Saturday, Nov 21 | --:--
Volver a la portada

Thinking Machines abre Inkling 2 Mini, modelo en bucle de 26.000 millones para portátiles

Actualizado el 21 de nov.: Thinking Machines Lab lanzó Inkling 2 Mini el 20 de noviembre con pesos abiertos en Hugging Face bajo Apache 2.0 y en Tinker, sin el periodo de pesos cerrados que tuvo Inkling 2 Small. El modelo multimodal de mezcla de expertos tiene 26.400 millones de parámetros en total y 3.400 millones activos, ejecuta sus 12 capas centrales tres veces por token y se distribuye como un checkpoint de unos 20 GB que, según el laboratorio, funciona en un DGX Spark o en una Mac con Apple silicon de 32 GB o más. Sus resultados en benchmarks son los que informa el propio laboratorio. Antes: los pesos de Inkling 2 Small llegaron una semana después de su lanzamiento en Tinker.

7 min de lectura San Francisco Ver como Markdown
Collage de linograbado con un tintero rojo sangre de buey que sostiene dos plumas ramificadas, sobre formas limpias de papel recortado, con un recorte del logotipo de Thinking Machines Lab pegado en la escena.

Actualizado el 21 de noviembre de 2026: Thinking Machines ha lanzado un segundo modelo Inkling 2, mucho más pequeño, Inkling 2 Mini, con pesos abiertos desde el primer día. La nueva sección que sigue cubre el lanzamiento; a continuación figuran sin cambios las informaciones anteriores.

21 de noviembre: el nuevo modelo pequeño se ahorra la espera#

El filtro de seguridad que retuvo los pesos de Inkling 2 Small durante una semana no se aplicó esta vez. Thinking Machines Lab lanzó Inkling 2 Mini el 20 de noviembre con los pesos en Hugging Face bajo Apache 2.0 y acceso en Tinker el mismo día, según su ficha del modelo y su publicación de lanzamiento.

Es un modelo con otra arquitectura. Inkling 2 Mini es un modelo multimodal de mezcla de expertos con 26.400 millones de parámetros en total y 3.400 millones activos; sus 12 capas centrales se ejecutan tres veces por token con pesos compartidos, lo que según el laboratorio equivale a unos 5.400 millones de parámetros activos efectivos. Acepta texto e imágenes, genera texto y admite una ventana de contexto de hasta 1 millón de tokens. El checkpoint ocupa unos 20 GB en una combinación de NVFP4 y MXFP8, y la ficha indica compatibilidad con un Nvidia DGX Spark o con equipos con Apple silicon de 32 GB de memoria o más.

El laboratorio dice que el modelo encabeza a todos los modelos de pesos abiertos con menos de 100.000 millones de parámetros en total en benchmarks como DeepSWE v1.1, con un 48,2 %, y Vals Index v2.2, con un 46,5 %. Su propia tabla sitúa a Inkling 2 Mini al nivel de Qwen3.8-27B en el Artificial Analysis Intelligence Index, con 20,1 cada uno, y dice que queda por detrás de Qwen3.8-27B en algunas otras pruebas. vLLM, que ofreció compatibilidad desde el primer día, describe el mismo diseño en bucle.

La ficha del modelo dice que Thinking Machines encontró a Inkling 2 Mini «sustancialmente por debajo de las capacidades de frontera» en sus evaluaciones de pérdida de control y concluyó que no aporta una mejora sustancial de capacidades más allá de lo que ya ofrecen los modelos de pesos abiertos. Como el bucle permite al modelo hacer más cálculos sin escribir su razonamiento, el laboratorio también evaluó la monitorizabilidad y dice que el modelo tiene muy poco control sobre su cadena de pensamiento. La ficha advierte de que el modelo es menos capaz que Inkling 2 Small, sobre todo en el recuerdo de datos, y de que puede borrar o sobrescribir archivos sin confirmación cuando se usa como agente.

Limitaciones de la actualización del 21 de noviembre#

  • No hemos ejecutado los pesos; todos los resultados de benchmarks y de seguridad que aquí se citan son de Thinking Machines o los cita el laboratorio, y no consultamos directamente las clasificaciones de Artificial Analysis ni de Vals.
  • La publicación de vLLM indica 3.500 millones de parámetros activos; la ficha del modelo indica 3.400 millones, la cifra que usamos.
  • Las comparaciones usan configuraciones de evaluación distintas para modelos distintos, señala el laboratorio.

Actualizado el 13 de noviembre de 2026: Thinking Machines ha publicado los pesos de Inkling 2 Small bajo Apache 2.0. La nueva sección que sigue cubre la publicación; a continuación figura sin cambios la información original.

13 de noviembre: ya están los pesos#

Thinking Machines Lab cumplió su calendario. El 12 de noviembre añadió una nota a su publicación de lanzamiento en la que indicaba que los pesos de Inkling 2 Small «ya pueden descargarse en HuggingFace», una semana después de poner el modelo en Tinker con pesos cerrados a la espera de pruebas de seguridad externas. Hugging Face muestra el repositorio con licencia Apache 2.0, la licencia que había prometido el laboratorio.

Hay dos checkpoints. El principal está en NVFP4, la precisión en la que, según la ficha del modelo, se hicieron el preentrenamiento, el entrenamiento intermedio y el postentrenamiento, y requiere un clúster de GPU con al menos 500 GB de memoria agregada, como dos Nvidia B300 o cuatro H200. Una versión MXFP8 requiere al menos 800 GB; el laboratorio dice que solo puntúa entre uno y dos puntos porcentuales más en sus evaluaciones y recomienda NVFP4 para todos los usos. El modelo se ejecuta localmente con SGLang, vLLM, TokenSpeed y Unsloth, y se ofrece a través de proveedores de inferencia como Nvidia, Fireworks, Together, Baseten, Nebius, Modal y Cloudflare, según el laboratorio.

La ficha del modelo dice que el laboratorio evaluó los riesgos químicos, biológicos, radiológicos, nucleares y cibernéticos mediante evaluaciones internas, pruebas externas y variantes con las negativas suprimidas, y que encontró el modelo «sustancialmente por debajo de las capacidades de frontera» en sus evaluaciones de pérdida de control. Esas son conclusiones del propio laboratorio.

Limitaciones de la actualización del 13 de noviembre#

  • No hemos ejecutado los pesos ni reproducido ningún benchmark; las conclusiones sobre capacidad y seguridad siguen siendo de Thinking Machines.
  • La ficha del modelo que leímos no nombraba a los evaluadores externos ni publicaba sus resultados.

Thinking Machines intenta de nuevo recorrer el camino que va de una API cerrada de ajuste fino a pesos descargables, esta vez con un MoE más grande y con un filtro de seguridad explícito de por medio. El 5 de noviembre el laboratorio presentó Inkling 2 Small, un modelo multimodal de mezcla de expertos con 594.000 millones de parámetros en total y 17.000 millones activos, entrada de imágenes y esfuerzo variable. Es un salto respecto a Inkling-Small, el MoE abierto de 276.000 millones de parámetros y 12.000 millones activos que lanzó en julio, y una arquitectura distinta de la del Inkling original, de 975.000 millones de parámetros y 41.000 millones activos.

El nuevo modelo ya está disponible en Tinker para inferencia y ajuste fino, con pesos cerrados. Thinking Machines dice que tiene la intención de publicar los pesos completos bajo una licencia Apache 2.0 la próxima semana, después de pruebas de seguridad externas y de red teaming, siguiendo lo que denomina un camino seguro hacia los pesos abiertos. Los checkpoints podrán descargarse cuando se publiquen esos pesos, dice la publicación.

Qué afirma el laboratorio#

Thinking Machines dice que Inkling 2 Small «supera con creces» a sus modelos anteriores en el Artificial Analysis Intelligence Index, y cita una puntuación de 31. Su propia tabla comparativa indica 30,6 en AA Index v5.0. Las evaluaciones de la publicación se hicieron con esfuerzo 0,99 («xhigh») y temperatura 1,0, con un límite máximo de trayectoria de 1 millón de tokens, frente al límite de 256.000 tokens usado para Inkling Small. No hemos repetido esas evaluaciones.

En cuanto al entrenamiento, el laboratorio dice que la primera fase de preentrenamiento abarcó 8,4 billones de tokens y duró 68 horas en racks NVIDIA GB300 NVL72, de forma nativa en NVFP4. Una ejecución conjunta posterior de aprendizaje por refuerzo duró 1.075 pasos y más de 17 millones de rollouts a lo largo de nueve días en 2.048 GPU, algo que el laboratorio contrasta con las ejecuciones separadas de aprendizaje por refuerzo para razonamiento y para tareas agénticas del Inkling anterior. Describe un codificador de visión de 292 millones de parámetros basado en Perception Encoder y dice que el modelo no admite audio.

Las cifras de seguridad de la publicación son del laboratorio. Dice que las puntuaciones de conocimiento y capacidad químicas, biológicas, radiológicas y nucleares de Inkling 2 Small se sitúan por debajo de la frontera de los modelos de pesos abiertos, y que una variante solo orientada a ser útil no hizo avanzar de forma significativa esa frontera en las dimensiones que midió. No reproducimos los métodos de evaluación ni detalles de asistencia.

Limitaciones#

  • Las cifras de índices de inteligencia y de benchmarks son citas de Thinking Machines de clasificaciones de terceros o de sus propias tablas; no las hemos reproducido de forma independiente.
  • La afirmación en el texto de una puntuación de 31 en el AA Index no coincide con el 30,6 que figura en la tabla de AA Index v5.0 del laboratorio.
  • Los pesos con Apache 2.0 son una intención fijada para «la próxima semana» tras las pruebas de seguridad, no una publicación ya realizada.
  • Las comparaciones QBRN y cibernéticas son del proveedor; no son el resultado de un organismo de seguridad independiente.
  • Los precios, los límites de uso y las condiciones de capacidad de Tinker no se especifican en el anuncio que leímos.

Fuentes#

Cobertura anterior

Informaciones anteriores de Times of AI sobre este tema.