- Soumith Chintala verlaat Meta en sluit zich aan bij Mira Murati's Thinking Machines Lab.
- Uit rapporten blijkt dat er snel personeel wordt aangenomen, dat er grote financieringsdoelen zijn en dat een eerste tool, Tinker, zich in een pilotfase bevindt.
- De open-source voetafdruk van PyTorch groeit, met brede acceptatie en een baanbrekend NeurIPS-artikel.
- DeepLearning.AI lanceert een PyTorch Professional-certificaat op Coursera om ontwikkelaars bij te scholen.
De AI-wereld is getuige van een cruciale transitie nu Mede-maker van PyTorch Soumith Chintala verlaat Meta om zich aan te sluiten bij Thinking Machines Lab, een nieuwe onderneming opgericht door voormalig OpenAI CTO Mira Murati. Deze stap onderstreept het tempo waarin toonaangevende onderzoekers teams en prioriteiten in de sector hervormen.
Naast de krantenkoppen signaleert de verandering evoluerende strategieën rond het raamwerk waarop veel onderzoekers en ingenieurs dagelijks vertrouwen. Leiderschapsveranderingen kunnen een verschuiving weerspiegelen naar breder gemeenschapsbeheer en nieuwe richtingen in productontwikkeling en onderzoekssamenwerking.
Leiderschapsverschuivingen rond PyTorch
Na meer dan een decennium te hebben geholpen bij het vormgeven van de AI-infrastructuur van Meta, Soumith Chintala kondigde begin november 2025 aan dat hij zou aftreden als leider van PyTorch en het bedrijf zou verlaten. Kort daarna bevestigde hij dat hij zich bij Thinking Machines Lab had aangesloten, verwijzend naar de kracht van het team en zijn drang om nieuwe dingen te bouwen.
Chintala's pad wordt veelvuldig aangehaald als inspiratiebron: van Hyderabad en VIT tot het mede-oprichten van PyTorch in 2016, het omzetten van een op onderzoek gerichte toolkit in een standaard die nu baanbrekend werk verricht in laboratoria, startups en grote ondernemingen.
Onder zijn leiding evolueerde PyTorch van een experimentele favoriet tot een productieklaar platformDe groei, het bestuur en de bijdragen van de gemeenschap aan het raamwerk zijn rol als hoeksteen verstevigd van moderne machine learning-workflows.
Zijn vertrek vindt plaats te midden van bredere reorganisaties bij grote AI-organisaties. Hoewel de details per rapport verschillen, is de rode draad duidelijk: teams en routekaarten worden opnieuw afgestemd om te kunnen concurreren in een tijdperk dat gekenmerkt wordt door modelschaal, datapijplijnen en implementatie op mondiale schaal.
Doelstellingen, werving en vroege productsignalen van Thinking Machines
Mira Murati richtte Thinking Machines Lab op met een focus op wat zij omschrijft als collaboratieve algemene intelligentie. De poolster van de groep is het bouwen multimodale systemen voor natuurlijke menselijke interactie, met de nadruk op verantwoorde en schaalbare onderzoeks-naar-producttrajecten.
Rapporten wijzen op aanzienlijke interesse van investeerders: een eerdere investeringsronde van 2 miljard dollar is veelvuldig besproken, naast gesprekken die verwezen naar een mogelijke waardering in de $ 50- $ 60 miljard bereik. De werving lijkt vlot te verlopen, wat de race weerspiegelt om multidisciplinair talent te verzamelen op het gebied van infrastructuur, onderzoek en product.
De eerste tool van de startup, Tinker, wordt beschreven als een systeem om de fijnafstemming van grote taalmodellen. Vroege pilotprojecten bij instellingen als Princeton en Stanford en proeven met de eerste zakelijke gebruikers suggereren een zorgvuldige uitrol, terwijl het team voortbouwt op feedback uit de praktijk.
Uit meerdere rapporten blijkt ook dat er prominente rekruten en adviseurs in de sector zijn, wat aangeeft dat Thinking Machines bouwt een diepe bank om de ontwikkeling te versnellen in een tijd waarin er hevige concurrentie is om expertise.
De open-source voetafdruk van PyTorch blijft groeien
PyTorch is een platform geworden dat de voorkeur geniet voor onderzoek en productie, en het gebruik ervan wordt in meer dan 100 landen genoemd. 150,000 publieke projectenDe impact ervan is overal zichtbaar. computer vision, NLP en generatieve modellering, waarbij snelle prototyping en flexibele inzet essentieel zijn.
Een opmerkelijke mijlpaal was het eerste volledige artikel van PyTorch op NeurIPS (2019), geschreven door Adam Paszke en medewerkers, waarin de belangrijkste ontwerpkeuzes tot en met versie 0.4 werden gedocumenteerd. de principes van het raamwerk gecodificeerd en hielp een groeiend ecosysteem van bibliotheken en tools te verenigen.
Van het bestuur van de PyTorch Foundation tot levendige bijdragen van de community, de ontwikkeling van het raamwerk illustreert hoe open-source samenwerking schaalt wanneer onderzoek, infrastructuur en onderwijs op elkaar zijn afgestemd rondom gedeelde doelen.
Onderwijspush: een nieuw PyTorch Professional-certificaat
DeepLearning.AI heeft het PyTorch for Deep Learning Professional-certificaat op Coursera aangekondigd, onder leiding van Laurence Moroney. Het curriculum richt zich op hoe je PyTorch-modellen bouwen, trainen en implementeren, met als doel om praktisch diepgaand leren toegankelijker te maken voor een breder publiek.
Voor lerenden en teams kan dit type gestructureerde leerroute de tijd verkorten die nodig is om van de basis naar de productie te gaan. Door praktische projecten en best practices te standaardiseren, het certificaat verbreedt de talentenpijplijn en ondersteunt organisaties die hun MLOps-stacks rondom PyTorch formaliseren.
Hoe het ecosysteem zich vanaf hier zou kunnen ontwikkelen
Nu Thinking Machines op gang komt en andere labs hun infrastructuur verdubbelen, kan de PyTorch-community profiteren van de hernieuwde focus op efficiëntie, tooling en gedistribueerde trainingDe volgende fase zal waarschijnlijk bestaan uit: nauwere lussen tussen onderzoek en inzet, met het oog op veiligheid en betrouwbaarheid.
Ondertussen blijft de ontwikkelaarscommunity grenzen verleggen met projecten die nauwkeurigheid en toegankelijkheid combineren. Educatieve teksten en implementaties – van fundamentele tutorials tot end-to-end handleidingen voor het bouwen van StyleGAN in PyTorch—de drempels voor professionals op elk niveau blijven verlagen.
Met een bewezen trackrecord in open source en een groeiend aanbod aan trainingsbronnen, is PyTorch gepositioneerd om een centrale pijler in AI-ontwikkeling te blijven. De combinatie van ervaren leiderschap dat zich aansluit bij nieuwe ondernemingen, duurzame gemeenschapsenergie en formele onderwijstrajecten suggereren een cyclus van innovatie die zowel experimenten als implementatie in de echte wereld stimuleert.
