Model Releases
Thinking Machines Lab lanza Inkling 2 Small, un modelo multimodal MoE de 594B parámetros
Thinking Machines Lab redefine el panorama del open-weights con Inkling 2 Small, un modelo MoE de 594B parámetros con rendimiento de frontera y capacidades multimodales.
5 de noviembre de 2026
Model ReleaseInkling 2 Small
Un hito en la inteligencia artificial de código abierto
El 5 de noviembre de 2026 marca un punto de inflexión en la democratización de la IA de alto rendimiento. Thinking Machines Lab, la startup liderada por la ex-CTO de OpenAI, Mira Murati, ha anunciado oficialmente el lanzamiento de Inkling 2 Small. Este no es solo un modelo más en un mercado saturado; es la consolidación de una visión que busca equilibrar el rendimiento de frontera con la transparencia del open-weights.
La llegada de Inkling 2 Small representa el segundo gran paso de la compañía tras el éxito de la primera generación de Inkling. Al posicionarse como un modelo de pesos abiertos bajo la licencia Apache 2.0, Thinking Machines Lab está desafiando directamente el dominio de los modelos cerrados, ofreciendo a los desarrolladores una herramienta que combina una arquitectura sofisticada con una accesibilidad sin precedentes.
- Lanzamiento oficial: 5 de noviembre de 2026
- Liderazgo: Thinking Machines Lab (Mira Murati)
- Licencia: Apache 2.0 (Open Weights)
- Importancia: Primer gran lanzamiento de segunda generación
Arquitectura MoE y capacidades multimodales
Técnicamente, Inkling 2 Small es una maravilla de la ingeniería de eficiencia. Se trata de un modelo de arquitectura Mixture-of-Experts (MoE) que cuenta con un total de 594 mil millones de parámetros. Sin embargo, gracias a su diseño especializado, solo utiliza 17 mil millones de parámetros activos por token, lo que permite una latencia reducida y un throughput significativamente mayor en comparación con modelos densos de tamaño similar.
A diferencia de sus predecesores puramente textuales, Inkling 2 Small es un modelo multimodal nativo. Esto significa que ha sido entrenado para procesar y razonar sobre diferentes modalidades de datos de forma integrada, no como módulos separados. Además, el modelo soporta una ventana de contexto masiva de 1 millón de tokens, permitiendo el análisis de repositorios de código completos o documentos legales extensos en una sola inferencia.
- Arquitectura: Mixture-of-Experts (MoE)
- Parámetros totales: 594B
- Parámetros activos: 17B
- Ventana de contexto: 1M de tokens
- Capacidad: Multimodal nativa
Rendimiento y Benchmarks de frontera
El rendimiento de Inkling 2 Small ha dejado atónita a la comunidad técnica. En el índice de Artificial Analysis, el modelo ha alcanzado una puntuación de 31, posicionándose como el líder entre los modelos de pesos abiertos de Occidente. Su capacidad de razonamiento y ejecución de tareas complejas lo sitúa en un nivel de rendimiento 'near-frontier', compitiendo directamente con los modelos más avanzados de OpenAI y Anthropic.