La empresa Thinking Machines Lab, fundada por la exdirectora técnica de OpenAI, Mira Murati, ha presentado oficialmente su primer modelo de IA de código abierto: Inkling. No se trata de una red neuronal más, sino de un ambicioso intento de redefinir los estándares en el segmento de modelos abiertos, apostando por la multimodalidad y la flexibilidad.
La arquitectura de Inkling se basa en el principio de Mixture of Experts (MoE). Esto significa que, al procesar cada solicitud, solo se activa una parte de la red, lo que acelera drásticamente la inferencia sin perder profundidad de análisis. El número total de parámetros es de 975 mil millones, de los cuales 41 mil millones están activos. La ventana de contexto alcanza 1 millón de tokens, lo que permite al modelo procesar enormes volúmenes de datos, incluidos documentos extensos y diálogos complejos. El entrenamiento se realizó desde cero con un conjunto de datos de 45 billones de tokens, que abarca texto, imágenes, audio y video.
La característica clave de Inkling es su capacidad para razonar simultáneamente en múltiples modalidades (texto, imagen, audio), aunque por ahora solo genera respuestas textuales, incluyendo código y datos estructurados. El usuario puede ajustar de forma independiente el equilibrio entre velocidad y calidad, configurando el nivel de razonamiento. Esto hace que el modelo sea ideal para tareas que requieren una respuesta rápida o un análisis profundo.
Liderazgo en tareas de agente, pero vulnerabilidad frente a China
Inkling demuestra resultados sobresalientes en pruebas comparativas orientadas al comportamiento de agentes. En la prueba MCP Atlas, que mide el porcentaje de tareas completadas utilizando el Protocolo de Contexto de Modelo, Inkling obtuvo un 74,1%, casi 30 puntos por encima de Nvidia Nemotron 3 Ultra, su principal competidor occidental entre los modelos abiertos. En SWE-Bench Verified (corrección autónoma de errores en GitHub), el resultado fue del 77,6% frente al 70,7% de Nemotron. En la prueba FORTRESS Adversarial, que evalúa el manejo correcto de solicitudes maliciosas, el modelo obtuvo un 78%.
Sin embargo, frente a los análogos chinos, la posición de Inkling parece menos segura. En Terminal Bench 2.1, Inkling mostró un 63,8%, mientras que Z.ai GLM 5.2 alcanzó un 82,7% y el recién lanzado Kimi K3 de Moonshot AI, un 88,3%. Este último también lidera en la prueba de pensamiento científico a nivel de doctorado (Humanity's Last Exam).
Thinking Machines posiciona a Inkling como un modelo "universal" que no sacrifica el rendimiento en unas tareas para sobresalir en otras. La apuesta está en la personalización: la empresa cree que para los negocios es más importante un modelo flexible para una tarea específica que una solución monolítica. Junto con la versión principal, se presentó la versión ligera Inkling-Small (276 mil millones de parámetros, 12 mil millones activos), pero sus pesos completos aún no se han publicado; el modelo continúa en fase de pruebas.
Mi opinión experta: Inkling es una señal poderosa de que el futuro de la IA no reside en gigantes cerrados como GPT-5, sino en sistemas abiertos y personalizables. Sin embargo, la brecha con los modelos chinos en codificación y tareas científicas muestra que los desarrolladores occidentales tendrán que ponerse al día. El éxito de Inkling dependerá de la rapidez con que la comunidad pueda adaptarlo a sus nichos específicos.