Lo que Inkling revela sobre la nueva línea divisoria del mercado de modelos de código abierto

Thinking Machines publicó Inkling en Hugging Face esta semana sin un anuncio con muros de pago ni una presentación llamativa. La página de lanzamiento se lee más como un informe técnico que como un lanzamiento de prensa: un transformador MoE solo decodificador con atención relativa, atención híbrida de ventana deslizante y global, una convolución 1D corta sobre estados ocultos y un parcheador MLP para visión en lugar de un codificador separado. Es multimodal a nivel arquitectónico, no acoplado.

Con 975 mil millones de parámetros totales y 41 mil millones activos por token, respaldado por 45 billones de tokens de entrenamiento que abarcan texto, imágenes, audio y video, Inkling ingresa a un mercado que ha cambiado drásticamente desde los días en que un lanzamiento abierto como Llama 2 definía el panorama. El segmento de IA de código abierto ya no solo persigue puntajes propietarios, ahora establece algunos. La llegada de Inkling agudiza una pregunta que importa más que dónde se ubica en un benchmark específico: ¿qué significa exactamente 'abierto' ahora?

Una Singularidad Técnica, Enmarcada Estratégicamente

La elección arquitectónica más notable en Inkling es la ausencia de codificadores separados por modalidad. La entrada visual pasa por un MLP jerárquico que fusiona píxeles en incrustaciones de parches; el audio se discretiza en bins de espectrograma de mel incrustados por una torre dedicada. Esto contrasta con modelos como Gemini o Claude, que dependen de codificadores de visión dedicados (por ejemplo, SigLIP o redes de propuestas de regiones) que están mayormente congelados en tiempo de inferencia. Al integrar todo en un solo decodificador con lo que Thinking Machines llama una 'convolución corta' (una convolución 1D sobre estados ocultos con una ventana de W), Inkling obliga al mecanismo de atención mismo a aprender razonamiento entre modalidades en lugar de depender de cabezales de alineación entrenados por separado.

El mecanismo de atención relativa es otra desviación. La mayoría de los LLM modernos usan incrustaciones posicionales rotativas (RoPE). Inkling usa un tensor de características relativas aprendido R que se ajusta por distancia por cabeza, inyectado directamente en los logits de atención. El resultado es un modelo cuya comprensión posicional se entrena de extremo a extremo en lugar de estar codificada, lo que puede explicar por qué maneja la ventana de contexto completa de 1M sin la degradación que a menudo afecta a los modelos basados en RoPE más allá de 128k tokens.

Las capas especulativas MTP (Multi-Token Prediction) agregan un redactor que predice múltiples tokens futuros a la vez. Durante la inferencia, el redactor actúa como un decodificador especulativo, produciendo ganancias de rendimiento de 2 a 3 veces en las mismas salidas. El enfoque se asemeja a Medusa pero está integrado de forma nativa en lugar de ser un complemento en tiempo de inferencia, y crucialmente, el redactor mismo se proporciona como un archivo de pesos separado, lo que significa que cualquiera puede servirlo junto con el modelo base sin cambios estructurales.

Dónde Caen los Números, y Qué Ocultan

El conjunto de benchmarks de Inkling es inusualmente completo para un lanzamiento abierto: 24 pruebas diferentes que cubren razonamiento, codificación, tareas de agente, factualidad, visión, audio y seguridad. Los resultados seleccionados incluyen:

Los números principales cuentan la historia de un modelo que compite con el nivel medio de los sistemas propietarios en razonamiento y codificación de agentes, pero va por detrás de los modelos cerrados principales como Claude Fable 5 y Gemini 3.1 Pro por 10-20 puntos en HLE y SWEBench. En AIME 2026, Inkling (97.1%) casi iguala a DeepSeek V4 Pro (96.7%) y al no nombrado GPT 5.6 Sol (99.9%). Esa paridad en razonamiento matemático habría parecido improbable hace dos años para cualquier lanzamiento abierto.

Los benchmarks de audio son donde Inkling no tiene comparación directa. Ningún modelo abierto comparable publica puntajes de Audio MC, MMAU o VoiceBench porque pocos modelos abiertos manejan entrada de audio. Thinking Machines esencialmente está definiendo la línea base aquí. VoiceBench al 91.4% es sólido, aunque carece de un competidor cerrado para calibración. La sección de audio de la tabla de benchmarks es mayormente guiones, lo que es tanto un reconocimiento de la brecha del campo como un marco conveniente: Inkling no puede perder en una métrica que solo informa.

Los números de seguridad son genuinamente interesantes. FORTRESS Adversarial al 78% está por encima de Kimi K2.6 (65.6%) y Nemotron (77.6%), pero notablemente detrás de Claude (96.0%) y GPT-5.6 (82.4%). El puntaje benigno de FORTRESS (95.9%) es competitivo con todos, y StrongREJECT al 98.6% es casi perfecto. Esto sugiere que Inkling ha sido cuidadosamente alineado contra intentos de jailbreak estándar, pero puede ser más vulnerable a ataques adaptativos que los principales laboratorios propietarios. Para un modelo destinado a ajuste fino y adaptación de dominio, el margen de seguridad adversarial importa más que el benigno. El 78% deja espacio para mal uso en una implementación posterior que no agregue sus propias barreras de seguridad.

El Control de Realidad del Hardware

El punto de control BF16 requiere 2 TB de VRAM. La variante NVFP4 reduce eso a 600 GB en GPUs Blackwell. Este no es un modelo que se ejecute en una sola estación de trabajo: la implementación significa un clúster de H100 o B200, un script Slurm y la voluntad de gestionar el paralelismo de tensores entre nodos. Las cuantizaciones GGUF de Llama.cpp de Unsloth reducen la memoria a aproximadamente 30 GB, lo que permite inferencia en una sola GPU de alta gama, pero con precisión de 1 bit, con la inevitable compensación de calidad que implica la cifra de retención de precisión del 74.2%.

El soporte desde el día 0 en Transformers, SGLang y vLLM es real y está bien documentado. Los fragmentos de código son detallados, con patrones de uso de canalización de alto nivel y patrones AutoModel de nivel inferior. La ruta de Hugging Face Inference Providers, donde Thinking Machines cubre los costos de inferencia durante dos horas, reduce la barrera para la experimentación. Pero el punto de entrada práctico para la mayoría de los desarrolladores será la ruta cuantizada de Llama.cpp, que evita el requisito del clúster a costa de la capacidad completa del modelo.

Qué Significa 'Abierto' Aquí

Thinking Machines no ha publicado la licencia de Inkling en la página de lanzamiento en el material fuente proporcionado. El término 'pesos abiertos' aparece, pero la licencia de pesos, la licencia de datos y cualquier restricción sobre ajustes finos destilados están ausentes. Para un modelo de esta escala, la elección de licencia es posiblemente más consecuente que un punto porcentual en HLE. Un lanzamiento de pesos abiertos bajo una licencia permisiva (MIT, Apache 2.0, o incluso estilo Llama 2) sería genuinamente disruptivo; una licencia solo de investigación o no comercial haría de Inkling un artefacto técnico en lugar de un jugador del ecosistema.

El material fuente tampoco detalla la composición de los datos de entrenamiento de los 45 billones de tokens, más allá de enumerar las modalidades. El algoritmo ECHO utilizado para el post-entrenamiento RL (que entrena al modelo para predecir resultados del entorno sin un verificador) se describe pero no se valida mediante replicación externa. Estas brechas no socavan el lanzamiento. Son estándar para un modelo en esta etapa, pero significan que la evaluación comunitaria de Inkling aún espera que la comunidad lo ejecute.

El Mapa del Mercado Ha Cambiado

Hace dos años, un modelo abierto al nivel de rendimiento de Inkling habría dominado los titulares durante una semana. Ahora aterriza en un panorama donde:

• Mistral AI ha demostrado que los modelos abiertos pequeños (8B-120B) pueden competir con los cerrados 10 veces más grandes en tareas de razonamiento específicas
• DeepSeek ha mostrado que los modelos MoE abiertos de más de 600B entrenados con datos sintéticos cuidadosamente seleccionados pueden igualar a los laboratorios fronterizos en matemáticas y codificación
• Llama 4 ha difuminado la línea entre pesos abiertos y propietarios, con Meta controlando estrictamente la licencia descendente
• La evaluación por modalidad (visión, audio, video) se ha convertido en un eje competitivo separado en lugar de una ocurrencia tardía

Inkling se sitúa en un medio incómodo: demasiado grande para ejecutarse de manera asequible sin cuantización, competitivo pero no dominante en razonamiento, y único en audio pero no calibrado frente a alternativas cerradas. Su valor más fuerte puede ser como plataforma de investigación para arquitecturas MoE multimodales. Los mecanismos de atención, el sumidero de expertos compartidos con 256 expertos, el diseño de convolución corta. No como un producto desplegable listo para usar.

El lanzamiento también revela algo sobre el estado del desarrollo de modelos abiertos: la brecha entre abierto y propietario en el nivel de 500B-1T de parámetros se ha reducido al punto de que un solo punto porcentual los separa en varios benchmarks. Eso no significa que los modelos abiertos hayan alcanzado. Los laboratorios propietarios aún lideran en HLE por 15-24% y en seguridad adversarial por márgenes significativos. Pero significa que la conversación ya no es sobre si los modelos abiertos pueden competir. Es sobre qué eje eligen competir, y si ese eje es el que el mercado realmente valora.