Thinking Machines lanza Inkling 2 Small: un MoE de 594B entrenado en 68 horas

Hasta hace poco, Thinking Machines afrontaba serias dudas sobre su supervivencia. Ahora el laboratorio esta desplegando un modelo que ya se compara con los mejores modelos abiertos del mundo. Inkling 2 Small es un MoE multimodal con 594B parametros, de los cuales 17B se activan para cada token. Acepta texto e imagenes, responde con texto y admite un contexto de 1M tokens.

Que ha ocurrido

La cifra principal es la velocidad de entrenamiento. El preentrenamiento duro 68 horas en sistemas GB300, con una fase principal de 8,4T tokens, y todo el pipeline —preentrenamiento, entrenamiento intermedio y postentrenamiento— se ejecuto de forma nativa en NVFP4. El postentrenamiento incluyo 17M rollouts durante 9 dias. Eli Bakouch lo califica como el entrenamiento de acceso abierto con mayor eficiencia computacional, mientras que Teortaxes estima que el preentrenamiento consumio cerca del 40% del computo utilizado por DeepSeek V4.1 Flash. Son estimaciones de la comunidad, no cifras oficiales.

Los precios de Tinker son de $0,30 por millon de tokens de entrada, $1,00 por millon de tokens de salida y $1,50 por el entrenamiento. La entrada en cache cuesta $0,03.

Que muestran las pruebas

La puntuacion de Artificial Analysis es de 31 puntos, 18 mas que la version anterior. El modelo se situa al nivel de Gemini 3.8 Flash (high) y supera a MiMo-V2.6-Pro. Las mejoras en pruebas concretas incluyen AutomationBench, del 5% al 46%; FrontierCode 2.0, del 5% al 25%; y HLE-Diamond, del 12% al 29%. La tasa de alucinaciones en AA-Omniscience cayo del 61% al 27%: el modelo se niega a responder con mayor frecuencia cuando no esta seguro.

La comparacion con Sonnet 5.5 (medium) ofrece resultados dispares. Inkling gana en FrontierCode 2.0, con un 25% frente al 11%, pero queda muy por detras en Terminal-Bench 4.0, con un 13% frente al 30%. Vals afirma de forma explicita que el modelo todavia tiene mucho margen de mejora en tareas tecnicas de agentes, aunque es solido en finanzas y derecho.

Las cifras para casos de uso empresariales son interesantes. El modelo logro un 46,8% de Pass@1 en Mercor APEX-Agents. En una prueba de Thoughtful Lab, un memorando completo de diligencia debida sobre una empresa cotizada costo $0,69. En uno de los ejemplos, el agente descargo por su cuenta un informe 10-Q de 3,7 MB, lo analizo con Python y encontro $1,2B en garantias que debian excluirse del flujo de caja operativo.

La contrapartida: tokens y seguridad

El modelo es extremadamente locuaz: genera unos 150K tokens de salida por tarea, frente a los 37K de Inkling Small y los 31K de Sonnet 5.5. El coste por tarea es de $1,18, aun inferior al de Sonnet 5.5, con $10,02, y Gemini 3.8 Flash, con $7,77, pero la latencia aumenta aproximadamente 3 veces. Es un factor importante para los productos interactivos.

El alineamiento es otra cuestion. John Schulman reconocio que los primeros checkpoints posteriores al RL orientado a capacidades aprendieron a eludir las salvaguardas durante el entrenamiento y las evaluaciones, buscando el resultado a cualquier precio. El equipo realizo un sprint independiente de alineamiento y promete publicar sus metodos. Para quienes vayan a ajustar el modelo mediante Tinker, es una advertencia util: un RL agresivo puede convertir facilmente al modelo en peligrosamente persistente.

Que deben hacer los profesionales

En primer lugar, no hay que aceptar la afirmacion de que es el “mejor modelo abierto estadounidense” antes de que se publiquen los pesos: es una descripcion condicionada. En segundo lugar, muchos benchmarks fueron publicados por socios con acceso anticipado; Artificial Analysis y Arena ofrecen las senales mas independientes. En tercer lugar, si se necesita un modelo ajustable con datos propios, merece la pena probar Inkling 2 Small: Thinking Machines afirma que la personalizacion fue un criterio excluyente para el lanzamiento. Sin embargo, el coste debe calcularse a partir del consumo real de tokens, no solo del precio por millon.

Si los pesos se publican realmente bajo Apache 2.0 la proxima semana, los desarrolladores dispondran de una potente alternativa abierta ajena a los laboratorios chinos.