Inkling 2 Mini, abierta y 6 veces más barata que Qwen3.8 27B: $0,59 frente a $3,53 por tarea
Thinking Machines ha lanzado Inkling 2 Mini, un modelo abierto. La tarea de prueba del índice de Artificial Analysis le cuesta $0,59, mientras que Qwen3.8 27B, con la misma puntuación de 20, cuesta $3,53, es decir, seis veces más. El truco está en la repetición: el modelo vuelve a ejecutar 12 de sus 24 capas tres veces, como un editor que relee tres veces el mismo texto, y no necesita pesos nuevos. Por eso puede funcionar en un MacBook. Para los agentes locales, esto marca una nueva referencia de precio.
Procesado por IA desde Artificial Analysis; editado por Hamidun News
Normalmente, un modelo "pequeño" implica una concesión: es más rápido y barato, pero notablemente menos capaz. Thinking Machines intenta romper esa regla. Su nuevo modelo abierto, Inkling 2 Mini, resuelve una tarea del test independiente de Artificial Analysis por $0,59 y en 9 minutos. El modelo Qwen3.8 27B, con el mismo resultado de 20 puntos en el índice de inteligencia, gasta $3,53 y 38 minutos en la misma tarea. Es unas 6 veces más caro y 4 veces más lento. El índice de inteligencia de Artificial Analysis es una evaluación agregada de un conjunto de tareas de razonamiento, programación y trabajo con conocimiento: cuanto mayor es la puntuación, más capaz es el modelo.
¿Cómo consigue Inkling este ahorro? Vuelve a ejecutar varias veces una parte de sus propias capas, en lugar de aumentar el número de parámetros.
Cómo funciona el modelo
Inkling 2 Mini es un modelo de mezcla de expertos: tiene 26.000 millones de parámetros en total, pero para cada token solo trabaja una parte de los expertos. Los parámetros activos son 5.400 millones. Cifra que ya incluye tres pasadas por las capas "en bucle". Por token de texto se utilizan 3.100 millones de pesos únicos.
La idea de transformer en bucle (looped transformer) es más sencilla de lo que suena. Imagine que, en lugar de tres editores distintos, una sola persona relee el texto tres veces y en cada lectura detecta algo nuevo. En el modelo, 12 de las 24 capas se ejecutan tres veces por cada token. El cómputo aumenta, pero la memoria necesaria para los pesos no crece. Por eso, según Artificial Analysis, el modelo es lo bastante pequeño como para funcionar en un MacBook o en un DGX Spark.
La licencia es Apache 2.0: el modelo puede usarse libremente en productos comerciales y modificarse. Acepta texto e imágenes, y su ventana de contexto es de 1 millón de tokens.
Las cifras del test independiente
En el Intelligence Index, Inkling 2 Mini obtiene 20 puntos. Lo mismo que Qwen3.8 27B (modo xhigh) y Nanbeige4.3-33B. Pero Inkling tiene unas 5 y 6 veces menos parámetros activos, respectivamente. En el gráfico de "inteligencia frente a tamaño", el modelo se sitúa en la frontera de Pareto: ningún otro modelo ofrece más inteligencia con el mismo tamaño. Esto se cumple tanto para el total de parámetros como para los activos.
Hay también una cara menos favorable. En una tarea del índice, Inkling genera de media unos 152.000 tokens de salida. Qwen3.8 27B genera unos 110.000, así que Inkling produce alrededor de un 38 % más. Nanbeige4.3-33B genera unos 158.000. Las pasadas repetidas por las capas añaden cómputo, pero no añaden tokens a la respuesta. Simplemente, el modelo razona de forma bastante extensa.
Aun así, según la métrica proxy de cómputo (parámetros activos multiplicados por el número de tokens), gasta unas 2,8 veces menos que Qwen3.8 27B y 5 veces menos que Nanbeige4.3-33B.
El coste se ha calculado con la tarifa de la propia Thinking Machines: $0,15 por millón de tokens de entrada, $0,50 por millón de tokens de salida y $0,015 por millón de tokens encontrados en caché.
Qué hacer con esto
Primero, las salvedades. Una puntuación de 20 no es el nivel de los modelos insignia. El cerrado GPT-6 Luna (max) obtiene 28 y cuesta $0,15 por tarea, es decir, por la vía de la API es a la vez más barato y más capaz. Inkling 2 Mini destaca sobre todo entre los modelos abiertos que pueden desplegarse en infraestructura propia.
A quién le puede servir:
- a equipos que necesitan un modelo local por privacidad de los datos o para trabajar sin conexión a internet;
- a desarrolladores de agentes con bucles largos, donde importan el precio por token y la latencia;
- a quienes quieran ajustar el modelo gracias a la licencia Apache 2.0.
Si ahora ejecuta un modelo de 27.000–33.000 millones de parámetros en su propio hardware, pruebe Inkling 2 Mini con sus propias tareas. Fíjese especialmente en la longitud de las respuestas. Los 38 % de tokens adicionales se comen parte de la ventaja si paga por la salida. La técnica de las pasadas repetidas por capas, en cambio, parece una forma práctica de mejorar la calidad sin aumentar la memoria. Conviene estar atentos a si otros laboratorios la adoptan.
- 8 nov 2026Thinking Machines lanza Inkling 2 Small: un MoE de 594B entrenado en 68 horas
- 6 nov 2026Inkling 2 Small alcanza 31 puntos en el índice de Artificial Analysis y cuesta $1,18 por tarea
- 8 nov 2026Thinking Machines lanza Inkling 2 Small: el mejor modelo abierto que no es de China
- 26 jul 2026Thinky lanza Inkling 975B-A41B, un modelo abierto bajo licencia Apache 2.0
Preguntas frecuentes sobre la noticia
Cómo funciona el modelo?
Inkling 2 Mini es un modelo de mezcla de expertos: tiene 26.000 millones de parámetros en total, pero para cada token solo trabaja una parte de los expertos. Los parámetros activos son 5.400 millones. Cifra que ya incluye tres pasadas por las capas "en bucle". Por token de texto se utilizan 3.100 millones de pesos únicos. La idea de transformer en bucle (looped transformer) es más sencilla de lo que suena.
¿Qué se sabe sobre Las cifras del test independiente?
En el Intelligence Index, Inkling 2 Mini obtiene 20 puntos. Lo mismo que Qwen3.8 27B (modo xhigh) y Nanbeige4.3-33B. Pero Inkling tiene unas 5 y 6 veces menos parámetros activos, respectivamente. En el gráfico de "inteligencia frente a tamaño", el modelo se sitúa en la frontera de Pareto: ningún otro modelo ofrece más inteligencia con el mismo tamaño. Esto se cumple tanto para el total de parámetros como para los activos. Hay también una cara menos favorable.
¿Qué se sabe sobre Qué hacer con esto?
Primero, las salvedades. Una puntuación de 20 no es el nivel de los modelos insignia. El cerrado GPT-6 Luna (max) obtiene 28 y cuesta $0,15 por tarea, es decir, por la vía de la API es a la vez más barato y más capaz. Inkling 2 Mini destaca sobre todo entre los modelos abiertos que pueden desplegarse en infraestructura propia.
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.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.