Thinking Machines Lab Lanza Inkling: Modelo de IA Abierto que Desafía el Enfoque Único

Inkling: Un Modelo Abierto y Personalizable

La startup de inteligencia artificial Thinking Machines Lab, fundada por la exdirectora técnica de OpenAI Mira Murati, ha presentado su primer modelo propio, llamado Inkling. A diferencia de los modelos insignia de OpenAI, Anthropic o Google, este modelo es de pesos abiertos (open-weight), lo que permite a desarrolladores y empresas descargarlo y modificarlo directamente.

Inkling es un sistema de mezcla de expertos (mixture-of-experts) con 975 mil millones de parámetros totales, aunque solo utiliza alrededor de 41 mil millones para cualquier tarea específica, un diseño común que mantiene los modelos muy grandes más rápidos y económicos de ejecutar. Fue entrenado con 45 billones de tokens de texto, imagen, audio y video, y razona de forma nativa a través de estos cuatro tipos de datos, aunque por ahora sus salidas se limitan a texto, incluido código, artefactos estilizados y datos estructurados.

Rendimiento y Eficiencia

Inkling está diseñado para proporcionar respuestas calibradas, incluyendo la indicación de incertidumbre en lugar de adivinar, y permite a los usuarios ajustar el «esfuerzo de pensamiento” hacia arriba o hacia abajo cuando quieren ganar velocidad. En un benchmark, la compañía afirma que Inkling utiliza un tercio de los tokens que el modelo de pesos abiertos de Nvidia, Nemotron 3 Ultra, para lograr el mismo rendimiento en codificación.

“Inkling no es el modelo general más fuerte disponible hoy, abierto o cerrado”, afirma la empresa en su publicación, buscando un rendimiento equilibrado.

Casos de Uso Empresarial

Thinking Machines comercializa Inkling menos como un producto terminado que como un punto de partida para que las organizaciones lo ajusten a través de Tinker, su plataforma de personalización de modelos. Esto significa que los clientes, no la empresa, son responsables de garantizar la seguridad de sus personalizaciones. El ejemplo más claro proviene de un proyecto reciente con Bridgewater Associates, el fondo de cobertura más grande del mundo. Investigadores de ambas empresas tomaron un modelo de código abierto existente y lo entrenaron con la experiencia financiera propia de Bridgewater. El resultado obtuvo una puntuación de 84.7% en pruebas de razonamiento financiero, superando a los mejores modelos de IA propietarios, y costando aproximadamente una decimocuarta parte de lo que cuesta ejecutarlos.

Estrategia y Futuro

Thinking Machines enfatiza la rapidez con la que llegó a este punto: OpenAI tardó aproximadamente cinco años en llevar su tecnología al mercado y mostrar ingresos, y Anthropic unos tres. Thinking Machines afirma haber hecho lo mismo en aproximadamente nueve meses. Sobre si Inkling fue entrenado con resultados de modelos de la competencia (práctica conocida como destilación), la compañía responde que sí, en parte. Se preentrenó desde cero, pero se utilizaron otros modelos de pesos abiertos, como el Kimi K2.5 de Moonshot AI, para generar algunos de los primeros datos de post-entrenamiento. El próximo modelo usará un post-entrenamiento completamente autónomo.

En el aspecto de costos, Thinking Machines ha sido más reservada. Estableció una asociación con Nvidia en marzo para implementar un gigavatio de capacidad informática Vera Rubin y entrenó Inkling completamente en los sistemas GB300 NVL72 de Nvidia. La empresa, con aproximadamente 200 empleados, genera ingresos a través de Tinker, y no del modelo en sí, una apuesta por la eficiencia y la adaptabilidad frente a los gigantes del sector.