La exdirectora técnica de OpenAI, Mira Murati, finalmente ha revelado las cartas de su nuevo proyecto: Thinking Machines Lab. El primer modelo público, llamado Inkling, ya está disponible para pruebas y ajuste fino. No se trata solo de otro asistente de lenguaje, sino de un paso serio hacia la IA multimodal, capaz de razonar sobre texto, imágenes y audio simultáneamente.
La arquitectura de Inkling se basa en el principio MoE (Mixture of Experts): en cada solicitud solo se activa una parte de la red, lo que garantiza una alta velocidad de inferencia sin pérdida de profundidad analítica. El grupo total de parámetros es de 975 mil millones, de los cuales 41 mil millones están activos. La ventana de contexto es impresionante: 1 millón de tokens. El modelo se entrenó desde cero con 45 billones de tokens, incluyendo texto, imágenes, audio y video.
Sin embargo, cabe destacar que, a pesar de sus capacidades multimodales, Inkling por ahora solo genera respuestas textuales: código, datos estructurados y conclusiones analíticas. Pero hay una característica interesante: el usuario puede ajustar manualmente el equilibrio entre velocidad y calidad utilizando un nivel de razonamiento controlado. Esto ofrece una flexibilidad que rara vez se encuentra en modelos abiertos.
Dónde muestra Inkling sus puntos fuertes
En mi opinión, los resultados más impresionantes del modelo se ven en tareas de agente. En la prueba MCP Atlas, que evalúa la ejecución de tareas utilizando el Model Context Protocol, 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, que verifica la corrección autónoma de errores en GitHub, Inkling también lidera con confianza: 77,6% frente al 70,7% de Nemotron.
En la prueba FORTRESS Adversarial, que evalúa el procesamiento correcto de solicitudes maliciosas sin bloqueo excesivo, el modelo obtuvo un 78%. Esto lo convierte en el modelo abierto más potente entre los desarrollos occidentales hasta la fecha. Sin embargo, como era de esperar, Inkling aún está por detrás de los gigantes chinos. En Terminal Bench 2.1, que prueba la codificación autónoma en un entorno real, Inkling obtuvo 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%. Kimi K3 también lidera en la prueba de razonamiento científico a nivel de doctorado: Humanity's Last Exam.
Thinking Machines posiciona a Inkling como un modelo "universal" que no sacrifica unas tareas por la excelencia en otras. La apuesta está en la personalización: la empresa confía en que para los negocios es más importante un modelo flexible para una tarea específica que una "navaja suiza" universal.
Mi opinión experta: Inkling es una apuesta seria, pero claramente orientada a escenarios corporativos de nicho donde la personalización es clave. Aunque el modelo aún está por detrás de sus homólogos chinos en pruebas generales, su fortaleza reside en tareas de agente y código. Si Thinking Machines logra escalar la personalización y mejorar los resultados en pruebas científicas, Inkling podría convertirse en un competidor real para DeepSeek y GLM. Pero por ahora, esto es solo un primer paso.