Inkling 2 Small de Thinking Machines: 17.000 millones de parámetros activos y $1,18 por tarea

Si construyes agentes con modelos abiertos, normalmente tienes dos opciones desagradables: o un modelo débil que falla en cadenas largas de acciones, o una API cerrada y cara en la que la factura por una sola tarea puede llegar fácilmente a decenas de dólares. Thinking Machines, la startup de la exdirectora de tecnología de OpenAI Mira Murati, propone un tercer camino: Inkling 2 Small.

Qué es este modelo

Inkling 2 Small es un mixture-of-experts: 594.000 millones de parámetros en total, pero por cada token trabajan solo 17.000 millones. En pocas palabras, el modelo tiene muchos «especialistas» y para cada consulta se activan solo los necesarios. De ahí vienen la velocidad y el precio moderado. El modelo acepta texto e imágenes, y la profundidad del razonamiento se puede regular: más rápido o más minucioso.

Un detalle importante: Inkling está concebido como base para el ajuste fino. Es decir, se quiere verlo no solo en el chat, sino también como cimiento de productos muy especializados.

Las cifras que importan en la práctica

En el índice de Artificial Analysis, el modelo obtuvo 31 puntos frente a los 13 de la versión anterior. Es el nivel de Gemini 3.8 Flash. El mayor avance se dio en tareas agénticas: AutomationBench-AA saltó del 5 % al 46 % y FrontierCode 2.0, del 5 % al 25 %. En DeepSWE logra un 72,1 % y en SWEBench Pro v2 (Hard), un 86,3 %.

Sin embargo, en programación el modelo no es un líder indiscutible: DeepSeek V4.1 Flash va por delante en la mayoría de las pruebas (28,5 % en FrontierCode y 77 % en DeepSWE), y en SWEBench Pro v2 Hard Kimi K3 es algo mejor. El título de «mejor modelo abierto occidental» es, ante todo, una fórmula sobre Occidente.

También destaca la multimodalidad: 81,6 % en MMMU Pro, 64,7 % en PerceptionBench, 25,2 % en GDP.pdf (trabajo con PDF complejos) y 1.340 Elo en DesignArena Website, el mejor resultado entre los modelos abiertos.

Precio y trampas

Lo más interesante es la economía. Según Artificial Analysis, una tarea cuesta $1,18, mientras que Gemini 3.8 Flash cuesta $7,77 y Claude Sonnet 5.5, $10,02. Pero en la versión anterior el precio era unas seis veces menor: Inkling 2 Small genera unos 150.000 tokens de salida por tarea, cuatro veces más que antes. La calidad se ha comprado «pensando en voz alta».

También hay matices. La reducción de las alucinaciones del 61 % al 27 % se explica en buena parte porque el modelo se calla más a menudo: la proporción de respuestas cayó del 77 % al 53 %. Los propios desarrolladores reconocen que no siempre elige las mejores herramientas en bases de código grandes, no admite audio, es menos adecuado para el chat, puede ser demasiado cauteloso en temas médicos y generar respuestas sobrecargadas.

Qué hacer

Por ahora el modelo solo está disponible como servicio cerrado en la plataforma Tinker. Los pesos bajo Apache 2.0 se prometen tras las pruebas externas de seguridad, y la licencia es más permisiva que las de Meta o Mistral. Esto importa a quienes quieran alojar el modelo por su cuenta o ajustarlo a su propio dominio.

Conclusión práctica para los equipos: pruébenlo en sus propios escenarios agénticos y calculen el coste por tarea, no el precio por token. Si su pipeline choca con el presupuesto para modelos de clase Flash o Sonnet, Inkling 2 Small puede suponer un ahorro notable. Pero si necesitan un asistente preciso y conversador, esperen a las evaluaciones independientes y a la publicación de los pesos. Conviene seguir también los otros tamaños de la familia: la compañía promete lanzarlos pronto.