La empresa fundada por la exdirectora tecnológica de OpenAI, Mira Murati, publicó su primer modelo fundacional con pesos abiertos. Inkling no busca ser el modelo más poderoso del mercado, sino una base multimodal para que empresas y desarrolladores lo adapten a sus propios usos mediante fine-tuning.
Thinking Machines Lab, la startup fundada por la exdirectora tecnológica de OpenAI, Mira Murati, lanzó Inkling, su primer modelo fundacional con pesos abiertos. La compañía presenta el lanzamiento como un paso hacia una IA más personalizable y menos concentrada en un pequeño grupo de laboratorios que entrenan modelos cerrados para todos los usuarios.
Inkling es un modelo multimodal de mezcla de expertos con 975 mil millones de parámetros totales y 41 mil millones de parámetros activos por token. Soporta una ventana de contexto de hasta un millón de tokens y fue preentrenado con 45 billones de tokens de texto, imágenes, audio y video, según la publicación técnica de Thinking Machines.
El modelo acepta entradas de texto, imagen y audio, y genera texto como salida. Su tarjeta técnica lo describe como un modelo generalista para desarrolladores que construyen aplicaciones de IA, agentes con uso de herramientas, asistentes de programación, chatbots y sistemas de generación aumentada por recuperación.
La decisión de publicarlo con pesos abiertos coloca a Thinking Machines en una zona distinta a la de los grandes laboratorios propietarios. La licencia indicada en la tarjeta del modelo es Apache 2.0 y los pesos están disponibles para descarga mediante Hugging Face, aunque correr la versión completa exige infraestructura considerable.
Ahí aparece la primera letra pequeña del lanzamiento. La versión BF16 requiere un clúster con al menos 2 TB de VRAM agregada, equivalente a ocho GPU NVIDIA B300 o 16 GPU H200. La versión cuantizada NVFP4 reduce el requisito a unos 600 GB de VRAM, pero sigue estando lejos del alcance de un usuario común.
Por eso Inkling no es solamente un modelo “abierto” en el sentido cultural del término. Es un modelo abierto para una capa específica de usuarios: laboratorios, empresas, proveedores de inferencia y equipos técnicos capaces de operar modelos enormes o de consumirlos mediante plataformas externas. Hugging Face destaca que hay soporte desde el primer día en Transformers, SGLang, vLLM, llama.cpp y proveedores de inferencia, pero el tamaño del modelo sigue marcando una barrera práctica.
El corazón de la apuesta no está sólo en liberar pesos, sino en hacer que esos pesos puedan modificarse. Thinking Machines conecta Inkling con Tinker, su API para entrenamiento y fine-tuning, que permite controlar entrenamiento y ajuste de modelos mientras la empresa administra la infraestructura.
Tinker trabaja con funciones básicas para entrenamiento, como forward/backward, actualización de pesos, muestreo y guardado de estado. La plataforma usa LoRA, una técnica que permite ajustar un modelo mediante pequeños añadidos entrenables sin modificar todos los pesos originales.
Esa combinación revela la tesis de Thinking Machines: el valor no estaría únicamente en tener un modelo fundacional fuerte, sino en permitir que organizaciones y desarrolladores lo conviertan en modelos especializados. La propia empresa dice que Inkling no es el modelo más fuerte disponible, abierto o cerrado, sino una base con capacidades multimodales, razonamiento eficiente y disponibilidad para fine-tuning.
El mensaje también tiene una dimensión política dentro de la industria de IA. Reuters presentó el lanzamiento como una alternativa abierta frente a modelos de código abierto desarrollados principalmente por laboratorios chinos, en un momento en que las empresas occidentales han mantenido buena parte de sus modelos más avanzados bajo esquemas propietarios.
La compañía intenta diferenciarse de la carrera por crear un asistente universal. En su manifiesto reciente, Thinking Machines sostiene que la mayoría de la IA actual se entrena en pocos lugares y luego queda congelada, sin ser moldeada por las personas u organizaciones que la usan. Su propuesta es una IA que pueda adaptarse al conocimiento local, a los valores y a los objetivos de cada entorno.
En ese marco, Inkling funciona como la primera prueba material de una filosofía: modelos fuertes, abiertos y modificables, acompañados por herramientas para que terceros los ajusten. Thinking Machines lo formula como “alineación descentralizada”: no un solo modelo con una sola especificación de valores, sino un ecosistema de modelos adaptados en distintos lugares.
El lanzamiento también busca mostrar capacidades técnicas. Thinking Machines afirma que Inkling fue entrenado para tareas de razonamiento, programación, seguimiento de instrucciones, factualidad, visión y audio. En sus benchmarks internos y reportados, la empresa lo compara con modelos abiertos y cerrados en pruebas como HLE, GPQA Diamond, SWE-Bench, Terminal Bench, MMMU Pro, VoiceBench y evaluaciones de seguridad.
Inkling puede usarse para modificarse a sí mismo mediante Tinker. En una demostración, el modelo escribió un trabajo de fine-tuning, lo ejecutó, evaluó el resultado y cambió a una versión ajustada para responder sin usar la letra “e”. La demostración no prueba autonomía general, pero sí ilustra la narrativa central del producto: modelos que pueden entrar en ciclos de adaptación relativamente rápidos.
En seguridad, Thinking Machines afirma que entrenó Inkling con una especificación interna de comportamiento seguro y que recurrió a pruebas externas en áreas como CBRN, ciberseguridad, pérdida de control, manipulación, usuarios vulnerables y dependencia parasocial. La empresa reconoce, de todos modos, que la seguridad de modelos con pesos abiertos sigue siendo un problema abierto, especialmente cuando el comportamiento puede cambiar mediante fine-tuning.
El lanzamiento llega después de meses de expectativas alrededor de Thinking Machines. La compañía fue fundada en 2025 por Murati y que Inkling es su primer modelo generalista. Axios señaló que la empresa había levantado 2 mil millones de dólares en una ronda semilla con una valoración de 12 mil millones antes de tener un modelo público, lo que convirtió este lanzamiento en una prueba de credibilidad para la startup.
La lectura de fondo es que Thinking Machines no sólo está compitiendo por benchmarks. Está compitiendo por la definición de apertura en IA avanzada: no apertura como acceso gratuito a un chatbot, sino como posesión de pesos, capacidad de ajuste y control sobre el comportamiento del modelo.
Inkling todavía no resuelve la contradicción central de la IA abierta contemporánea: los pesos pueden estar disponibles, pero la infraestructura para usarlos sigue siendo costosa. Aun así, el lanzamiento marca una señal importante. Mientras Europa intenta financiar soberanía pública con proyectos como SOOFI, Thinking Machines intenta demostrar que Silicon Valley todavía puede producir modelos abiertos, personalizables y técnicamente ambiciosos sin abandonar la carrera de frontera.
