Inkling, un modelo abierto pensado para personalizarse, no para ganar rankings

Inkling no busca ser el modelo de inteligencia artificial más potente del mercado, sino uno fácil de tomar y moldear: Thinking Machines Lab lo presenta como una base que otras empresas pueden descargar y adaptar a sus propios usos. La compañía publica los pesos completos del modelo ya entrenado -lo que en la industria se conoce como "pesos abiertos"-, de modo que cualquiera puede descargarlo, ejecutarlo en sus equipos y modificarlo con sus datos, sin depender de un servicio cerrado. No es lo mismo que el código abierto tradicional: la empresa no liberó los datos ni el proceso de entrenamiento, pero sí el modelo final.

El modelo procesa de forma nativa texto, imágenes y audio. Es grande, con 975.000 millones de parámetros en total, aunque solo activa 41.000 millones en cada respuesta gracias a una arquitectura que reparte el trabajo entre varios subsistemas especializados, lo que reduce el coste de cada consulta. Admite contextos de hasta un millón de tokens y se entrenó con 45 billones de tokens de texto, imágenes, audio y vídeo.

Permite regular cuánto tiempo dedica a razonar antes de responder: a más esfuerzo, mejores resultados, pero también más coste y espera. Según las pruebas de la empresa, necesita menos recursos que otros modelos abiertos para un rendimiento similar; en una prueba de programación, iguala a Nemotron 3 Ultra, de Nvidia, usando aproximadamente un tercio de los tokens. En una comparación de aplicaciones generadas por varios modelos y evaluadas por personas, se sitúa entre los modelos de pesos abiertos mejor valorados, aunque por detrás de los sistemas cerrados más avanzados.

Junto a Inkling, la compañía adelantó Inkling-Small, una versión más ligera con resultados similares en varias pruebas, pensada para tareas donde pesa más la rapidez que la potencia máxima. El modelo ya puede ajustarse en Tinker, con un 50% de descuento por tiempo limitado, y descargarse desde Hugging Face. La empresa también encargó pruebas de seguridad externas, en las que Inkling rechazó peticiones peligrosas mejor que otros modelos comparables, sin bloquear consultas legítimas.

Puntos clave

• Primer modelo de pesos abiertos de Thinking Machines Lab, pensado para personalizarse antes que para liderar rankings
• Pesos completos publicados, pero sin los datos ni el proceso de entrenamiento: no es código abierto tradicional
• Procesa de forma nativa texto, imágenes y audio
• 975.000 millones de parámetros totales, solo 41.000 millones activos por respuesta
• Contexto de hasta un millón de tokens; entrenado con 45 billones de tokens
• Nivel de razonamiento ajustable para equilibrar coste y rendimiento
• Iguala a Nemotron 3 Ultra en una prueba de programación usando aproximadamente un tercio de los tokens
• Entre los modelos abiertos mejor valorados en comparativas evaluadas por personas, por detrás de los cerrados más avanzados
• Se presenta junto a Inkling-Small, una versión preliminar más ligera y rápida
• Superó pruebas externas de seguridad, rechazando peticiones peligrosas sin bloquear consultas legítimas