El panorama de la inteligencia artificial de código abierto ha experimentado un cambio significativo con el lanzamiento de Inkling, el primer modelo de pesos abiertos desarrollado por el Thinking Machines Lab, una iniciativa liderada por Mira Murati. Este nuevo sistema se presenta como una arquitectura de tipo transformador basada en la técnica de mezcla de expertos (Mixture-of-Experts), destacando por una escala técnica considerable al contar con un total de 975 mil millones de parámetros, de los cuales 41 mil millones se mantienen activos durante cada inferencia. La propuesta ha sido liberada bajo la licencia Apache 2.0, lo que permite una mayor flexibilidad para su adopción y experimentación en diversos entornos tecnológicos.

Desde una perspectiva técnica, Inkling es un modelo multimodal diseñado para procesar una amplia variedad de formatos, incluyendo texto, imágenes, audio y video. Según la información oficial, el entrenamiento de este sistema se ha nutrido de un conjunto masivo de datos que asciende a 45 billones de tokens. Además de la versión principal, los desarrolladores han anunciado planes para lanzar Inkling-Small, una variante más compacta con 276 mil millones de parámetros totales y 12 mil millones activos. Actualmente, esta versión reducida se encuentra en fase de pruebas y sus pesos serán publicados una vez que el proceso de validación concluya satisfactoriamente.

La documentación técnica que acompaña al lanzamiento ha generado comentarios por su brevedad, especialmente en lo referente a la procedencia de los datos de entrenamiento. El laboratorio ha indicado que el conjunto de datos utilizado integra tanto contenido de dominio público como material potencialmente sujeto a derechos de propiedad intelectual. La información especifica que se recurrió a fuentes disponibles abiertamente en internet, repositorios públicos y, en ciertos casos, datos obtenidos a través de terceros. Esta transparencia limitada sobre la composición exacta de los datos es un aspecto que contrasta con las expectativas habituales en el ecosistema de laboratorios de inteligencia artificial en Estados Unidos.

Es importante destacar que el Thinking Machines Lab no posiciona a Inkling como un modelo de frontera que busque superar a los sistemas más avanzados del mercado. Por el contrario, la intención declarada es ofrecer una base sólida y eficiente para tareas de ajuste fino (fine-tuning). Para facilitar este proceso, el modelo está integrado en la plataforma de entrenamiento propia denominada Tinker. La combinación de sus capacidades multimodales y su arquitectura optimizada busca posicionarlo como una herramienta competitiva frente a otros modelos de pesos abiertos que han surgido recientemente en el ámbito internacional, sumándose a opciones ya existentes como Gemma 4 o NVIDIA Nemotron.

En la práctica, la versatilidad de Inkling permite realizar tareas creativas y de análisis visual, como la generación de gráficos vectoriales o la descripción detallada de imágenes. A pesar de su capacidad, el modelo puede presentar interpretaciones subjetivas, como confundir especies de aves en ilustraciones generadas, lo que subraya la naturaleza en constante evolución de estas herramientas. Con este lanzamiento, el ecosistema de modelos abiertos en Estados Unidos suma un nuevo competidor viable, reforzando la tendencia hacia la democratización de tecnologías de inteligencia artificial de gran escala para la comunidad de desarrolladores.