Thinking Machines presenta Inkling Small: una apuesta por la eficiencia, no por el tamaño

Thinking Machines, el laboratorio de IA de la exdirectora de tecnología de OpenAI, Mira Murati, ha lanzado su segundo modelo, Inkling Small. Se trata de un modelo de razonamiento de pesos abiertos que, según Artificial Analysis, obtiene 40 puntos en el Índice de Inteligencia, solo un punto menos que el modelo Inkling más grande (41), a pesar de ser menos de tres veces más pequeño en tamaño (276 mil millones de parámetros, 12 mil millones activos). Ningún modelo abierto del mismo tamaño o más pequeño obtiene un mejor rendimiento, según AA. Inkling Small supera a Inkling en varias pruebas de codificación y razonamiento, como el Examen Final de la Humanidad (32% frente a 30%) y GPQA Diamond (89% frente a 87%). Sin embargo, se queda atrás en tareas de agente y pruebas de conocimiento factual, pero es más eficiente en tokens: en las pruebas, requiere un promedio de 24,000 tokens de salida por tarea, en comparación con los 45,000 de DeepSeek V4 Flash y los 78,000 de GPT-5.4 mini. El modelo maneja entradas de texto, imagen y voz, tiene una ventana de contexto de 256,000 tokens y se distribuye bajo la licencia Apache-2.0. Los pesos están disponibles en Hugging Face, y a través de Tinker Playground, el modelo se puede usar y ajustar directamente en el navegador. Thinking Machines posiciona sus modelos principalmente como base para un posterior ajuste fino con datos propietarios, y algunos ven esto como la próxima frontera en el desarrollo de la IA.