El mundo de la inteligencia artificial tiene un nuevo contendiente en la arena de los modelos de código abierto. Thinking Machines Lab, la startup fundada por exempleados de OpenAI, ha lanzado su primer modelo, bautizado como Inkling. Se trata de un modelo de pesos abiertos multimodales masivo que, según la compañía, ofrece un rendimiento competitivo frente a los mejores modelos de su clase.

Un monstruo de 975 mil millones de parámetros

Inkling cuenta con 975 mil millones de parámetros totales y 41 mil millones de parámetros activos por inferencia, utilizando una arquitectura Mixture-of-Experts (MoE). Está entrenado desde cero y procesa texto, imágenes y audio como entrada, generando únicamente texto UTF-8 como salida. Su ventana de contexto alcanza hasta 1 millón de tokens, lo que permite manejar documentos muy extensos de una sola vez.

La compañía también ha adelantado una versión más ligera, Inkling-Small, con 276 mil millones de parámetros totales (12 mil millones activos), que iguala o supera a su hermana mayor en varios benchmarks. Sus pesos se liberarán una vez concluyan las pruebas.

Arquitectura y entrenamiento

Internamente, Inkling es un transformador decoder-only de 66 capas. Cada capa MoE alberga 256 expertos enrutados y 2 expertos compartidos, activándose seis enrutados y los dos compartidos por cada token. El diseño se inspira en DeepSeek-V3 e incluye un router basado en sigmoide con balanceo de carga libre de pérdidas auxiliares.

El entrenamiento se realizó con NVIDIA GB300 NVL72, optimizando matrices grandes con Muon y otros parámetros con Adam. La post-formación combinó Supervised Fine-Tuning sobre datos sintéticos —incluyendo datos generados por Kimi K2.5— y un intenso proceso de Reinforcement Learning asíncrono con más de 30 millones de rollouts.

Uno de los aspectos más llamativos del modelo es su capacidad de esfuerzo de razonamiento controlable. Durante el RL, el equipo manipuló el mensaje del sistema y los costes por token para que el modelo aprendiera a asignar diferentes presupuestos de tokens según la dificultad de la tarea. Este control se expone públicamente en la librería transformers mediante el argumento reasoning_effort, ajustable desde 0.2 hasta 0.99.

Rendimiento en benchmarks

Las evaluaciones de Inkling se realizaron con esfuerzo al máximo (0.99) y temperatura 1.0. Los resultados, validados externamente por Artificial Analysis, muestran un rendimiento sólido frente a otros pesos abiertos como Nemotron 3 Ultra, Kimi K2.6 y DeepSeek V4 Pro.

Destaca especialmente su 78.0% en FORTRESS Adversarial, la mejor puntuación entre los modelos comparados, y un 97.1% en AIME 2026, superando a Nemotron 3 Ultra (94.2%) y DeepSeek V4 Pro (96.7%). En SWEBench Verified logra un 77.6%, mientras que en Terminal Bench 2.1 alcanza un 63.8%. La compañía afirma que Inkling usa un tercio de los tokens que Nemotron 3 Ultra para un rendimiento similar en Terminal Bench 2.1.

Además, Inkling reporta un 73.5% en MMMU Pro, un 91.4% en VoiceBench y una puntuación de 1257 en Design Arena’s Agentic Web Dev.

Disponibilidad y ecosistema

Los pesos se distribuyen bajo licencia Apache 2.0 y están alojados en Hugging Face. Se ofrecen dos formatos: BF16 (requiere al menos 2 TB de VRAM agregada) y NVFP4 (reduce significativamente los requisitos, pero necesita hardware Blackwell).

El modelo puede ejecutarse en SGLang, vLLM y Hugging Face transformers (versión 5.14.0 o superior). Para fine-tuning, Inkling está disponible en la herramienta propia Tinker con opciones de contexto de 64K y 256K. Los usuarios pueden acceder a APIs gestionadas proporcionadas por TogetherAI, Fireworks, Modal, Databricks y Baseten.

Una apuesta por la IA descentralizada

El lanzamiento encaja con la filosofía que Thinking Machines Lab ha defendido públicamente: la inteligencia artificial no debería estar controlada por unas pocas empresas. Al liberar los pesos, permiten que investigadores y startups descarguen, modifiquen y adapten el modelo a sus necesidades.

Fundada en febrero de 2025 por figuras clave como Mira Murati (ex-CTO de OpenAI), John Schulman (cofundador de OpenAI) y Lilian Weng (ex-VP de seguridad y robótica), la startup ya había levantado la ronda semilla más grande de la historia, alcanzando una valoración de 12 mil millones de dólares. Con Inkling, Thinking Machines demuestra que su apuesta por la apertura y la descentralización se materializa en un producto real y disponible desde hoy.