Thinking Machines Lab publicó Inkling, su primer modelo abierto: un Mixture-of-Experts multimodal de 975B parámetros totales / 41B activos, con 256 expertos enrutados (6 activos por token), 1M de contexto y entrenamiento sobre 45 billones de tokens de texto, imagen, audio y video. Los pesos son open-weights en Hugging Face, corre en la plataforma Tinker, e incorpora un 'esfuerzo de pensamiento' regulable para equilibrar calidad y coste por token.
Durante años, la frase "modelo abierto de verdad potente" venía con letra pequeña: o eran modelos pequeñitos que hacían fila muy por detrás de los cerrados, o eran pesos escondidos tras una API con lista de espera. Por eso el 15 de julio levantó tantas cejas cuando Thinking Machines Lab —el laboratorio de investigación fundado por Mira Murati, ex-CTO de OpenAI, con uno de los equipos técnicos más caros del planeta— publicó Inkling, su primer modelo, y soltó los pesos completos en Hugging Face como open-weights, además de ponerlo a correr en su plataforma Tinker y en APIs de socios. No una demo con captura bonita: los pesos, para descargar y correr en tu propia infraestructura. Cuando un laboratorio de ese calibre elige empezar por lo abierto, el gesto en sí ya es la noticia.
## Un casi-billón de parámetros que cabe en tu presupuesto
Inkling es un Mixture-of-Experts (MoE) multimodal de 975 mil millones de parámetros totales, pero —y aquí está la magia del MoE— solo activa 41 mil millones por cada token que procesa. La analogía útil: cada capa tiene 256 especialistas enrutados contratados (más un par siempre de guardia), pero para cada token solo despierta a los seis que hacen falta; pagas el cómputo de seis, no de doscientos cincuenta y seis. Suma un contexto de hasta 1 millón de tokens, un entrenamiento sobre 45 billones de tokens de texto, imágenes, audio y video, y una variante en preview más ligera —Inkling-Small, de 276B totales / 12B activos— para quien no necesita el buque insignia. Es la clase de arquitectura que hace que un modelo enorme sea, paradójicamente, viable de operar.
## La palanca que casi nadie está mirando: el esfuerzo regulable
Lo más interesante para quien construye no son los parámetros, es un detalle más sutil: Inkling deja controlar cuánto "piensa" antes de responder, para equilibrar rendimiento y consumo de tokens. Los propios creadores lo ilustran con un dato concreto: iguala a Nemotron 3 Ultra en Terminal Bench 2.1 usando aproximadamente un tercio de los tokens. Traducido a factura: cada token que el modelo razona de más es dinero que sale de tu cuenta, y aquí puedes decidir por request si la tarea merece el modo profundo o basta con la respuesta rápida. Es un dial de calidad-contra-coste puesto en tus manos. Y el laboratorio no oculta el matiz honesto: dicen sin rodeos que Inkling "no es el modelo más fuerte disponible hoy, abierto o cerrado", sino una buena base abierta para personalizar y afinar. Esa sinceridad, en un mercado adicto a proclamar superioridad en cada benchmark, se agradece.
## Por qué 'open-weights' cambia el punto de partida
Que los pesos estén disponibles para descargar es la diferencia que se vuelve titular. Combina eso con un MoE que activa "solo" 41B parámetros por token y con checkpoints preparados para hardware moderno —incluida una versión NVFP4 para inferencia eficiente en sistemas NVIDIA Blackwell— y de repente un equipo pequeño puede plantearse correr un modelo casi-billón en su propia infraestructura, o afinarlo sobre su dominio vía Tinker, sin quedar atado a una API cerrada. No sustituye a los modelos frontera para todo —los propios autores lo admiten— pero sí redefine el punto de partida de lo que un equipo modesto puede tener bajo su control y su presupuesto. Conviene, eso sí, revisar los términos exactos de uso en la ficha del modelo en Hugging Face antes de llevarlo a producción comercial.
## Qué significa para quien construye con IA
La lección de fondo de Inkling es que la ventaja competitiva se está moviendo del "qué modelo tengo" al "cómo lo gobierno". Un esfuerzo de pensamiento regulable no es un truco de benchmark: es exactamente la clase de palanca de la que depende que un producto con IA sea rentable o se coma sus márgenes token a token. En NeuralOS pensamos desde esa aritmética silenciosa —por eso los cost guardrails (presupuestos por usuario, techos por workspace, streaming para abortar temprano) son parte del diseño y no un extra opcional. Y por convicción somos model-agnostic: un abierto como Inkling entra en la misma conversación que un cerrado de frontera, porque eliges el motor por tarea y no te casas con ninguno. Sin humo: no prometemos servir Inkling de fábrica hoy. Lo que sí forma parte del diseño es la disciplina de decidir cuánto piensa —y cuánto cuesta— cada request.