih dahulu melakukan fine-tuning terawasi menggunakan data sintetis yang dihasilkan oleh model dengan bobot terbuka, yang secara eksplisit menyebut Kimi K2.5 dari Moonshot.

Rute teknisnya sudah cukup jelas: sebuah laboratorium Amerika yang didirikan oleh mantan chief technology officer OpenAI, model pertamanya mengadopsi arsitektur DeepSeek, lalu menyelesaikan pelatihan awal dengan memanfaatkan data yang dihasilkan oleh Kimi.

Mengadopsi model terbuka itu sendiri tidak masalah. DeepSeek dan Kimi telah mempublikasikan bobot mereka dan mengizinkan pengembang untuk menggunakannya, karena ilmu pengetahuan dan pengembangan teknik pada dasarnya dibangun di atas akumulasi hasil terbuka. Yang lebih memalukan adalah, setelah Inkling menyerap teknologi dari model-model Tiongkok, kinerjanya tetap tidak mampu mengungguli para “guru” tersebut.

Thinking Machines juga tidak memperindah hal ini. Perusahaan secara langsung mengakui dalam siaran persnya: “Inkling bukanlah model dengan kinerja terbaik saat ini, baik model terbuka maupun tertutup.”

Dari hasil yang diumumkan oleh Thinking Machines,

Dalam evaluasi teks murni "Ujian Terakhir Manusia", Inkling mendapatkan skor 29,7%, sedangkan Kimi K2.6 dan GLM 5.2 masing-masing mencapai 35,9% dan 40,1%;

Setelah menambahkan alat, Inkling naik menjadi 46%, tetap lebih rendah dari Kimi K2.6 sebesar 54% dan GLM 5.2 sebesar 54,7%.

Dalam SWE-Bench Pro yang mengukur kemampuan rekayasa perangkat lunak nyata, Inkling mendapat skor 54,3%, Kimi K2.6 sebesar 58,6%, dan GLM 5.2 mencapai 62,1%;

Kesenjangan di Terminal Bench 2.1 lebih jelas, Inkling hanya mencapai 63,8%, sedangkan Kimi K2.6 dan GLM 5.2 masing-masing mencapai 71,3% dan 82,7%.

Tentu, Inkling juga memiliki keunggulannya sendiri. Ia tampil baik dalam desain aplikasi web, pemahaman audio, dan evaluasi keamanan, serta mampu melebihi Kimi dan DeepSeek pada sejumlah tugas matematis.

Hanya dari segi penalaran komprehensif, pemrograman, dan kemampuan agen, saat ini sulit untuk memasukkannya ke dalam kelompok pertama model terbuka.

Performa tidak mencapai puncak, dan harga juga tidak memberikan kejutan.

Di platform Tinker, versi 64K Inkling dikenakan biaya $1,87 per 1 juta Prefill Token dan $4,68 per 1 juta Sample Token. Yang pertama dapat dipahami secara kasar sebagai biaya input, sementara yang kedua mendekati biaya generasi, dan ini sudah merupakan "harga diskon 50% terbatas waktu". Harga versi 256K lebih tinggi, masing-masing mencapai $3,74 dan $9,36.

Sebagai perbandingan, API resmi Kimi K2.6 mengenakan biaya masing-masing $0,95 dan $4 untuk setiap 1 juta token masukan dan keluaran, sedangkan GLM5.2 masing-masing $1,4 dan $4,4.

Tinker menyediakan layanan pelatihan dan sampling, dengan metode penagihan yang tidak sepenuhnya sama dengan API model biasa. Namun, berdasarkan perbandingan kasar harga di atas, harga pra-isian Inkling hampir dua kali lipat dari Kimi K2.6, dan harga generasinya juga lebih tinggi daripada Kimi K2.6 dan GLM5.2, sehingga belum menunjukkan keunggulan harga.

Dengan demikian, model pertama Thinking Machines menghadirkan situasi yang agak rumit: arsitektur merujuk pada DeepSeek, pelatihan lanjutan memanfaatkan Kimi, kinerja keseluruhan tidak melebihi model teratas China yang terbuka, namun harga pemanggilannya justru lebih mahal.

Pilihan Murati

Mengingat latar belakang Murati dan Thinking Machines, pilihan semacam ini menjadi lebih menarik.

Jika Inkling berasal dari sebuah perusahaan rintisan AI biasa, yang meniru DeepSeek dan memanfaatkan Kimi untuk pelatihan, mungkin tidak akan sebegitu menarik. Namun, ia justru berasal dari Thinking Machines—sebuah perusahaan yang hampir bisa disebut sebagai "alumni OpenAI".

Pada Februari 2025, ketika Thinking Machines secara resmi diluncurkan, tim tersebut hanya berjumlah sekitar 30 orang, sekitar dua pertiga di antaranya berasal dari OpenAI, dan anggota lainnya sebagian besar berasal dari Meta dan Mistral.

Tim pendiri awalnya mencakup John Schulman, salah satu pendiri OpenAI, Barret Zoph, mantan Wakil Presiden Riset OpenAI, serta peneliti seperti Lilian Weng, Andrew Tulloch, dan Luke Metz.

Orang-orang ini masing-masing terlibat dalam penelitian reinforcement learning, post-training, pre-training, keamanan, dan inferensi di OpenAI. Reuters bahkan secara langsung menyatakan bahwa Murati telah merekrut setidaknya 20 peneliti dari mantan perusahaannya.

Murati, yang berdiri di tengah kelompok alumni OpenAI ini, tentu saja yang paling istimewa.

Dia bergabung dengan OpenAI pada tahun 2018, berkontribusi pada produk-produk seperti DALL-E, Codex, ChatGPT, dan Sora, dan dipromosikan menjadi Chief Technology Officer pada tahun 2022, bertanggung jawab atas koordinasi penelitian, pelatihan model, keamanan, dan peluncuran produk.

Pada November 2023, setelah dewan OpenAI mendadak memberhentikan Sam Altman, Murti juga sempat menjabat sebagai CEO sementara. Perannya lebih mirip sebagai pemimpin utama teknologi dan produk, dengan pemahaman menyeluruh terhadap proses pengembangan model OpenAI dan jalur produknya.

Dengan kata lain, Thinking Machines tidak kekurangan pengalaman OpenAI sejak berdirinya.

Murati dan timnya memahami bagaimana laboratorium sumber tertutup top-tier mengembangkan model, serta menyaksikan langsung proses ChatGPT berubah dari hasil penelitian menjadi produk global. Ketika kelompok ini meninggalkan OpenAI dan membangun sistem teknologi mereka sendiri dari nol, masyarakat secara alami mengharapkan mereka mengikuti jalur yang membawa jejak OpenAI.

Hasilnya, sumber teknis paling jelas dari Inkling justru mengarah ke Tiongkok. Hal ini mudah dipahami sebagai sinyal dramatis—kelompok orang yang paling memahami OpenAI, setelah meninggalkan OpenAI, akhirnya memilih kerangka teknologi model Tiongkok.

Namun, kesimpulan ini masih perlu diuraikan lebih lanjut.

Model-model mutakhir OpenAI dalam beberapa tahun terakhir seluruhnya mengadopsi pendekatan sumber tertutup, sehingga pihak luar tidak dapat mengakses bobot model, serta tidak memahami arsitektur lengkap, data pelatihan, dan strategi pasca-pelatihan. Meskipun Murti memahami teknologi internal OpenAI, ia tidak dapat secara langsung memindahkan rahasia dagang mantan perusahaannya ke perusahaan barunya. Sebaliknya, DeepSeek dan Kimi telah mempublikasikan bobot atau laporan teknis mereka, sehingga arsitektur, metode pelatihan, dan rantai alat dapat diteliti dan digunakan kembali secara legal.

Inkling sendiri juga merupakan model dengan bobot terbuka. Bagi sebuah perusahaan yang ingin membangun ekosistem model terbuka, mengadopsi solusi matang dari model terbuka seperti DeepSeek dan Kimi merupakan pilihan teknis yang logis.

Hari ini mengembangkan model terbuka yang sama sekali menghindari hasil yang telah dipublikasikan oleh tim Tiongkok, justru akan menimbulkan biaya percobaan yang lebih tinggi.

Oleh karena itu, mengadopsi model Tiongkok oleh Inkling tidak secara langsung membuktikan bahwa Murati menganggap teknologi DeepSeek secara menyeluruh unggul dibanding OpenAI. Tingkat keterbukaan kedua pihak berbeda, dan kondisi yang dapat diadopsi juga sama sekali berbeda.

Namun, peristiwa ini tetap mengirimkan sinyal yang jelas: setidaknya di bidang model terbuka, model Cina telah menjadi acuan penting bagi tim AI Amerika.

Jadi, meniru model Tiongkok tidak sulit dijelaskan. Pertanyaan yang benar-benar perlu dijawab adalah: Mengapa Thinking Machines, meskipun menyerap arsitektur dan pengalaman pelatihan yang sudah ada, menghasilkan Inkling yang kinerjanya lebih lemah dan harganya lebih tinggi?

Murati memiliki tim terbaik, dana yang cukup, dan sistem pelatihan terbaru dari NVIDIA. Tidak ada alasan baginya untuk tidak melihat perbedaan kinerja dan harga antara Inkling dan model-model Tiongkok.

Dengan demikian, "pengganti mahal" kemungkinan besar adalah pilihan yang telah dihitung.

"Cukup biasa saja"

Berdasarkan perlakuan yang diterima oleh Thinking Machines, Inkling seharusnya tidak hanya menjadi model yang "cukup baik".

Pada Juli 2025, perusahaan belum meluncurkan produk apa pun, tetapi telah menyelesaikan putaran pendanaan benih senilai 2 miliar dolar AS, dengan valuasi mencapai 12 miliar dolar AS, dengan investor termasuk Andreessen Horowitz, NVIDIA, AMD, dan Jane Street. Empat bulan kemudian, Thinking Machines dikabarkan sedang melakukan negosiasi pendanaan putaran baru dengan target valuasi hingga 50 miliar dolar AS, meskipun transaksi tersebut akhirnya tidak diumumkan secara resmi, pihak luar telah memandangnya sebagai pesaing potensial OpenAI dan Anthropic.

Oleh karena itu, ketika Inkling meluncurkan produk yang performanya lebih rendah daripada model Tiongkok dengan harga yang lebih mahal, hal itu tak terhindarkan terasa mengecewakan.

Namun, dari sudut pandang bisnis, Murati mungkin sejak awal tidak berniat menggunakannya untuk bersaing mendapatkan peringkat pertama dalam pengujian patokan.

Thinking Machines menekankan bobot terbuka, kemampuan multimodal, dan kustomisasi, berharap perusahaan dapat melakukan fine-tuning terhadap Tinker untuk mengubah Inkling menjadi model khusus seperti asisten layanan pelanggan, asisten pemrograman, atau agen industri. Murati mempertaruhkan pasar yang tidak terlalu fokus pada peringkat pertama dalam evaluasi benchmark. Perusahaan lebih peduli apakah model dapat dideploy secara pribadi, dapat menguasai data, dan dapat dilatih lebih lanjut sesuai bisnis mereka.

Sebelumnya, sebagian besar permintaan semacam ini diserap oleh model terbuka Tiongkok.

OpenAI dan Anthropic di Amerika telah lama mempertahankan pendekatan tertutup, dan setelah performa Llama 4 dari Meta tidak memenuhi harapan, mereka juga secara bertahap mempersempit strategi terbuka mereka. Sementara itu, DeepSeek, Kimi, Qwen, dan GLM terus membuka bobot mereka, dengan kinerja yang semakin mendekati model tertutup Amerika, namun dengan harga jauh lebih rendah.

Perusahaan-perusahaan Amerika segera memberikan suara dengan kaki mereka.

Berdasarkan data yang diberikan OpenRouter kepada CNBC, sejak Februari 2026, model-model Tiongkok selalu menyumbang lebih dari 30% token yang dipanggil oleh perusahaan-perusahaan Amerika melalui platform tersebut, dengan puncak mencapai 46%. Rata-rata persentase pada semester pertama 2025 baru sebesar 4,5%.

Cursor menguji berbagai model dasar saat mengembangkan Composer 2, dan akhirnya memilih Kimi K2.5 karena alasan yang sangat langsung—model ini menunjukkan kinerja terbaik dalam evaluasi. Bridgewater Funds, melalui penyesuaian Tinker terhadap Qwen dari Alibaba, menghasilkan model khusus yang mampu melampaui sebagian model tertutup teratas dengan biaya yang lebih rendah.

Model terbuka Tiongkok menjadi jalan pintas bagi perusahaan Amerika untuk mengurangi biaya AI. Namun, jalan ini sedang mengalami tekanan.

Sementara itu, lingkungan regulasi AS terhadap model AI Tiongkok sedang memperketat. Departemen terkait telah mengeluarkan peringatan mengenai keamanan data, sumber model, dan risiko rantai pasokan, dan sejumlah perusahaan yang menggunakan model Tiongkok juga sedang diselidiki. Meskipun belum ada pembatasan yang seragam, ketidakpastian kebijakan sudah cukup untuk memengaruhi pilihan perusahaan, terutama perusahaan yang terlibat dalam bisnis pemerintah dan data sensitif.

Ini adalah ruang pasar Inkling.

Ini adalah model berbobot terbuka yang dikembangkan oleh perusahaan Amerika, menggunakan lisensi Apache 2.0, dan mendukung penyebaran pribadi serta kustomisasi. Perusahaan Amerika memilihnya karena tidak perlu khawatir tentang kontroversi politik yang timbul dari penggunaan model Tiongkok, serta lebih mudah melewati tinjauan kepatuhan dari pelanggan pemerintah dan perusahaan besar.

Nilai sejati Inkling berasal dari kepastian kepatuhan ini.

Murati jelas melihat celah yang sedang terbentuk ini.

Thinking Machines menyerap hasil terbuka dari DeepSeek dan Kimi, lalu mengubahnya menjadi model yang disediakan oleh perusahaan Amerika. Inkling tidak perlu mengalahkan model-model Tiongkok di semua uji coba benchmark, cukup menjadi pilihan yang dapat diterima oleh perusahaan-perusahaan Amerika yang enggan terus menggunakan model-model Tiongkok.

Ini juga menjelaskan mengapa ia berani lebih mahal. Kebijakan tersebut mempersempit lingkup persaingan bagi Inkling, sehingga kesenjangan dalam kinerja dan harga menjadi tidak terlalu mematikan. Bagi sejumlah perusahaan Amerika, model yang sedikit lebih lemah, sedikit lebih mahal, tetapi berisiko lebih rendah, sudah cukup.

Dari sudut pandang ini, Inkling lebih membuktikan bahwa Murati mengerti bisnis.

Namun, harga yang harus dibayar agar bisnis ini berjalan mungkin ditanggung oleh perusahaan Amerika.

Perusahaan di luar Amerika Serikat masih dapat secara bebas memilih GLM, Kimi, dan DeepSeek untuk mengembangkan produk berdasarkan model dasar yang lebih kuat dan lebih murah; sementara perusahaan Amerika Serikat mungkin dipaksa menggunakan alternatif lokal yang performanya sedikit lebih lemah dan harganya lebih tinggi. Kesenjangan kemampuan model dasar akan terus ditransmisikan ke produk yang telah disesuaikan, pada akhirnya membentuk kerugian kompetitif struktural.

Awalnya, Washington berharap menggunakan pembatasan untuk melindungi perusahaan AI Amerika, tetapi justru mungkin menciptakan pasar bagi "pengganti mahal" seperti Inkling. Bagi Murati, "biasa-biasa saja" sudah cukup. Bagi industri AI Amerika, "cukup" ini berarti kenaikan biaya dan penurunan daya saing.