Thinking Machines lanza el modelo de IA Inkling para ajustes finos en empresas

Thinking Machines lanzó Inkling el 15 de julio de 2026, un modelo base de IA multimodal con pesos abiertos y de aprendizaje en contexto (open-weight) diseñado para ajustes finos en entornos empresariales y para desarrolladores, en lugar de competir en la frontera. El modelo es un transformer Mixture-of-Experts con 975 mil millones de parámetros totales y 41 mil millones de parámetros activos, y admite una ventana de contexto de hasta un millón de tokens. La empresa posiciona Inkling como una base flexible para la personalización, haciendo hincapié en el esfuerzo de razonamiento controlable y en el razonamiento multimodal nativo para pensar de forma nativa en texto, imágenes y audio. Los pesos completos del modelo están disponibles en Hugging Face, con ajuste fino accesible mediante la plataforma Tinker de la compañía. Thinking Machines afirma explícitamente que el modelo no busca reclamar el estado del arte, sino que se centra en la amplitud de capacidades, la eficiencia de costes y la calibración de seguridad para su despliegue en empresas.

Thinking Machines Publica las Especificaciones Técnicas del Modelo Inkling

Inkling se preentrena con 45 billones de tokens que abarcan texto, imágenes, audio y vídeo. El modelo ofrece razonamiento multimodal nativo sobre los tres tipos de entrada, una capacidad que lo diferencia de la mayoría de alternativas con pesos abiertos, que normalmente no cuentan con soporte nativo de audio. Los desarrolladores pueden ajustar cuántos tokens utiliza el modelo para resolver un problema, lo que permite ahorrar costes y latencia. En pruebas, Inkling igualó a Nemotron 3 Ultra en Terminal Bench 2.1 con aproximadamente un tercio del coste en tokens.

Thinking Machines también adelantó Inkling-Small, una variante más ligera con 276 mil millones de parámetros totales y 12 mil millones de parámetros activos. Inkling-Small iguala o supera al modelo más grande en varios benchmarks, ofreciendo una opción de menor coste para cargas de trabajo de síntesis y evaluación.

Inkling Logra Resultados Competitivos de Benchmarks Contra Modelos de Pesos Cerrados

Los resultados de benchmarks muestran un rendimiento competitivo pero no líder frente a modelos de pesos cerrados como Claude Fable 5 y GPT-5.6 Sol en tareas de razonamiento y tareas agénticas. El lanzamiento subraya un rendimiento sólido en programación, seguimiento de instrucciones, veracidad, visión y audio.

En ForecastBench, Inkling rinde a la par con modelos cerrados líderes, incluyendo Gemini 3.1 Pro y Grok 4.3. En FORTRESS, un benchmark que evalúa la negativa a solicitudes dañinas evitando a la vez el exceso de negativa en analogías benignas, Inkling obtuvo un 78% en prompts adversarios, frente al 77,6% de Nemotron 3 Ultra y el 65,6% de Kimi K2.6.

Thinking Machines Implementa Calibración de Seguridad y Epistémica en el Entrenamiento de Inkling

Thinking Machines entrenó Inkling usando aprendizaje por refuerzo contra reglas de puntuación adecuadas sobre un gran corpus de preguntas reales de pronóstico ya resueltas, lo que produce un modelo calibrado para expresar incertidumbre apropiada en lugar de alucinar con confianza. El pipeline de entrenamiento incorporó dos evaluadores automatizados: un evaluador con rúbrica y un evaluador de afirmaciones con búsqueda web agéntica, para mejorar simultáneamente la utilidad y reducir errores fácticos.

Thinking Machines Hace Disponible Inkling a Través de Múltiples Socios de Despliegue

Tanto Inkling como Inkling-Small están disponibles a través de Tinker. Las asociaciones de despliegue abarcan TogetherAI, Fireworks, Databricks, Hugging Face y otros.

Preguntas frecuentes

¿Qué lanzó Thinking Machines el 15 de julio de 2026?

Thinking Machines lanzó Inkling, un modelo base de IA multimodal con pesos abiertos y 975 mil millones de parámetros totales y 41 mil millones de parámetros activos, diseñado para ajustes finos en entornos empresariales y de desarrolladores.

¿Cómo se compara Inkling con los modelos de pesos cerrados en benchmarks?

Inkling muestra un rendimiento competitivo pero no líder frente a modelos de pesos cerrados como Claude Fable 5 y GPT-5.6 Sol en tareas de razonamiento. En ForecastBench, rinde al mismo nivel que Gemini 3.1 Pro y Grok 4.3. En FORTRESS, obtuvo un 78% en prompts adversarios.

¿Dónde pueden los desarrolladores acceder a Inkling para ajuste fino?

Los pesos completos del modelo están disponibles en Hugging Face, y el ajuste fino es accesible mediante la plataforma Tinker de la compañía. Las asociaciones de despliegue incluyen TogetherAI, Fireworks, Databricks y Hugging Face.