Thinking Machines Lab
Entwickelt multimodale Foundation-Modelle und eine Infrastruktur für präzises Fine-Tuning.
Die verfügbaren Informationen unterscheiden sich je nach Unternehmen und Quelle.
Profil-Datensatz aktualisiert:
Unternehmensdaten
- Offizieller Name
- Thinking Machines Lab, Inc.
- Einheitentyp
- COMPANY
- Gegründet
- 2025
- Hauptsitz
- United States
- Unternehmensgröße
- 50–200
- Marktrolle
- B2B SaaS Provider
- Offizielle Website
- thinkingmachines.ai
Was Thinking Machines Lab macht
Thinking Machines Lab schafft Wert, indem es proprietäre, multimodale KI-Modelle entwickelt und diese über eine gemanagte Entwicklerplattform nutzbar macht. Während Open-Weight-Releases die weltweite Verbreitung und Adoption unter Forschern und Entwicklern vorantreiben, monetarisiert das Unternehmen die operative Ebene: API-Zugriffe, Token-Nutzung, Modell-Anpassungen (Fine-Tuning), Evaluations-Workflows und zugehörige Plattform-Dienste. Diese Struktur verbindet forschungsorientierte Reichweite mit robuster Software-Monetarisierung.
Einordnung und Abgrenzung
Dieses Unternehmen ist ein Foundation-Model-Labor und eine Entwicklerplattform, kein Anbieter von Media- oder AdTech-Lösungen, und sollte nicht mit der historischen Thinking Machines Corporation oder generischen KI-Beratungshäusern verwechselt werden.
Strategische Einordnung
KI-gestützte Einordnung aus der bestehenden Unternehmensrecherche; Interpretation und belegte Fakten sind zu unterscheiden.
Thinking Machines Lab ist ein im Jahr 2025 gegründetes, privates KI-Forschungs- und Produktunternehmen aus den USA. Es entwickelt multimodale Foundation-Modelle sowie eine Entwicklerplattform, mit der Organisationen diese Modelle anpassen, evaluieren und nahtlos in ihre eigenen Produkte und Workflows integrieren können. Das Produktportfolio umfasst das Open-Weight-Modell Inkling, die Echtzeit-Multimodalitäts-Initiative Interaction sowie die Tinker-Plattform für Token-Generierung, Experimentation und Model Operations. Das Unternehmen richtet sich an KI-Forscher, ML-Ingenieure, Entwicklerteams und Produktverantwortliche in Unternehmen. Das kommerzielle Modell kombiniert die Veröffentlichung von Open-Weight-Modellen zur Steigerung der Reichweite mit kostenpflichtiger Plattformnutzung auf Tinker, wo Kunden Rechenleistung für Inferenz, Fine-Tuning und Evaluation konsumieren. Die Positionierung basiert auf Transparenz, Anpassbarkeit und voller Entwicklerkontrolle statt auf einem geschlossenen, rein gehosteten Modellansatz.
Unternehmens-Newsbriefing
Briefing aktualisiert:
Thinking Machines Lab, gegründet von Mira Murati, verhandelt Berichten zufolge mit Accel über eine Finanzierungsrunde über 1 Milliarde US-Dollar bei einer Bewertung von mindestens 40 Milliarden US-Dollar, gestützt durch eine jährliche Umsatzrate von über 100 Millionen US-Dollar über seine Tinker-Plattform. Gleichzeitig arbeitet das Startup im Rahmen der Nemotron Coalition von Nvidia weiter an der Entwicklung von Open-Weight-Modellen, um die Einführung von Industrie- und Unternehmens-KI zu beschleunigen.
Geschäftsmodell und Monetarisierung
Das Unternehmen monetarisiert über ein hybrides Modell aus Open-Weight-Distribution und proprietärer Plattform. Während Inkling und andere Modell-Assets die Adoption durch freien Forschungszugang und Downstream-Integrationen antreiben, werden die Umsätze über Tinker erzielt. Dazu gehören API- und Plattformzugänge, Token-Generierung, Compute-Verbrauch, Fine-Tuning-Workflows und Evaluations-Tools. Das primäre Preismodell ist die nutzungsbasierte Infrastrukturabrechnung, optional ergänzt durch Enterprise-Rahmenverträge.
- Tinker Plattformnutzung
- Pay-per-Use
- Enterprise-Plattformzugang und Support
- Software-Abonnement
- Modell-Fine-Tuning und Evaluations-Workflows
- Pay-per-Use
- Open-Weight-Modellverteilung
- Unbekannt
Produkte und Fähigkeiten
Für diese Ansicht liegen keine Produkte mit zugeordneten Quellen vor.
Produkte und Marktkategorien
Technology
Zuletzt erfasste Signale
Datumsangaben beziehen sich auf die Quellenveröffentlichung. Ältere Einträge sind historischer Kontext, kein Beleg für ein neues Ereignis.
Barret Zoph Joins Google as VP of Research
Large Language Models (LLM) & AI · Erfasster Impact-Score: 2/5
Barret Zoph, co‑founder of AI startup Thinking Machines Lab and a former OpenAI employee, has taken a role as vice president of research at Google. Zoph previously co‑founded Thinking Machines with Mira Murati after leaving OpenAI in October 2024, briefly returned to OpenAI in January 2026 to lead AI enterprise sales, and departed in June 2026 after a five‑month stint. Tech reporting notes Zoph was fired from Thinking Machines earlier this year. Google said it expects Zoph to contribute reinforcement learning and post‑training expertise to its Gemini efforts. The move is one of several high‑profile executive shifts in the AI industry this year.
- Barret Zoph co‑founded Thinking Machines Lab and later rejoined OpenAI.
- Zoph spent five months at OpenAI in 2026 heading AI enterprise sales and left in June 2026.
Putting Task Expertise into RL Achieves State-of-the-Art Performance on Text-to-SQL
Erfasster Impact-Score: 3.5/5
Thinking Machines Lab announced two new updates: a research breakthrough in RL for text-to-SQL and new safety research grants.
Thinking Machines releases open-weight model Inkling
Large Language Models (LLM) & AI · Erfasster Impact-Score: 3/5
Thinking Machines released Inkling, an open-weights, general-purpose multimodal Mixture-of-Experts foundation model: a 66-layer decoder-only transformer with a sparse MoE backbone (≈975B total parameters, ≈41B active per task). It natively accepts text, images and audio and produces UTF-8 text outputs. Trained from scratch on roughly 45 trillion tokens assembled from public, third-party and synthetic sources on NVIDIA GB300 NVL72 systems under a strategic NVIDIA partnership, Inkling ships with checkpointed support for up to a 1,000,000-token context (Tinker API exposes 256K) and includes a smaller preview (Inkling‑Small, ≈276B/12B). Published under Apache‑2.0 with day‑0 ecosystem and inference/hosting support (Hugging Face, vLLM, SGLang, TokenSpeed, Modal, Databricks, Baseten, NVIDIA optimizations and community quantization), it is positioned for enterprise fine‑tuning via Tinker, evaluated against benchmarks (2026-07-14) and accompanied by safety guidance.
- Architecture: 66-layer decoder-only transformer with a sparse MoE backbone — ≈975B total parameters, ≈41B active per task; accepts text, image and audio inputs and outputs UTF-8 text.
- Training: trained from scratch on roughly 45 trillion tokens drawn from public, third-party and synthetic/augmented datasets; training ran on NVIDIA GB300 NVL72 systems under a strategic NVIDIA partnership.
AI Demands New Interaction Models for Designers
Interaction Models / Conversational UX · Erfasster Impact-Score: 2/5
The article argues that recent multimodal AI models are changing the fundamental grammar of software interaction, shifting interfaces from task-driven, turn-taking flows to continuous, intent-driven exchanges. It highlights a research preview from Thinking Machines Lab that demonstrates real-time multimodal 'interaction models' which can listen, see, and respond across audio, video, and text while building interfaces (a generative UI) on the fly. The author outlines design implications — rebuilding mental models, new entry/navigation conventions, deliberate intervention points, and routing judgment to humans — particularly for enterprise contexts that require auditability and accountability.
- Thinking Machines Lab released a research preview called Interaction Models demonstrating real-time multimodal exchange (audio, video, and text) and on-the-spot interface generation.
- The article’s author, Arin Bhowmick, is Chief Design Officer at SAP.
Unternehmensbeziehungen vertiefen
Fragen zu Thinking Machines Lab
Was ist Thinking Machines Lab?
Thinking Machines Lab ist ein privates KI-Forschungs- und Produktunternehmen, das multimodale Foundation-Modelle sowie eine Entwicklerplattform für deren Fine-Tuning, Evaluation und Integration entwickelt.
Wer nutzt Thinking Machines Lab?
Die Zielgruppe umfasst KI-Forscher, Machine-Learning-Ingenieure, Entwickler und Enterprise-Produktteams, die anpassbare Foundation-Modelle und die entsprechende Tool-Infrastruktur benötigen.
Wie verdient Thinking Machines Lab Geld?
Die Monetarisierung erfolgt über die Plattformnutzung von Tinker (inklusive Token-Konsum, Fine-Tuning, Evaluation und Enterprise-Plattformzugängen) anstelle von reinen Nutzungsgebühren für geschlossene Modelle.
Quellen und Datenabdeckung
Dieses Profil nutzt öffentlich zugängliche, offizielle und technisch beobachtbare Informationen. Fehlende Angaben belegen nicht, dass ein Produkt oder eine Beziehung nicht existiert. Die folgende Quellenliste bedeutet nicht, dass jede Aussage im Profil verifiziert wurde.
15 öffentlich erfasste Primärquellen und Zitate im Knowledge-Graphen verknüpft.
Mit Thinking Machines Lab weiterarbeiten
Explorer bietet zusätzliche Unternehmensdetails, eine Watchlist für bis zu 25 Unternehmen und deinen persönlichen Strategic Intelligence Agenten. Er analysiert deine Märkte täglich – und liefert dir bei Neuigkeiten ein maßgeschneidertes Briefing mit strategischer Einordnung statt Informationsflut.
Kostenlos und ohne zeitliche Begrenzung.