「うちのAIが一番賢い」──この数年、AI業界のニュースはほとんどがこの競争でした。ところが今週、まったく逆のメッセージを掲げた大型モデルが登場しました。「これは最強のモデルではありません。その代わり、あなたの会社用に育てられます」。

2026年7月15日、元OpenAI CTOのミラ・ムラティ氏が創業したAIスタートアップThinking Machines Labが、同社初のAIモデル「Inkling（インクリング）」を公開しました。総パラメータ9,750億の大型モデルでありながら、その中身（重み）は誰でも無料でダウンロードできる「オープンウェイト」形式。WSJやReuters、TechCrunchなど主要メディアが一斉に報じ、エンジニアコミュニティでも大きな話題になっています。

今日はこのニュースを、「AIをどう選ぶか」に悩む中小企業の目線で読み解きます。

Inklingとは何か ── 数字で見る

公式発表と各社報道から、押さえておきたいスペックは次のとおりです。

  • 総パラメータ9,750億（975B）。ただし処理のたびに全部は使わず、約410億だけを動かす「専門家混合（MoE）」方式で効率化
  • テキスト・画像・音声・動画あわせて45兆トークンで学習したマルチモーダルモデル（出力は現時点でテキストのみ）
  • 一度に読み込める量は最大100万トークン（書籍およそ10冊分の文章をまとめて渡せる規模）
  • ゼロから9か月未満で開発。OpenAIやAnthropicの数年がかりの開発と比べ、異例のスピード

そして最大の特徴が公開方法です。モデルの重みはHugging Faceで無料公開されており、ライセンスは商用利用も認めるApache 2.0（別途、監視や欺瞞目的の利用を禁じる利用ポリシーあり）。つまり「中身を配って、囲い込まない」宣言です。

なぜ“最強”を狙わないのか

面白いのは、Thinking Machines自身が「Inklingは最高性能のモデルではない」と明言していることです。ChatGPTを世に出した元OpenAI CTOの会社が、あえて性能勝負を降りた。ここに今回のニュースの本質があります。

同社が狙うのは、「万能の既製品AI」への対抗軸です。いまのAI利用は、少数の巨大ラボが作った“完成品”を月額やAPI従量課金で「借りる」形が主流です。しかし借り物である以上、自社の業務や言葉遣いに完全には合わせられず、値上げや仕様変更、サービス終了にも振り回されます。

Inklingはその逆で、モデル本体を無料で配り、企業が自社データで「育てる（ファインチューニングする）」ことを前提に設計されています。同社はカスタマイズ用の基盤「Tinker」を提供しており、モデルは無料・育てる環境と運用で収益化するビジネスモデルです。TechCrunchによれば、コード性能では「NVIDIAの大型モデルと同等の結果を約3分の1のトークン数で達成」との自社主張もあり、“そこそこ賢くて効率が良く、育てやすい”ポジションを明確に取りにきています。

「無料公開」の注意点 ── 重みは無料、動かすのは高額

ここで誤解しやすいのが「無料公開＝タダで使える」ではない点です。

Inklingを自前で動かすには、量子化版（軽量版）でもGPUメモリが合計600GB以上、フル精度版では約2TB必要とされています。これはデータセンター級の設備で、中小企業のパソコンやオンプレサーバーで動く規模ではありません。実際に使う場合は、Together AIなどの推論ホスティング事業者経由でAPI利用する形が現実的です。

「手元で動くAI」なら、前日に取り上げたiPhoneで動く小型モデル「Bonsai 27B」のような選択肢があります。詳しくはこちら：54GBの大型AIがiPhoneで動いた──PrismML「Bonsai 27B」

つまりいま、AIの選択肢は大きく3系統に整理できます。

  1. 借りる: ChatGPTやClaudeなど既製のクラウドAI。導入が最速で品質も最高水準。ただしカスタマイズに限界があり、提供側の都合に左右される
  2. 手元で動かす: Bonsai 27Bのような小型オープンモデル。データを外に出さず、コストも固定。ただし性能は控えめ
  3. 育てる: Inklingのような大型オープンモデルを自社用にカスタマイズ。自社の強みをAIに刻み込めるが、相応の投資と技術力が要る

中小企業は何をすべきか

「975Bのモデルをファインチューニングしましょう」という話ではありません。現時点で中小企業が取るべき行動は、もっと手前にあります。

第一に、いま使うAIは引き続き「借りる」で正解です。 既製のクラウドAIの品質・コスパはまだ圧倒的で、まずは日常業務で使い倒すのが最短ルートです。

第二に、「育てるAI」の時代に備えて、自社データを整えておくことです。 AIを自社用に育てる材料は、業務マニュアル、過去の見積もりや提案書、顧客とのやり取りといった「社内に眠る言葉」です。これらが散逸したまま紙や個人のメールに埋もれていると、いざ育てる段になって何もできません。文書のデジタル化と整理は、どの選択肢に進むにしても無駄になりません。

第三に、特定のAIに業務を深く依存させすぎないことです。 サービス終了で慌てた「ChatGPT Atlas」の例のように、AIツールは撤退や方針転換が日常茶飯事です。オープンウェイトという「逃げ道のある選択肢」が育っていること自体が、借りる側の交渉力にもなります。詳しくはこちら：公開1年足らずで終了──OpenAIのAIブラウザ「ChatGPT Atlas」

まとめ ── 競争軸が「賢さ」から「馴染みやすさ」へ

Inklingの登場が示すのは、AI競争の軸が「どれだけ賢いか」だけでなく、「どれだけ自社に馴染ませられるか」に広がり始めたということです。ベンチマークの数値は自社発表段階で第三者検証はこれからですが、「最強を配るのではなく、育てる土台を配る」という戦略が元OpenAI CTOの会社から出てきた意味は小さくありません。

自社の言葉で動くAIが当たり前になる日に備えて、まずは社内のデータと業務の棚卸しから。それが今日からできる一番確実な準備です。

参考

※本記事は複数の公開情報をもとに作成しています。