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: @TeksEdge→ original

Inkling 2 Mini, abierta y de 16 GB, iguala a Qwen3.8-27B en un ranking independiente

Thinking Machines ha lanzado Inkling 2 Mini, un modelo abierto que se ejecuta en un portátil con 16 GB de memoria y que, en el ranking independiente Artificial Analysis, iguala a Qwen3.8-27B. El modelo procesa 12 de sus 24 capas intermedias tres veces, como un editor que relee el texto: 48 pasadas con 24 capas almacenadas. Además, para cada palabra solo se activan 5,4 de los 26,4 mil millones de parámetros. Para los asistentes locales, es una oportunidad de prescindir de una tarjeta gráfica cara.

Procesado por IA desde X: @TeksEdge; editado por Hamidun News
Inkling 2 Mini, abierta y de 16 GB, iguala a Qwen3.8-27B en un ranking independiente
Fuente: X: @TeksEdge. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @TeksEdge ↗
Editor jefe
Dato clave #1Unsloth ya ha publicado versiones GGUF para ejecución local
Dato clave #2Un contexto de 1 millón de tokens en 16 GB no es realista
Dato clave #3llama.cpp todavía necesita una compilación con soporte para capas en bucle

Normalmente, un modelo potente exige mucha memoria: cuanto más inteligente es una red neuronal, más pesos hay que mantener en la tarjeta gráfica o en la RAM, y ejecutarlo en un portátil sigue siendo un sueño. Thinking Machines, empresa estadounidense, ha lanzado el modelo abierto Inkling 2 Mini, que intenta romper con esa costumbre. Según una publicación del comentarista @TeksEdge, en el Artificial Analysis Intelligence Index (un ranking independiente que compara modelos mediante un conjunto de pruebas) iguala a Qwen3.8-27B, un modelo denso de 27 000 millones de parámetros de la familia Qwen. Además, Inkling 2 Mini funciona en un equipo con 16 GB de memoria.

Cómo 24 capas se convierten en 48

Inkling 2 Mini tiene 24 capas de transformador en total. Sin embargo, los autores no aumentan su número, sino que reutilizan la parte central: el modelo recorre 12 capas intermedias tres veces seguidas para cada token (un token es un fragmento de palabra). El resultado son 48 ejecuciones de capas, con solo 24 realmente almacenadas.

Una analogía cotidiana: en lugar de tres editores, un mismo editor relee el texto tres veces y mejora la corrección en cada pasada. Se gasta más cómputo, pero la «plantilla», es decir, el conjunto de pesos, sigue siendo pequeña. Para la ejecución local esto importa, porque el cuello de botella suele ser la memoria y no el tiempo de una sola pasada.

La segunda fuente de ahorro es la arquitectura Mixture of Experts (MoE): el modelo consta de muchos «expertos» y, para cada token, solo se activa una parte de ellos. Inkling 2 Mini tiene 26,4 mil millones de parámetros en total, pero solo 5,4 mil millones están activos. Es aproximadamente cinco veces menos que en el denso Qwen3.8-27B, donde trabajan los 27 000 millones. Menos pesos activos significa una generación más rápida y menos carga para el hardware.

Qué pasa con las cifras y la puesta en marcha

En la publicación, Qwen3.8-27B aparece con una puntuación de 20,1 en el Artificial Analysis Intelligence Index v5, mientras que para Inkling 2 Mini se citan 48,2% y 77,9%, aunque las etiquetas de esos dos valores están intercambiadas en el texto. Lo que sí se indica es importante: el índice de Artificial Analysis se ha evaluado de forma independiente, y los resultados de programación proceden de benchmarks publicados por la propia Thinking Machines. Conviene contrastar las puntuaciones exactas en el sitio de Artificial Analysis y en la ficha del modelo, y comprobar las afirmaciones de la compañía sobre código con tus propias tareas.

En cuanto a la práctica de ejecución, el panorama es este:

  • Los pesos son abiertos, así que el modelo puede ejecutarse en local y ajustarse con fine-tuning.
  • Unsloth ya ha publicado versiones GGUF, incluidas cuantizaciones compactas para sistemas de 16 GB.
  • Los Mac con 32 GB o más son compatibles a través de Ollama.
  • Thinking Machines mostró cómo el modelo, completamente offline en un MacBook Pro, construye un simulador de vuelo jugable.

Limitaciones

Primera: el contexto declarado de 1 millón de tokens no es realista en 16 GB. La caché del contexto largo consumiría la memoria rápidamente, así que en hardware modesto habrá que trabajar con ventanas mucho más cortas.

Segunda: llama.cpp todavía requiere una compilación específica con soporte para capas en bucle. Una versión estándar no podrá con esta arquitectura, y al principio la puesta en marcha exigirá trastear con la compilación o esperar a que el soporte llegue a la rama principal.

Tercera: la comparación por un índice agregado no garantiza superioridad en tu caso de uso. Los escenarios agénticos, el trabajo con español y las cadenas largas de llamadas a herramientas podrían mostrar un panorama distinto.

Qué hacer con esto

Si desarrollas asistentes locales, herramientas de código sin conexión o flujos de trabajo privados, el lanzamiento resulta interesante por dos motivos. Primero, muestra una alternativa viable al simple crecimiento del número de parámetros: reutilizar capas permite más «razonamiento» sin aumentar los pesos. Segundo, es un modelo abierto estadounidense sólido frente al predominio de las familias chinas Qwen y DeepSeek en el segmento local.

Consejo práctico: si tienes un portátil de 16–32 GB, descarga el GGUF de Unsloth, compila llama.cpp con el soporte necesario y prueba el modelo en tus tareas junto a Qwen. Decide según tus propias pruebas de velocidad, calidad de código y estabilidad en tu contexto, y no según el ranking.

Historia

Preguntas frecuentes sobre la noticia

Cómo 24 capas se convierten en 48?

Inkling 2 Mini tiene 24 capas de transformador en total. Sin embargo, los autores no aumentan su número, sino que reutilizan la parte central: el modelo recorre 12 capas intermedias tres veces seguidas para cada token (un token es un fragmento de palabra). El resultado son 48 ejecuciones de capas, con solo 24 realmente almacenadas. Una analogía cotidiana: en lugar de tres editores, un mismo editor relee el texto tres veces y mejora la corrección en cada pasada.

¿Qué se sabe sobre Qué pasa con las cifras y la puesta en marcha?

En la publicación, Qwen3.8-27B aparece con una puntuación de 20,1 en el Artificial Analysis Intelligence Index v5, mientras que para Inkling 2 Mini se citan 48,2% y 77,9%, aunque las etiquetas de esos dos valores están intercambiadas en el texto. Lo que sí se indica es importante: el índice de Artificial Analysis se ha evaluado de forma independiente, y los resultados de programación proceden de benchmarks publicados por la propia Thinking Machines.

¿Qué se sabe sobre Limitaciones?

Primera: el contexto declarado de 1 millón de tokens no es realista en 16 GB. La caché del contexto largo consumiría la memoria rápidamente, así que en hardware modesto habrá que trabajar con ventanas mucho más cortas. Segunda: llama.cpp todavía requiere una compilación específica con soporte para capas en bucle. Una versión estándar no podrá con esta arquitectura, y al principio la puesta en marcha exigirá trastear con la compilación o esperar a que el soporte llegue a la rama principal.

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…