Kdo je Mira Murati a proč na ní záleží

V listopadu 2023 otřásla technologickým světem zpráva: správní rada OpenAI odvolala generálního ředitele Sama Altmana. Na jeho místo dočasně nastoupila Mira Murati, tehdejší technická ředitelka (CTO) firmy. Altman se vrátil po pěti dnech, ale epizoda ukázala, jak zásadní postavou Murati v OpenAI byla. Patřila k architektům ChatGPT, GPT-4 i DALL-E. V září 2024 OpenAI opustila — s jasným záměrem.

Murati záhy oznámila, že zakládá vlastní AI společnost: Thinking Machines Lab. Na svou stranu dokázala získat výjimečný tým — vědce a inženýry, kteří stáli za vznikem ChatGPT, Character.ai, Mistral, PyTorch, OpenAI Gym, Fairseq nebo Segment Anything. Investoři nezůstávali pozadu: startup Thinking Machines Lab získal financování v řádu přibližně 40 miliard korun (zhruba 1,7 miliardy dolarů), a to i přesto, že v době uzavírání investic generoval nulové příjmy. Sázka na tým stačila.

Vnitřní otřesy, které málem vše pohřbily

Cesta k prvnímu modelu ale nebyla hladká. Podle informací CzechCrunch provázely vydání Inklingu těžké interní turbulence — krize financování, napětí v týmu a dokonce utajovaný romantický vztah na pracovišti, který přerostl v pokus o vnitřní převrat. Detaily Thinking Machines Lab veřejně nekomentovaly, ale samotná skutečnost, že startup přes tyto otřesy vydal první model, svědčí o odhodlání zakladatelky i zbytku týmu dovést projekt do cíle.

Pro kontext: podobné vnitřní drama zažilo i OpenAI v roce 2023, nebo Inflection AI. Startupy v éře generativní AI pracují pod obrovským tlakem — časovým, investorským i lidským. Thinking Machines Lab ale ustál a vydal Inkling v době, kdy konkurence v podobě Anthropicu, Google DeepMind, Mistral nebo Meta Llama je silnější než kdykoli předtím.

Inkling: co přesně Thinking Machines Lab vydalo

Inkling je multimodální model s architekturou Mixture of Experts (MoE). To znamená, že místo jednoho monolitického neuronového sítě se model skládá z mnoha specializovaných "expertů", z nichž se pro každý dotaz aktivuje jen část. Výsledek: 975 miliard celkových parametrů, ale při inference pracuje jen s 41 miliardami aktivními. Přístup snižuje výpočetní nároky oproti modelům plné velikosti — podobnou logiku využívá i Mixtral od Mistral AI nebo GPT-4 (předpokládaná architektura).

Co Inkling zvládá:

• Multimodalita: rozumí textu, obrázkům i zvuku zároveň — nativně, bez externích nadstaveb
• Kontextové okno 1 milion tokenů: odpovídá přibližně 750 000 slovům, tedy několika knihám najednou
• Komplexní reasoning: matematika, věda, kódování, práce s nástroji (agentic tool use)
• Kalibrace jistoty: model umí odhadnout, jak moc si je odpovědí jistý — kriticky důležité pro nasazení ve firemním prostředí
• Nastavitelná výpočetní náročnost: lze přepínat mezi rychlostí a hloubkou odpovědi

Klíčový aspekt: Inkling je open-weights model. Váhy jsou volně ke stažení přes Hugging Face. To ho řadí do kategorie modelů jako Llama od Meta nebo Mistral — na rozdíl od uzavřených GPT-4o či Claude 3.5 Sonnet, ke kterým se dostanete jen přes API.

Tinker: fine-tuning jako klíčový pilíř strategie

Thinking Machines Lab neprodává jen model. Jejich druhý produkt je Tinker — tréninkový API platforma navržená tak, aby výzkumníci a firmy mohli snadno přizpůsobit Inkling (i jiné open-source modely) pro konkrétní use case.

Tinker používá techniku LoRA (Low-Rank Adaptation) — trénuje se jen odlehčený adaptér místo celých vah modelu. Výsledek je téměř srovnatelný s plným dolaďováním, ale za zlomek výpočetního výkonu. Platforma pracuje s čtyřmi základními operacemi: forward/backward pass, optimalizační krok, generování tokenů a uložení stavu trénování.

Ceny jsou na bázi spotřeby (USD za milion tokenů), úložiště checkpointů stojí 0,10 USD za GB za měsíc. Tinker aktuálně podporuje i jiné populární modely — Qwen, Kimi-K2.6, DeepSeek-V3.1 nebo NVIDIA Nemotron. Pro firmy, které chtějí přizpůsobit AI svým datům bez nutnosti stavět vlastní infrastrukturu, je to zajímavá volba.

Interaction Models: vize AI, která naslouchá v reálném čase

Vedle Inklingu publikoval Thinking Machines Lab výzkum k takzvaným Interaction Models — systémům schopným vést skutečně obousměrnou komunikaci v reálném čase, přes audio, video i text.

Architektura zpracovává vstup v 200milisekundových mikro-cyklech — model reaguje průběžně, ne až po skončení celé věty uživatele. Vstup (audio jako dMel spektrogramy, video jako 40×40 pixelových záplat) je zpracován bez předchozích enkodérů — vše se trénuje dohromady. K tomu přichází duální architektura: jeden model řídí interakci v reálném čase, druhý běží na pozadí a provádí hlubší reasoning. Oba sdílí kontext.

Jde o přímý protipól k dnešním voice asistentům, kteří čekají, až domluvíte. Pokud se Thinking Machines Lab povede tento přístup dotáhnout do produktu, může jít o zásadní posun v tom, jak s AI komunikujeme.

Filozofie: decentralizovaná AI místo jednoho vládce

Co Thinking Machines Lab výrazně odlišuje od OpenAI, Google nebo Anthropicu, je jejich explicitní filozofie. V blogovém příspěvku "The Future Worth Building Is Human" odmítají vizi centralizované, autonomní superinteligence. Místo ní staví na decentralizovaném modelu AI, kde každá organizace a každý člověk má AI přizpůsobenou vlastním hodnotám a potřebám — ne sdílenou černou skříňku řízenou jednou korporací.

"AI by měla umožnit každé organizaci, aby excelovala po svém způsobu, ne aby smazala rozdíly mezi nimi," píší na svém webu. Tato filozofie přímo motivuje otevřené váhy Inklingu i existenci Tinkeru: není to jen technický výběr, ale politické rozhodnutí o tom, jak by AI měla být distribuována ve společnosti.

Co to znamená pro Česko a Evropu

Inkling je jako open-weights model přístupný komukoli na světě — včetně českých vývojářů, výzkumníků a firem. Přímá česká lokalizace zatím není potvrzena, ale protože jde o open-weights model s podporou fine-tuningu, je technicky zcela reálné trénovat českou jazykovou variantu — podobně jako vznikají česky doladěné verze Llamy nebo Mistral modelů.

Z pohledu EU AI Act je open-weights přístup Thinking Machines Lab relevantní: Evropská komise diskutuje o tom, jak regulovat volně dostupné modely, které nelze kontrolovat jako uzavřená API. Inkling bude nepochybně součástí těchto debat.

Pro české firmy a výzkumné instituce je Tinker zajímavý: pokud chcete doladit velký model na vlastních firemních datech bez nutnosti posílat data do cloudu OpenAI nebo Google, je to legitimní alternativa. Cena závisí na objemu, ale cenová struktura je transparentní.

Srovnání s konkurencí

Inkling vstupuje do přeplněného trhu. Jak si stojí na první pohled?

• vs. Meta Llama 4: Llama 4 má rovněž MoE architekturu a open weights, ale Inkling nabízí nativní multimodalitu včetně zvuku
• vs. Mistral: Mistral je silný v efektivitě, Inkling jde na větší parametrový rozsah
• vs. GPT-4o / Claude 3.5: Uzavřené modely bez možnosti fine-tunování vlastních vah — Inkling zde nabízí klíčový rozdíl v kontrole dat
• vs. DeepSeek V3: Nejbližší konkurent v kategorii velkých MoE open-weights modelů — souboj bude zajímavý

Konkrétní benchmark čísla (MMLU, HumanEval, MATH) Thinking Machines Lab zatím nepublikovalo ve formě přehledné srovnávací tabulky. Firma uvádí, že Inkling "skóruje konkurenceschopně napříč deseti hodnoceními pokrývajícími reasoning, agentické úkoly, faktualitu, audio, vizuální schopnosti a chat". Podrobné výsledky jsou dostupné na stránce modelu.