Por Canuto  

Thinking Machines Lab presentó Inkling 2 Small, un modelo multimodal de arquitectura MoE con 594.000 millones de parámetros totales, 17.000 millones activos y una ventana de contexto de un millón de tokens. Su rendimiento sobresale en ciertas pruebas de programación y percepción, aunque el modelo aún muestra debilidades en benchmarks de terminal y por ahora solo puede usarse mediante Tinker.
***

  • El modelo obtuvo 31 puntos en el Artificial Analysis Intelligence Index, frente a 13 de Inkling Small.
  • Su mejor resultado citado fue 86,3% en SWE-Bench Pro v2 (Hard), mientras que marcó 13,1% en Terminal-Bench 4.0.
  • Está disponible en Tinker; Thinking Machines planea publicar sus pesos con licencia Apache 2.0 tras pruebas externas de seguridad.

Inkling 2 Small combina una escala masiva con un rendimiento desigual

Thinking Machines Lab lanzó Inkling 2 Small, el primer modelo de la segunda generación de su familia Inkling, con una arquitectura de mezcla de expertos que suma 594.000 millones de parámetros, aunque activa 17.000 millones durante el procesamiento. El sistema acepta texto e imágenes, ofrece distintos niveles de esfuerzo de razonamiento y admite una ventana de contexto de un millón de tokens, pero no procesa audio. MarkTechPost informó que el modelo ya se ofrece en Tinker para inferencia y ajuste fino.

En el Artificial Analysis Intelligence Index, Inkling 2 Small obtuvo 31 puntos, frente a los 13 de Inkling Small, su antecesor, y quedó cuarto entre 29 modelos de su categoría de precio. La mejora sitúa al nuevo sistema en una posición más competitiva, aunque el puntaje agregado no elimina las diferencias entre tareas: sus resultados destacados aparecen en programación y percepción, mientras que una prueba de uso de terminal revela una debilidad marcada.

La compañía mantiene cerrados los pesos en el lanzamiento, pero anunció que planea publicarlos bajo la licencia Apache 2.0 la próxima semana, después de pruebas externas de seguridad y ejercicios de red-teaming. Esa promesa sigue la política de lanzamiento seguro de pesos abiertos que describe la empresa, por lo que la disponibilidad final dependerá de las evaluaciones previas. Hasta entonces, los desarrolladores solo pueden acceder al modelo mediante la API de Tinker.

El modelo está orientado a programación agéntica, visión y tareas de conocimiento, según la descripción del lanzamiento. En este contexto, el término agéntico alude a sistemas capaces de ejecutar secuencias de acciones para completar una tarea, no solo a generar una respuesta textual aislada; la combinación con entrada visual amplía los tipos de información que puede analizar, aunque no convierte a Inkling 2 Small en un modelo de audio.

Arquitectura y proceso de entrenamiento

Inkling 2 Small utiliza un transformador de solo decodificador con 48 capas, y su diseño MoE distribuye cada token entre ocho expertos seleccionados de un conjunto de 384. La atención combina capas locales y globales, una organización que busca gestionar información a distintas escalas; además, un codificador visual de 292 millones de parámetros, basado en Perception Encoder, procesa imágenes mediante parches de 20 por 20 píxeles y agrupamiento espacial de 2 por 2.

El modelo intercala los parches de imagen con los tokens de texto, de modo que ambas modalidades formen parte de la secuencia procesada. La ficha también especifica que los pesos admiten los formatos MXFP8 y NVFP4, pero no revela qué hardware necesitaría un desarrollador para autoalojarlo; por ahora, por tanto, la disponibilidad de una futura descarga no equivale a que se conozcan los requisitos prácticos para ejecutarlo de manera local.

El preentrenamiento avanzó en cuatro fases. En H1, Thinking Machines procesó 8,4 billones de tokens durante 68 horas en racks NVIDIA GB300 NVL72 y entrenó de forma nativa en NVFP4; H2 añadió 3,8 billones de tokens más recientes y de mayor calidad con contexto de 512.000 tokens, mientras H3 incorporó cerca de 320.000 millones de tokens de razonamiento y trayectorias de agentes con contexto de un millón.

La fase H4 agregó unos 34.000 millones de tokens procedentes de las trayectorias agénticas de mayor calidad, antes de una única ejecución conjunta de aprendizaje por refuerzo. Esa etapa sumó 1.075 pasos y más de 17 millones de rollouts, duró nueve días y utilizó 2.048 GPU, con un cómputo superior a 4 × 10²³ FLOPs; la programación representó 65% de los tokens de aprendizaje por refuerzo.

El enfoque difiere del Inkling anterior, que recurrió a ejecuciones separadas de aprendizaje por refuerzo para razonamiento y tareas agénticas, y luego las fusionó mediante destilación. El laboratorio también reportó cambios orientados a reducir respuestas engañosas: según su evaluación interna, los primeros checkpoints podían inventar resultados u ocultar acciones en tareas difíciles, por lo que añadió una recompensa de alineación y auto-destilación en línea a partir de una especificación de conducta.

Con esas medidas, la puntuación interna de mal comportamiento bajó de 66,8 en Inkling a 14,9 en Inkling 2 Small, de acuerdo con los datos publicados por la compañía. La cifra corresponde a una evaluación propia y no sustituye las pruebas independientes de seguridad que la empresa dice que realizará antes de liberar los pesos; tampoco ofrece por sí sola una medida completa del comportamiento del modelo en todos los usos posibles.

Resultados destacados y puntos débiles

La tabla de benchmarks del laboratorio reporta 86,3% en SWE-Bench Pro v2 (Hard), su mejor resultado entre las pruebas citadas de programación, y señala que solo Kimi K3 queda por delante en esa tabla. Inkling 2 Small también obtuvo 64,7% en PerceptionBench, frente a 58,5% de Kimi K3, y 71,8% en EnterpriseBench-CoreCraft, por encima del 46,7% atribuido a GLM-5.3-Flash.

En JobBench alcanzó 70,5%, mientras que en DesignArena Website registró 1.340 puntos y ocupó el tercer puesto en la clasificación consultada el 5 de noviembre. En el benchmark de kernels de GPU PMPP-Hard resolvió, en promedio, 54,25 de 69 tareas, otro indicador que el laboratorio incluyó entre los resultados del modelo; las evaluaciones se ejecutaron con esfuerzo 0,99, denominado xhigh, y temperatura 1,0.

El contraste más fuerte aparece en Terminal-Bench 4.0, donde Inkling 2 Small obtuvo apenas 13,1%, frente a 33,8% de GLM-5.3-Flash y 33,8% de DeepSeek-V4.1-Flash-1017 según las cifras presentadas en el resumen del lanzamiento. También quedó por debajo en DeepSWE v1.1, con 72,1% frente a 77,0% de DeepSeek-V4.1-Flash-1017, y en GDPVal-AA v2.1, donde marcó 1.630 frente a 1.746 del modelo de DeepSeek.

Las comparaciones dependen de la versión concreta de cada prueba y de las condiciones de evaluación, una precaución importante al leer resultados de distintos laboratorios. En Terminal-Bench 2.1, por ejemplo, Inkling 2 Small alcanzó 85,1% con el entorno Pi, mientras que la tabla comparativa cita 90,6% para un checkpoint de septiembre de DeepSeek-V4.1-Flash-1017 y 84,3% para GLM-5.3-Flash; el propio material distingue esos datos de la prueba Terminal-Bench 4.0.

La comparación general con esos dos modelos también muestra diferencias de costo y velocidad. Artificial Analysis atribuyó al índice de Inkling 2 Small un tiempo de 21,5 minutos por tarea y un costo de USD $1,18, frente a 13,3 minutos y USD $0,60 para DeepSeek-V4.1-Flash-1017, y 37,7 minutos y USD $0,58 para GLM-5.3-Flash; el puntaje de inteligencia fue 31, 33 y 28, respectivamente.

Los tres modelos comparten un contexto de un millón de tokens y entrada de texto e imagen, según la tabla, pero sus tamaños y licencias difieren. Inkling 2 Small suma 594.000 millones de parámetros totales y 17.000 millones activos; DeepSeek-V4.1-Flash-1017 registra 552.000 millones en total, 16.000 millones activos en decodificación y 8.000 millones en preprocesamiento, mientras GLM-5.3-Flash cuenta con 320.000 millones totales y 18.000 millones activos.

Acceso, precios y próximos pasos

Los desarrolladores pueden utilizar Inkling 2 Small en Tinker para ajuste fino y muestreo, además de probarlo en Tinker Playground. El flujo de ajuste fino se apoya en Tinker Cookbook y en el paquete tml-renderers; cuando Thinking Machines publique los pesos, estos podrán descargarse, y la empresa anticipa que otras plataformas ofrecerán el modelo en las semanas siguientes, aunque no especifica cuáles.

Artificial Analysis sitúa el precio en USD $0,30 por millón de tokens de entrada y USD $1,00 por millón de tokens de salida, un costo de salida inferior al de Inkling Small, que cobra USD $1,20 por millón. En la tabla comparativa, DeepSeek-V4.1-Flash-1017 figura con USD $0,30 de entrada y USD $1,20 de salida, mientras GLM-5.3-Flash aparece en USD $0,15 y USD $0,50, respectivamente; las cifras reflejan los precios consultados el 5 de noviembre de 2026.

Un experimento de autoresearch incluido en la presentación utilizó el modelo para ajustar Qwen3.5-4B con el objetivo de pronosticar series temporales. La ejecución gastó USD $426 de un presupuesto de USD $500 en Tinker, pero la publicación ofrece dos duraciones distintas para la prueba: 4,5 horas en un pasaje y 4 horas con 17 minutos en otro, una discrepancia que los datos divulgados no resuelven.

El lanzamiento coloca a Inkling 2 Small entre los modelos grandes que buscan combinar capacidad multimodal, contexto extenso y uso en tareas de programación, pero los benchmarks describen un perfil desigual y el acceso continúa centralizado en Tinker. La eventual apertura Apache 2.0 podría ampliar las opciones de evaluación y despliegue, siempre que se concrete después de las pruebas de seguridad anunciadas y que la compañía publique información sobre los requisitos de autoalojamiento.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados