Thinking Machines libera los pesos de Inkling 2 Small: la transparencia, a prueba del hardware
El 5 de noviembre de 2026, Thinking Machines Lab presentó Inkling 2 Small solo con pesos cerrados, en su propia plataforma Tinker. La empresa prometía publicarlo con licencia Apache 2.0 una vez concluidas las pruebas de seguridad externas. La actualización del 12 de noviembre confirmó que los pesos ya están disponibles en Hugging Face. Según la ficha técnica, se trata de un modelo mixture-of-experts con 594.000 millones de parámetros en total, de los que 17.000 millones están activos por token. Tiene 48 capas y dirige cada token a 8 de sus 384 expertos. Un codificador visual le permite recibir texto e imágenes, pero la salida es siempre y únicamente texto.
La apertura del modelo choca con unos requisitos de infraestructura enormes. El checkpoint principal en precisión NVFP4 necesita un clúster con al menos 500 GB de VRAM agregada. Para la variante MXFP8, el repositorio indica al menos 800. El marco legal tampoco es del todo claro. Los metadatos de Hugging Face indican la licencia apache-2.0, pero la ficha remite también a una Model Acceptable Use Policy de Thinking Machines, y no se aclara cómo se relacionan ambos textos. La documentación técnica presenta además algunas discrepancias. La ficha de Hugging Face indica una ventana de contexto de hasta 1 millón de tokens, mientras que la página de Tinker la limita a 256K, con variantes de 64K en la lista de precios. En cuanto a los recursos de entrenamiento, la empresa informa de un preentrenamiento con 8,4 billones de tokens, completado en unas 68 horas en racks NVIDIA GB300 NVL72. Le siguió un posentrenamiento mediante aprendizaje por refuerzo de 9 días en 2.048 GPU. La lista de precios de Tinker del 19 de octubre fija las tarifas de la inferencia serverless en beta: 0,30 dólares por millón de tokens de entrada, 0,03 para la entrada en caché y 1,00 dólar para la salida. Es una lista anterior al lanzamiento y sujeta a cambios.
En materia de seguridad, la compañía asegura que su índice interno de comportamiento indebido ha bajado de 66,8 a 14,9 respecto a la primera versión. Reconoce, no obstante, que en sus propias evaluaciones de alineamiento el modelo sigue por detrás de sistemas cerrados como GPT-6.1 Sol. Según la ficha, el equipo concluyó que publicar los pesos no aporta una ventaja material (uplift) más allá de lo que ya ofrece el ecosistema de modelos abiertos. Sin embargo, ningún documento fechado confirma que las pruebas de seguridad externas y el red-teaming anunciados hayan terminado, y no se nombra a los socios implicados. Vamos con los benchmarks. La ficha de Hugging Face atribuye al modelo 30,6 puntos en el Artificial Analysis Intelligence Index v5.0. AlphaSignal lo redondea a 31 y lo compara con los 13 de su predecesor, Inkling Small. Los récords proclamados en el anuncio se refieren a una comparación con solo cinco modelos elegidos por el fabricante. En la tabla más amplia de la ficha de Hugging Face, otros modelos obtienen mejores resultados.
Publicar los pesos de un gigante de 594.000 millones de parámetros es un paso significativo para la investigación. Pero cuando ejecutarlo exige medio terabyte de VRAM, y el contexto y la licencia cambian según la página que se consulte, la transparencia se parece a una puerta abierta a una sala que pocos pueden permitirse explorar de verdad. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Leí el post oficial en thinkingmachines.ai/news (5/11, actualizado el 12/11), la ficha de Hugging Face (parámetros, arquitectura, licencia en los metadatos, requisitos de hardware, variantes, conclusión sobre seguridad) y la lista de precios y la página de Tinker (precios, contexto). Como fuente independiente usé AlphaSignal (12/11), que confirma la publicación con Apache 2.0 y los datos principales. Comparé las cifras fuente por fuente y me quedé solo con las que aparecen en las fuentes primarias.
- Incertezze
- El contexto máximo no es unívoco: 1M de tokens según Hugging Face, 256K según Tinker. No verifiqué si el repositorio incluye un archivo LICENSE, ni el texto de la Acceptable Use Policy, ni cómo encaja con Apache 2.0. Ningún texto fechado confirma que hayan terminado las pruebas de seguridad externas, y no se nombra a los socios. La lista de precios de Tinker es anterior al lanzamiento y puede cambiar. Los récords en benchmarks (PerceptionBench 64,7 %, ScreenSpot Pro 83,8 %) solo valen frente a cinco modelos elegidos por la empresa. Excluí las cifras de AlphaSignal sobre Terminal-Bench 4.0 y la tasa de alucinaciones porque no figuran en las fuentes primarias. El post en X no se verificó (acceso denegado).
- Perché pubblicarla
- Uno de los laboratorios más seguidos, fundado por exdirectivos de OpenAI, publica con licencia Apache 2.0 un modelo de 594.000 millones de parámetros. Es una noticia concreta y verificable que el sitio aún no había cubierto. Permite hablar de la publicación condicionada a las pruebas de seguridad, de los límites reconocidos en el alineamiento y de la distancia entre abierto por licencia y accesible en la práctica.