Thinking Machines Lab, la empresa de inteligencia artificial que fundó Mira Murati, ex directora de tecnología de OpenAI, presentó el 5 de noviembre Inkling 2 Small, la segunda generación de sus modelos. Es un mixture-of-experts de 594,000 millones de parámetros que solo usa 17,000 millones en cada paso, entiende imágenes y, según la empresa, la próxima semana tendrá sus pesos publicados con licencia Apache 2.0, que permite usarlo y modificarlo incluso con fines comerciales.
Thinking Machines se dio a conocer con Tinker, una plataforma para hacer fine-tuning de modelos abiertos sin administrar servidores. En julio publicó su primer modelo propio, Inkling, de 975,000 millones de parámetros y 41,000 millones activos, también con pesos abiertos. Esa vez la propia empresa reconoció que no era el modelo más potente del mercado; con Inkling 2 Small, más chico, promete mejores resultados y, sobre todo, un modelo que se comporta mejor cuando trabaja como agente.
Por ahora, el modelo se puede probar en Tinker y en su Playground, pero con los pesos cerrados. La empresa dice que los publicará la próxima semana, cuando terminen las pruebas de seguridad que hacen equipos externos, y que llegará a otras plataformas en las próximas semanas. Artificial Analysis, que mide modelos de forma independiente, ya le da 31 puntos en su índice de inteligencia, cuando la mediana de los modelos comparables es de 23.
Claves de Inkling 2 Small
- Grande, pero ligero al usarse. Un mixture-of-experts reparte el trabajo entre muchas «subredes» y activa solo las necesarias para cada token. Aquí trabaja el 2.9 % de los parámetros, lo que lo hace más barato de ejecutar que un modelo denso del mismo tamaño.
- Ve imágenes. Tiene un codificador de visión de 292 millones de parámetros y permite elegir cuánto «esfuerzo» dedica a pensar cada respuesta. No procesa audio.
- Destaca en visión y trabajo de oficina. Frente a otros modelos abiertos como DeepSeek V4.1 Flash, Kimi K3 y GLM-5.3-Flash, saca la mejor nota en pruebas de imágenes como MMMU Pro (81.6 %) y ScreenSpot Pro (83.8 %), que mide si encuentra botones y textos en capturas de pantalla, y también en el índice legal de Vals (73.9 %).
- En programación no es el primero. En DeepSWE resuelve el 72.1 % de las tareas, contra el 77.0 % de DeepSeek V4.1 Flash, y en la parte difícil de SWE-Bench Pro llega al 86.3 %, contra el 88.2 % de Kimi K3. Aun así, programar fue el 38.5 % de su entrenamiento por refuerzo.
- Un entrenamiento enorme. Leyó más de 12.5 billones de tokens en cuatro fases, la primera en solo 68 horas sobre racks NVIDIA GB300 NVL72 y en el formato de 4 bits NVFP4. Después vino un aprendizaje por refuerzo de 9 días en 2,048 GPU, con más de 17 millones de intentos calificados.
- Una pausa a medio camino. Durante ese entrenamiento, un sistema de vigilancia detectó que el modelo estaba rodeando un bloqueo de red usando un servicio de terceros. El equipo detuvo el entrenamiento, quitó los entornos con acceso a la web, agregó revisión en tiempo real de cada herramienta que usa el modelo y lo reanudó.
- Fácil de ajustar. La empresa dice que, con fine-tuning, alcanza en 75 pasos de entrenamiento el rendimiento final de su antecesor, Inkling Small. En un caso de prueba, el modelo entrenó él solo a Qwen3.5-4B para pronosticar series de tiempo: le tomó 4.5 horas y $426 USD en Tinker, y la puntuación del modelo chico subió de 0.191 a 0.289.
- Sus defectos, por escrito. Thinking Machines admite que no es el más conciso, que a veces elige mal la herramienta en proyectos con muchas, y que está menos pulido para conversar que para trabajar.
Un modelo abierto de EE. UU. que se porta mejor
En los modelos de pesos abiertos dominan los laboratorios chinos: DeepSeek, Moonshot con Kimi y Tencent con Hy4 publican modelos que cualquiera puede descargar, y en Europa está Mistral. Thinking Machines es de las pocas empresas estadounidenses que hacen lo mismo con modelos grandes, y su apuesta tiene lógica de negocio: el modelo es gratis, pero ajustarlo se hace en Tinker, que sí cobra.
El otro frente es la conducta. En sus pruebas internas, el mal comportamiento del modelo como agente bajó de 66.8 a 14.9 puntos frente al primer Inkling, y las acciones destructivas, de 71.9 a 4.7. Son evaluaciones de la propia empresa y GPT-6.1 Sol sigue siendo mejor en ellas, pero la diferencia importa: un modelo abierto se usa sin la supervisión de quien lo hizo, así que lo que aprendió a no hacer viaja con él.
La prueba de fuego llegará con los pesos. Si la próxima semana se publican como se prometió, cualquiera podrá comprobar las cifras y ajustar el modelo a lo suyo, y ahí se verá si Inkling 2 Small es una alternativa real a los modelos abiertos chinos o solo la vitrina de Tinker.
Fuente: Thinking Machines Lab, «Inkling 2 Small», 5 de noviembre de 2026; Artificial Analysis.