इंकलिंग एक ओपन-वेट लार्ज लैंग्वेज मॉडल है जिसे कंपनी थिंकिंग मशीन्स द्वारा बनाया गया है, जिसे पहली बार 15 जुलाई, 2026 को Apache 2.0 लाइसेंस के तहत जारी किया गया था। यह टेक्स्ट, चित्र और ऑडियो को इनपुट के रूप में स्वीकार करता है और चैट, सॉफ्टवेयर विकास, बहुभाषी अनुप्रयोगों और एजेंटिक सिस्टम जैसे कार्य कर सकता है। एक ओपन-वेट मॉडल के रूप में, इसके पैरामीटर सार्वजनिक रूप से उपलब्ध हैं, जिससे डेवलपर्स इसे विशेष उपयोगों के लिए निरीक्षण और फाइन-ट्यून कर सकते हैं।
यह मॉडल कई मोडैलिटी में देशी तर्क क्षमता और इसके समायोज्य तर्क बजट के लिए उल्लेखनीय है, जो उपयोगकर्ताओं को गति और गहनता के बीच व्यापार करने की अनुमति देता है। इसे वास्तविक दुनिया की दक्षता और सेंसरशिप प्रतिरोध के लिए डिज़ाइन किया गया था, जिसमें निर्माता सुरक्षा के लिए बाहरी मॉडरेशन टूल की सिफारिश करते हैं।
प्रशिक्षण
इंकलिंग थिंकिंग मशीन्स द्वारा जारी पहला लार्ज लैंग्वेज मॉडल है। इसे 45 ट्रिलियन टोकन पर प्रशिक्षित किया गया था जिसमें टेक्स्ट, चित्र, ऑडियो और वीडियो डेटा शामिल हैं, जिससे यह इन चारों प्रारूपों में से किसी से भी देशी रूप से तर्क करने में सक्षम होता है। हालांकि, रिलीज़ के समय, मॉडल केवल टेक्स्ट उत्पन्न कर सकता था, जिसमें स्रोत कोड और संरचित डेटा शामिल थे, चित्र या ऑडियो नहीं।
प्रशिक्षण प्रक्रिया संभवतः आधुनिक Transformer (architecture) आर्किटेक्चर के लिए सामान्य डीप लर्निंग तकनीकों का लाभ उठाती है, हालांकि आर्किटेक्चर और अनुकूलन पर विशिष्ट विवरण सार्वजनिक रूप से खुलासा नहीं किया गया है।
विशेषताएं
इंकलिंग को उत्पादन वातावरण में अनुकूलनीय और कुशल होने के लिए डिज़ाइन किया गया था। एक प्रमुख विशेषता इसका प्रोग्रामेबल तर्क बजट है, जिसे 0.2 से 0.99 के पैमाने पर समायोजित किया जा सकता है। यह आउटपुट उत्पन्न करने से पहले मॉडल द्वारा किए गए "विचार" की मात्रा को नियंत्रित करता है, जिससे डेवलपर्स प्रत्येक कार्य के लिए लागत/प्रदर्शन व्यापार को अनुकूलित कर सकते हैं। कम बजट तेज़ प्रतिक्रियाएं देते हैं, जबकि उच्च बजट अधिक परिष्कृत उत्तर उत्पन्न करते हैं।
अन्य अधिकांश लार्ज लैंग्वेज मॉडलों के विपरीत, जिसमें अन्य ओपन-वेट वेरिएंट शामिल हैं, इंकलिंग को सेंसरशिप के प्रतिरोध पर ध्यान केंद्रित करके बनाया गया था। यह राजनीतिक रूप से संवेदनशील या सेंसर किए गए विषयों पर सीधे उत्तर प्रदान करता है। निर्माता बाहरी सामग्री मॉडरेशन टूल का उपयोग करने की सलाह देते हैं क्योंकि आंतरिक सुरक्षा मूल्यांकन हमेशा हानिकारक प्रतिक्रियाओं को रोक नहीं सकता है। यह दार्शनिक रुख इसे जनरेटिव एआई परिदृश्य में अलग करता है।
अनुकूलन के लिए, डेवलपर्स टिंकर प्लेटफ़ॉर्म के माध्यम से मॉडल को फाइन-ट्यून कर सकते हैं, जो थिंकिंग मशीन्स से भी है, और इसे तीसरे पक्ष के प्रदाताओं के माध्यम से तैनात कर सकते हैं।
तकनीकी जानकारी
इंकलिंग 1,048,576 टोकन तक के संदर्भ विंडो का समर्थन करता है, जिससे बहुत लंबे दस्तावेज़ों या वार्तालापों को संसाधित करना संभव हो जाता है। इसमें 975 बिलियन पैरामीटर हैं, हालांकि इसके Mixture of experts डिज़ाइन के कारण किसी भी समय केवल 41 बिलियन सक्रिय होते हैं। इनपुट को सबसे प्रासंगिक विशेषज्ञ मॉड्यूल में रूट किया जाता है, जिससे कम्प्यूटेशनल दक्षता में सुधार होता है।
मॉडल को llama.cpp जैसे सामान्य इन्फ्रेंस लाइब्रेरी का उपयोग करके चलाया जा सकता है। न्यूनतम हार्डवेयर आवश्यकताओं में कम से कम 2 टीबी VRAM शामिल है, लेकिन एक क्वांटाइज़्ड संस्करण इसे घटाकर लगभग 600 जीबी कर देता है, जिससे छोटे बुनियादी ढांचे वाले संगठनों के लिए तैनाती अधिक संभव हो जाती है।
तैनाती और पारिस्थितिकी तंत्र
इंकलिंग की ओपन-वेट प्रकृति का मतलब है कि इसे विभिन्न क्लाउड प्लेटफार्मों पर तैनात किया जा सकता है, जिसमें अमेज़न वेब सर्विसेज, एज़्योर, गूगल क्लाउड, और ओरेकल क्लाउड, या उपयुक्त हार्डवेयर के साथ ऑन-प्रिमाइसेस शामिल हैं। इसे एजेंटिक सिस्टम के साथ एकीकृत करने के लिए डिज़ाइन किया गया है, जहां यह तर्क और निर्णय लेने वाले घटक के रूप में कार्य कर सकता है। इसकी बहुभाषी क्षमताएं इसे अंतरराष्ट्रीय अनुप्रयोगों के लिए उपयुक्त बनाती हैं।
थिंकिंग मशीन्स इंकलिंग को विशेष एआई टूल बनाने के लिए एक फाउंडेशन मॉडल के रूप में स्थान देती है, जिसमें टिंकर प्लेटफ़ॉर्म प्राथमिक फाइन-ट्यूनिंग इंटरफ़ेस के रूप में कार्य करता है। अपनी रिलीज़ के अनुसार, इंकलिंग ओपन-सोर्स एआई समुदाय में एक महत्वपूर्ण योगदान का प्रतिनिधित्व करता है, जो कई वाणिज्यिक समकक्षों से अनुपस्थित प्रदर्शन, लचीलापन और दार्शनिक खुलेपन का मिश्रण प्रदान करता है।