Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @arena→ original

Inkling 2 Small cuesta $0,26 por tarea de agente: 4,7 veces menos que el líder Kimi K3.1 Pro

Thinking Machines ha publicado los pesos del modelo Inkling 2 Small y, en Agent Arena —un ranking que compara agentes con sesiones de trabajo reales de los usuarios—, se ha situado segundo entre los modelos abiertos. Una tarea típica de agente le cuesta $0,26 (mediana), mientras que al líder de la lista abierta, Kimi K3.1 Pro, le cuesta $1,22, es decir, 4,7 veces más. Si su agente cierra miles de tareas al día, pruebe el modelo con sus propios casos y compare precio y tasa de éxito.

Procesado por IA desde X: @arena; editado por Hamidun News
Inkling 2 Small cuesta $0,26 por tarea de agente: 4,7 veces menos que el líder Kimi K3.1 Pro
Fuente: X: @arena. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @arena ↗
Editor jefe
Agent Arena+2,9% de mejora neta en 11,5 mil sesiones reales
Dato clave #2Dirigibilidad +10,9%, el mejor resultado entre todos los modelos abiertos
Code Arena WebDev1647 puntos, n.º 1 entre los modelos abiertos de EE. UU.

Si usted ejecuta un agente de IA en producción, cada una de sus tareas —ya sea el análisis de un ticket, una respuesta a un cliente o una corrección de código— cuesta dinero. Agent Arena publicó las cifras del modelo abierto Inkling 2 Small, de Thinking Machines: una tarea típica (mediana) cuesta $0,26, mientras que en el caso del líder entre los modelos abiertos, Kimi K3.1 Pro, cuesta $1,22. Es decir, 4,7 veces más. Tras la publicación de sus pesos abiertos, Inkling 2 Small ocupó el segundo puesto entre todos los modelos abiertos de Agent Arena y el primero entre los estadounidenses.

¿Cómo evalúa Agent Arena a los agentes?

Agent Arena no es una votación «a ciegas» clásica, en la que las personas eligen la respuesta más agradable. La plataforma toma trazas reales de uso: qué hizo el agente en una sesión de trabajo, si eso ayudó al usuario y cuánto costó. La propia Arena subraya que quiere alejarse de las evaluaciones basadas en preferencias humanas y apoyarse en señales objetivas del uso real por parte de la comunidad global.

Estas son las cifras de Inkling 2 Small:

  • la puntuación de mejora neta (net improvement score) fue de +2,9% sobre 11,5 mil sesiones reales de agentes, lo que le da el puesto 22 en el ranking general;
  • la dirigibilidad (steerability) fue de +10,9%, el mejor resultado entre todos los modelos abiertos;
  • Inkling 2 Small sigue siendo el único modelo estadounidense entre los diez primeros modelos abiertos de Agent Arena.

El resumen no incluye una definición detallada de dirigibilidad, pero, en esencia, se trata de la capacidad del modelo para adaptarse a las aclaraciones y correcciones del usuario durante el trabajo. Esto es importante para un agente: no siempre acierta a la primera, y resulta valioso poder reconducirlo al camino correcto con una frase corta.

Dinero: $0,26 frente a $1,22

La cifra más práctica aquí es el coste mediano de una tarea. Imagine un servicio en el que el agente resuelve decenas de miles de consultas al día. Con ese volumen, la diferencia entre 26 centavos y 1,22 dólares se convierte en una partida presupuestaria notable. Si en su escenario la calidad no es inferior a la de la alternativa cara, el ahorro apenas tiene un coste.

Algunas salvedades. Se trata de la mediana de las tareas de Agent Arena, no de una garantía para su producto: el precio depende de la longitud del contexto, del número de pasos del agente y del lugar donde aloje el modelo. Además, Kimi K3.1 Pro sigue siendo el primero entre los modelos abiertos; es decir, Inkling 2 Small es más barato, pero todavía no es mejor.

Código y desarrollo web

Al mismo tiempo, Thinking Machines entró en Code Arena, en la categoría WebDev, que evalúa la creación de aplicaciones web. El modelo obtuvo 1647 puntos. Esto supone el primer puesto entre los modelos abiertos estadounidenses, el cuarto entre todos los modelos abiertos del mundo y el 23 en la clasificación general. Para los equipos que encargan a una IA la maquetación y el frontend, es otro motivo para mirar una alternativa abierta frente a las API cerradas.

Qué hacer con esto

Primero, quienes construyen agentes sobre pesos abiertos tienen un candidato más, sobre todo si son importantes el precio y la posibilidad de desplegar el modelo en sus propios servidores. Segundo, un modelo estadounidense en la parte alta del ranking abierto interesa a las empresas que, por requisitos de cumplimiento normativo o por su política de compras, prefieren no depender de proveedores chinos. Esta es nuestra observación, no una conclusión de Arena.

El procedimiento es sencillo: tome de 50 a 100 tareas reales de su producto, ejecútelas con Inkling 2 Small y con su modelo actual, y compare la proporción de ejecuciones exitosas, el número de pasos del agente y el coste final. El ranking de Arena sirve como punto de partida para una prueba, pero la decisión debe basarse en su propia muestra.

Lo que el resumen de Arena todavía no incluye: el tamaño del modelo, la licencia y los requisitos de hardware no se especifican. Conviene verificar estos detalles en el lanzamiento de Thinking Machines antes de incorporar el modelo a la arquitectura de su producto.

Historia

Preguntas frecuentes sobre la noticia

¿Cómo evalúa Agent Arena a los agentes?

Agent Arena no es una votación «a ciegas» clásica, en la que las personas eligen la respuesta más agradable. La plataforma toma trazas reales de uso: qué hizo el agente en una sesión de trabajo, si eso ayudó al usuario y cuánto costó. La propia Arena subraya que quiere alejarse de las evaluaciones basadas en preferencias humanas y apoyarse en señales objetivas del uso real por parte de la comunidad global.

¿Qué se sabe sobre Dinero: $0,26 frente a $1,22?

La cifra más práctica aquí es el coste mediano de una tarea. Imagine un servicio en el que el agente resuelve decenas de miles de consultas al día. Con ese volumen, la diferencia entre 26 centavos y 1,22 dólares se convierte en una partida presupuestaria notable. Si en su escenario la calidad no es inferior a la de la alternativa cara, el ahorro apenas tiene un coste. Algunas salvedades.

¿Qué se sabe sobre Código y desarrollo web?

Al mismo tiempo, Thinking Machines entró en Code Arena, en la categoría WebDev, que evalúa la creación de aplicaciones web. El modelo obtuvo 1647 puntos. Esto supone el primer puesto entre los modelos abiertos estadounidenses, el cuarto entre todos los modelos abiertos del mundo y el 23 en la clasificación general. Para los equipos que encargan a una IA la maquetación y el frontend, es otro motivo para mirar una alternativa abierta frente a las API cerradas.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…