Thinking Machines lanza Inkling 2 Small, un modelo de mezcla de expertos de 594.000 millones de parámetros en Tinker, con pesos abiertos prometidos más adelante

Thinking Machines Lab, la startup que dirige la exdirectiva de OpenAI Mira Murati, publicó Inkling 2 Small el 5 de noviembre. Es la segunda generación de modelos de la empresa y supera con creces en tamaño a Inkling-Small, que tiene 276.000 millones de parámetros, 12.000 millones de ellos activos. El nuevo modelo usa una mezcla de expertos dispersa con 594.000 millones de parámetros en total, de los que unos 17.000 millones se activan en cada token.

Qué se ha publicado

El modelo recibe texto e imágenes y genera texto. A diferencia de su antecesor, no admite audio. Las imágenes se procesan con un codificador visual de 292 millones de parámetros basado en Perception Encoder. La ventana de contexto llega a un millón de tokens, y un sistema de compactación permite a los agentes seguir trabajando más allá de los 256.000 tokens usados en el aprendizaje por refuerzo. Según la cobertura, Thinking Machines lo plantea como base para el postentrenamiento y para sistemas agénticos que planifican tareas de varios pasos, llaman a herramientas y comprueban sus resultados, más que como un chatbot pulido.

El laboratorio también detalló el entrenamiento. El preentrenamiento se hizo de forma nativa en formato NVFP4 sobre sistemas NVIDIA GB300 NVL72, con 8,4 billones de tokens en la primera fase. La ejecución principal de aprendizaje por refuerzo superó los 17 millones de rollouts durante nueve días en 2.048 GPU.

Resultados y limitaciones

Inkling 2 Small obtiene 31 puntos en el Artificial Analysis Intelligence Index. Thinking Machines comunica un 72,1 % en DeepSWE v1.1 y un 86,3 % en el subconjunto difícil de SWE-Bench Pro v2. Son cifras del propio laboratorio y de Artificial Analysis que nadie más ha replicado. El laboratorio reconoce que el modelo queda por detrás de DeepSeek V4.1 Flash en varias pruebas de programación agéntica y de Kimi K3 en SWE-Bench Pro. También enumera puntos débiles, como respuestas demasiado largas y una estructura conversacional más floja. En su métrica interna de comportamientos indebidos, la puntuación baja de 66,8 en el primer Inkling a 14,9, todavía peor, según la empresa, que la de modelos cerrados como GPT-6.1 Sol.

Disponibilidad y pesos abiertos

Por ahora solo se puede usar a través de Tinker, la plataforma de ajuste fino y muestreo de la compañía, y de su Playground. Los pesos siguen cerrados. Thinking Machines se ha comprometido a publicarlos con licencia Apache 2.0 cuando concluyan las pruebas de seguridad externas y el red-teaming. Se menciona como objetivo «la semana que viene», pero depende de esa revisión y no hay fecha garantizada. RuntimeWire recuerda que el laboratorio arrancó con una ronda semilla de 2.000 millones de dólares.