Thinking Machines Lanza Inkling, un MoE de 975B con Pesos Abiertos
- Qué pasó
- Thinking Machines Lab released Inkling, an open-weights 975B MoE model with Apache 2.0 license, native multimodality, and controllable thinking.
- Por qué importa
- Inkling is a customization platform masquerading as a model launch — fine-tuning-ready, broad rather than SOTA, with a self-improvement demo that closed the loop in 27 minutes.
- Qué hacer
- If you need a customizable base model for specialized workflows, evaluate Inkling on your own data via Tinker. If you need frontier performance out of the box, stick with GPT-5.6 or Fable 5.
Thinking Machines Lab lanzó Inkling el 15 de julio de 2026, y no está intentando vencer a GPT-5.6 (Thinking Machines Lab, 2026(se abre en una pestaña nueva)). El laboratorio de Mira Murati publicó un modelo MoE de 975 mil millones de parámetros (41B activos) bajo licencia Apache 2.0 con todos los pesos disponibles en Hugging Face (Hugging Face, 2026(se abre en una pestaña nueva)). El verdadero producto no es el modelo en sí, sino el dial de esfuerzo de razonamiento controlable y la plataforma de fine-tuning Tinker que lo acompaña.
Qué pasó: Inkling ya está disponible
Inkling es un modelo generalista amplio de tipo Mixture-of-Experts con multimodalidad nativa: texto, imágenes y audio como entrada, texto como salida. Es competitivo en codificación agéntica, razonamiento y tareas multimodales, pero explícitamente no es estado del arte en ningún benchmark individual.
La innovación principal es un dial de esfuerzo de razonamiento controlable. Los desarrolladores pueden intercambiar rendimiento por eficiencia de tokens en el mismo modelo: con el máximo esfuerzo de razonamiento, Inkling iguala a Nemotron 3 Ultra en Terminal Bench 2.1 usando aproximadamente un tercio de los tokens.
Los pesos están en Hugging Face tanto en formato original como en NVFP4 para sistemas NVIDIA Blackwell. Los endpoints de inferencia están activos a través de TogetherAI, Fireworks, Modal, Databricks y Baseten. Thinking Machines también presentó un avance de Inkling-Small — 276B totales, 12B activos — con rendimiento similar en razonamiento y tareas agénticas a menor costo. Los pesos completos se publicarán tras completar las pruebas.
En seguridad, la puntuación FORTRESS adversarial de Inkling del 78.0% es la más alta entre los modelos de pesos abiertos evaluados. En el leaderboard de Agentic Web Dev de Design Arena, obtuvo 1,257 puntos, empatando con Claude Opus 4.6 y superando a Gemini 3.5 Flash (1,254) (Thinking Machines Lab, 2026(se abre en una pestaña nueva)).
Por qué Inkling importa
Inkling no es un aspirante a la frontera. Obtuvo 29.7% en HLE (frente al 53.3% de Fable 5) y 77.6% en SWE-Bench Verified (frente al 95.0% de Fable 5) (Thinking Machines Lab, 2026(se abre en una pestaña nueva)). Esas brechas son reales y deliberadas: Thinking Machines apuesta a que la personalización, no el rendimiento bruto, es la ventaja competitiva.
La demo de lanzamiento hace concreta la tesis. Inkling escribió su propio trabajo de fine-tuning, lo ejecutó en Tinker y se convirtió a sí mismo en un modelo lipograma que nunca usa la letra "e", completando el ciclo de auto-mejora en aproximadamente 27 minutos (Thinking Machines Lab, 2026(se abre en una pestaña nueva)). Esa es la propuesta: un modelo base que puede especializarse para tu flujo de trabajo sin necesidad de un pipeline de entrenamiento externo.
"Queremos hacer la personalización accesible para más casos de uso", escribió la empresa en su publicación de lanzamiento. "Elegir el modelo base adecuado para hacer fine-tuning es un juicio cualitativo que combina benchmarks medibles con la sensación única de cada modelo."
La plataforma Tinker es el canal de distribución. Inkling está disponible allí con un 50% de descuento introductorio (Thinking Machines Lab, 2026(se abre en una pestaña nueva)), y la demo de auto-mejora demuestra que la plataforma puede manejar cargas de fine-tuning reales en menos de media hora.
Qué cambia para ti
Si necesitas un modelo base personalizable para flujos de trabajo especializados de razonamiento o tareas agénticas, evalúa Inkling con tus propios datos. La plataforma Tinker está diseñada para que esa evaluación sea rápida: sube tus datos, ejecuta un trabajo de fine-tuning y prueba el resultado.
Si necesitas rendimiento de frontera desde el primer momento, Inkling no es tu modelo. Quédate con GPT-5.6 Sol o Fable 5 para cargas de trabajo en producción donde cada punto de benchmark cuenta.
Inkling tiene nuestro veredicto Conditional: una base atractiva para organizaciones que necesitan tener y afinar un modelo multimodal propio, no para equipos que buscan el máximo rendimiento inmediato.
| Benchmark | Inkling | Fable 5 |
|---|---|---|
| HLE | 29.7% | 53.3% |
| SWE-Bench Verified | 77.6% | 95.0% |
| FORTRESS (seguridad) | 78.0% | — |
| Design Arena (Web Agéntica) | 1,257 | — |
FAQ
¿Inkling es gratuito?
Sí: los pesos completos están en Hugging Face bajo Apache 2.0. La inferencia hospedada está disponible a través de Tinker (50% de descuento introductorio), TogetherAI, Fireworks y otros.
¿Cómo se compara Inkling con GPT-5.6 o Fable 5?
No se compara, y ese es justo el punto. Inkling está por detrás de los modelos cerrados de frontera por más de 20 puntos en HLE y SWE-Bench, pero su licencia de pesos abiertos y la plataforma de fine-tuning Tinker lo convierten en una base de personalización, no en un modelo SOTA listo para usar.
Herramientas y modelos afectados
No vuelvas a tener que ponerte al día
El resumen semanal — solo cambios de veredicto y acciones urgentes. Sin relleno.