Puntos clave
- Thinking Machines, la startup de la exdirectora de tecnología de OpenAI Mira Murati, lanza Inkling 2 Small, un modelo de mezcla de expertos con 594 mil millones de parámetros, de los cuales 17 mil millones están activos en un momento dado.
- En el Índice de Inteligencia de Artificial Analysis, Inkling 2 Small obtiene una puntuación de 31, un salto de 18 puntos respecto a su predecesor y aproximadamente al nivel del Gemini 3.8 Flash de Google, con ganancias especialmente fuertes en tareas agénticas.
- Sin embargo, el rendimiento mejorado tiene un precio. El modelo genera más tokens de salida y cuesta seis veces más por tarea que su predecesor. Inicialmente está disponible como oferta propietaria a través de la plataforma Tinker, con pesos bajo una licencia Apache que llegarán después.
Inkling 2 Small se proclama el modelo occidental de pesos abiertos más potente, con 17 mil millones de parámetros activos y puntuaciones de referencia que superan con creces a su predecesor.
La startup de la exdirectora de tecnología de OpenAI Mira Murati, Thinking Machines, ha presentado Inkling 2 Small, su segunda generación de modelos. Los modelos Inkling están diseñados como modelos base para ajuste fino, lo que podría hacerlos especialmente atractivos para aplicaciones especializadas.
El modelo de mezcla de expertos contiene un total de 594 mil millones de parámetros, de los cuales 17 mil millones están activos en un momento dado. Acepta texto e imágenes como entrada y ofrece una profundidad de razonamiento ajustable que permite a los usuarios elegir entre velocidad y exhaustividad.
En el Índice de Inteligencia de Artificial Analysis, Inkling 2 Small obtiene una puntuación de 31, según Thinking Machines. Eso es 18 puntos por encima del predecesor Inkling Small (13) y aproximadamente al nivel del Gemini 3.8 Flash de Google.Anuncio
Las mayores ganancias aparecen en tareas agénticas, donde el modelo ejecuta de forma independiente flujos de trabajo de varios pasos. En AutomationBench-AA la puntuación salta de 5 a 46 por ciento, y en FrontierCode 2.0 sube de 5 a 25 por ciento. En el benchmark de trabajo del conocimiento AA-Briefcase, Inkling 2 Small alcanza 1,527 Elo, 615 puntos por encima de su predecesor. La tasa de alucinación cae de 61 a 27 por ciento, pero en gran parte porque el modelo responde a menos preguntas. La tasa de respuesta baja de 77 a 53 por ciento.
Los costos suben pero se mantienen muy por debajo de la competencia
Los mejores resultados llegan en parte al costo de un mayor uso de tokens. Inkling 2 Small produce aproximadamente 150,000 tokens de salida por tarea en promedio, unas cuatro veces más que su predecesor. A $1.18 por tarea, cuesta casi seis veces más, según Artificial Analysis. Eso sigue siendo mucho más barato que Gemini 3.8 Flash ($7.77) o Claude Sonnet 5.5 ($10.02), y se sitúa más cerca del rango de precios de los modelos chinos de bajo costo.
Thinking Machines dice que entrenó el modelo con aprendizaje por refuerzo en cientos de miles de tareas de programación de largo alcance. Un sistema de evaluación automatizado comprobaba si el código funcionaba y cómo abordaba el modelo cada tarea. En FrontierCode 2.0, Inkling 2 Small alcanza 25.4 por ciento, en DeepSWE 72.1 por ciento, y en SWEBench Pro v2 (Hard) 86.3 por ciento. El nuevo Deepseek-V4.1-Flash sigue liderando la mayoría de esas pruebas, alcanzando 28.5 por ciento en FrontierCode y 77 por ciento en DeepSWE.
Las puntuaciones de visión y diseño lideran entre los modelos de pesos abiertos
Thinking Machines afirma que el modelo es más fuerte en reconocimiento de texto, interpretación de infografías y razonamiento visual. En el benchmark de documentos GDP.pdf, que evalúa si los modelos pueden responder preguntas a partir de documentos PDF complejos, obtiene un 25.2 por ciento, el más alto entre los modelos comparados. En MMMU Pro, un benchmark de comprensión multimodal de tareas académicas que involucran diagramas y figuras, Inkling 2 Small alcanza el 81.6 por ciento.Ad
En PerceptionBench, que evalúa la capacidad de percepción visual de los modelos multimodales, lidera con un 64.7 por ciento. En creación visual, el modelo obtiene una puntuación Elo de 1,340 en DesignArena Website, donde los usuarios califican sitios web generados por IA en comparaciones cara a cara. Esa es la puntuación más alta entre los modelos de pesos abiertos. Thinking Machines dice que el modelo también ha avanzado en modelado 3D.
En una demostración algo inusual, el equipo enfrentó al modelo contra sus propios investigadores en una cata de vinos a ciegas. Trabajando solo a partir de una foto, Inkling 2 Small identificó correctamente tres vinos en 19 de 20 intentos.
Ciclo de entrenamiento compacto, pesos abiertos próximamente
El ciclo total de entrenamiento es notablemente compacto en comparación con la competencia. En todas las fases, el modelo procesó unos 12 billones de tokens, según Thinking Machines, muchos menos que rivales comparables. La fase de aprendizaje por refuerzo posterior al entrenamiento base necesitó solo 3 billones de tokens en 2,048 GPU durante nueve días.
Thinking Machines dice que el modelo a veces se comunica de manera ineficiente, y eso probablemente es un problema mayor: no siempre elige las mejores herramientas para bases de código grandes. No admite audio y está menos optimizado para chat. También puede reaccionar de forma exagerada a temas relacionados con la salud y producir resultados desordenados.
Por ahora, Thinking Machines ofrece el modelo a través de su plataforma Tinker. La empresa planea publicar los pesos bajo una licencia Apache 2.0 una vez que concluyan las pruebas externas de seguridad. Es una de las licencias de código abierto más permisivas y una ventaja frente a licencias de pesos abiertos más restrictivas, como las de Meta o Mistral. Thinking Machines dice que el modelo pertenece a una familia de distintos tamaños, y la empresa planea lanzar más variantes pronto.
Fuente: Thinking Machines