El lanzamiento de Inkling, el modelo de inteligencia artificial de propósito general desarrollado por Thinking Machines Lab, marca un hito en el ecosistema de IA de peso abierto. Fundada por la exdirectora técnica de OpenAI, Mira Murati, esta startup con sede en San Francisco ha presentado un modelo que no solo compite en rendimiento, sino que ofrece una alternativa de origen estadounidense en un mercado dominado por desarrollos chinos. Con 975 mil millones de parámetros totales —de los cuales 41 mil millones están activos durante la inferencia— y una ventana de contexto de hasta un millón de tokens, Inkling está diseñado para tareas multimodales que integran texto, imágenes, audio y video.
La arquitectura de mezcla de expertos (MoE) permite a Inkling optimizar el uso de recursos computacionales, activando solo una fracción de sus parámetros en cada procesamiento. Esto, combinado con un ajuste de esfuerzo de razonamiento que va de 0.2 a 0.99, ofrece a los desarrolladores un control fino sobre el equilibrio entre rendimiento y número de tokens generados. En pruebas internas, la compañía demostró que Inkling iguala el rendimiento de Nvidia Nemotron 3 Ultra en Terminal Bench 2.1, pero generando aproximadamente un tercio de los tokens. Además, su puntuación de 77.6% en SWE-Bench Verified —aunque por detrás de DeepSeek V4 Pro y GLM 5.2— supera a Nemotron, consolidándose como una opción sólida para tareas de ingeniería de software.
Para las empresas, la apertura de los pesos completos de Inkling en plataformas como Hugging Face —tanto en checkpoint original como en versión cuantizada NVFP4— representa una oportunidad para desplegar la inteligencia artificial en infraestructura propia, cumpliendo con requisitos de privacidad y soberanía de datos. Sin embargo, el coste de implementación no es trivial: ejecutar el modelo completo requiere un clúster de GPUs con al menos 2 TB de VRAM agregada, lo que se traduce en ocho GPUs Nvidia B300 o 16 H200. La versión cuantizada baja el requisito a 600 GB, permitiendo su ejecución en cuatro B300 u ocho H200. Para muchas organizaciones, el coste de esta infraestructura puede hacer que las APIs de modelos cerrados resulten más económicas, aunque la flexibilidad de un modelo de peso abierto es difícil de igualar.
Thinking Machines también ha presentado Inkling-Small, con 276 mil millones de parámetros totales y 12 mil millones activos, una versión más ligera que promete reducir la latencia y los costes de infraestructura sin sacrificar un rendimiento útil en cargas de trabajo clave. La compañía planea lanzar sus pesos completos tras las pruebas finales. Este modelo pequeño podría ser la puerta de entrada para muchas empresas que buscan integrar inteligencia artificial avanzada sin realizar grandes inversiones en hardware.
Desde la perspectiva de la seguridad y la gobernanza, Inkling ha sido entrenado para resistir la censura y seguir instrucciones con alta calibración. Obtuvo un 98.6% en StrongREJECT, una prueba que mide si el modelo rechaza solicitudes claramente dañinas. No obstante, analistas como Pareekh Jain advierten que el fine-tuning puede debilitar los filtros de seguridad, por lo que las empresas deben volver a evaluar la seguridad después de personalizar el modelo. La posibilidad de autoalojar y modificar el modelo implica que las versiones personalizadas pueden divergir de la oficial con el tiempo, sin recibir actualizaciones automáticas. Por ello, los CIO deben asegurarse de que cada acción de un agente de IA quede registrada, sea auditable y cuente con aprobación humana para tareas de alto riesgo.
Aquí es donde entra en juego la experiencia de empresas como Q2BSTUDIO, especializada en el desarrollo de software a medida e integración de inteligencia artificial. Nuestro equipo puede ayudar a las organizaciones a desplegar modelos como Inkling en entornos cloud como AWS o Azure, garantizando que la infraestructura cumpla con los requisitos de escalabilidad y seguridad. Además, ofrecemos servicios de ciberseguridad para auditar y fortalecer los modelos personalizados, y soluciones de Business Intelligence con Power BI para extraer el máximo valor de los datos procesados por los agentes de IA.
El lanzamiento de Inkling no solo amplía el abanico de opciones en el mercado de modelos abiertos, sino que refuerza la tendencia hacia la adopción empresarial de inteligencia artificial con control total sobre los datos. En Q2BSTUDIO entendemos que cada organización tiene necesidades únicas, y por eso ofrecemos consultoría para seleccionar el modelo y la infraestructura más adecuados, ya sea Inkling, GPT, Claude u otras alternativas. La combinación de un modelo de peso abierto con un partner tecnológico experto permite a las empresas innovar con rapidez, manteniendo la seguridad y el cumplimiento normativo.
En resumen, Inkling de Thinking Machines Lab representa un avance significativo en la democratización de la inteligencia artificial de alto rendimiento. Su naturaleza abierta, su capacidad multimodal y su control sobre el razonamiento lo convierten en una herramienta poderosa para aplicaciones empresariales como copilotos basados en conocimiento, servicio al cliente multimodal, automatización de flujos de trabajo y tareas agénticas. Sin embargo, el éxito de su implementación depende de una estrategia sólida que considere costes de infraestructura, seguridad y gobernanza. Con el apoyo de empresas como Q2BSTUDIO, las organizaciones pueden superar estos desafíos y aprovechar al máximo el potencial de la inteligencia artificial de peso abierto.
