El 15 de julio de 2026, Thinking Machines Lab publicó su primer modelo de IA de pesos abiertos: Inkling. Las cifras son significativas: 975.000 millones de parámetros totales, ventana de contexto de un millón de tokens, procesamiento nativo de texto, imágenes y audio, y licencia Apache 2.0 sin restricciones comerciales. Para las pymes que quieren construir infraestructura de IA local sin depender de grandes plataformas cloud, se trata de una de las publicaciones más relevantes del año.
Qué es Inkling técnicamente
Inkling es una arquitectura Mixture-of-Experts (MoE). De sus 975.000 millones de parámetros totales, solo unos 41.000 millones se activan en cada paso de generación de tokens. El resto permanece inactivo, como un equipo de especialistas donde solo intervienen los expertos adecuados para cada tarea.
Esto tiene una consecuencia práctica importante: el coste computacional por token es muy inferior al de un modelo denso del mismo tamaño total. Para comparar: Qwen 3 235B-A22B, considerado uno de los modelos de pesos abiertos más potentes disponibles localmente, activa en torno a 22.000 millones de parámetros por paso según mediciones reportadas por la comunidad. Inkling activa casi el doble en modo activo.
El modelo fue preentrenado con 45 billones de tokens de texto, imágenes, audio y vídeo. Procesa las tres modalidades de forma nativa sin necesidad de un codificador separado: se puede pasar una imagen, una grabación de voz y texto en una sola llamada. La ventana de contexto de un millón de tokens permite procesar documentos extensos, bases de código completas o transcripciones largas en una única consulta.
Un elemento diferenciador es el control sobre el esfuerzo de razonamiento: un parámetro ajustable entre 0,2 (rápido y ligero) y 0,99 (razonamiento profundo e intensivo en cómputo). Las empresas pueden equilibrar velocidad y calidad según la tarea.
Apache 2.0: por qué la licencia lo cambia todo
Los modelos de pesos abiertos no son todos iguales. Muchos incluyen restricciones de uso comercial, prohíben el ajuste fino o limitan la redistribución. Apache 2.0 es una de las licencias más permisivas disponibles:
- Uso comercial sin royalties ni tarifas por usuario
- Ajuste fino (fine-tuning) sobre datos propios sin necesitar autorización del creador del modelo
- Despliegue en infraestructura propia sin obligación de reportar el uso a Thinking Machines Lab
- Distribución de versiones modificadas, incluidos productos internos
Según nuestra interpretación del RGPD, una organización que autoaloja un modelo Apache 2.0 es la única responsable del tratamiento de datos. Ningún tercero accede a las entradas de inferencia. Eso es cualitativamente diferente de los productos de API donde las entradas se procesan en la infraestructura del proveedor.
Según informaba VentureBeat, Thinking Machines Lab posiciona expresamente Inkling como un modelo resistente a la censura: ninguna parte externa controla el comportamiento del modelo una vez desplegado.
Rendimiento: qué mide la comunidad
Según evaluaciones de Artificial Analysis, Inkling alcanza una puntuación Elo de 1.238 en GDPval-AA v2 — un benchmark de agentes que simula tareas de trabajo del conocimiento — por delante de Kimi K2.6 (1.190) y DeepSeek V4 Flash (1.189), liderando los modelos de pesos abiertos estadounidenses en ese índice.
En benchmarks técnicos, Thinking Machines Lab reporta:
- SWE-bench Verified: 77,6 % — benchmark de programación que mide la capacidad de resolver issues reales de GitHub de forma autónoma
- GPQA Diamond: 87,2 % — benchmark de razonamiento con preguntas de nivel doctoral en física, química y biología
Para contextualizar: según mediciones reportadas por la comunidad, los modelos locales actuales de la clase 27B–32B obtienen típicamente entre el 50 % y el 60 % en tareas equivalentes de SWE-bench. Inkling opera en un nivel de calidad notablemente superior, con los requisitos de hardware correspondientes.
Despliegue hoy: APIs sin intermediarios Big Tech
Ejecutar el modelo completo de Inkling localmente requiere una infraestructura de hardware significativa — esto no es un despliegue en un Mac Studio individual. Para la mayoría de las pymes, el autoalojamiento local del modelo completo de 975B es una consideración a medio o largo plazo.
Lo que está disponible hoy: Inkling es accesible a través de varios proveedores de API que no tienen vinculación con Google, Microsoft ni OpenAI: Together.ai, Fireworks.ai, Modal, Databricks y Baseten. Estos proveedores ejecutan la inferencia en su propia infraestructura sin reenviar solicitudes para mejorar el modelo, lo que representa una diferencia significativa respecto a los productos de IA de consumo.
Para pymes que no pueden construir infraestructura de IA local de forma inmediata, este es un camino práctico con un control de datos muy superior al de una suscripción SaaS estándar.
Inkling-Small: el candidato para despliegue local
Junto al modelo principal, Thinking Machines Lab está desarrollando Inkling-Small: un modelo de 276.000 millones de parámetros con 12.000 millones de parámetros activos, entrenado con una receta similar. La empresa afirma que iguala o supera al modelo grande en varios benchmarks, con un coste computacional significativamente menor.
Inkling-Small está en fase de preview en el momento de publicar este artículo — los pesos no están disponibles públicamente aún. Cuando se publiquen, los 12.000 millones de parámetros activos lo convierten en un candidato realista para despliegue local en configuraciones multi-GPU. Las pymes que planifican su estrategia de soberanía de datos deben seguir de cerca este modelo.
Implicaciones para pymes españolas
Para las empresas españolas, la relevancia de Inkling tiene varias dimensiones:
RGPD y soberanía de datos: La licencia Apache 2.0 y la posibilidad de autoalojamiento permiten estructurar el despliegue de IA de forma que los datos nunca salgan de la infraestructura propia o de la UE. Esto simplifica el cumplimiento del RGPD en comparación con soluciones SaaS que procesan datos en servidores fuera de Europa.
Ley de IA de la UE: Según nuestra interpretación, las empresas que despliegan modelos de pesos abiertos manteniendo el control total de la infraestructura tienen mayor flexibilidad para cumplir con los requisitos de documentación y supervisión del Art. 26 que quienes dependen de un proveedor externo de API.
Kit Digital: Las pymes con acceso al bono Kit Digital pueden utilizar el programa para financiar proyectos de IA basados en modelos de código abierto. Un piloto de Inkling o Inkling-Small sobre infraestructura propia encaja dentro de las categorías de inteligencia artificial elegibles, según nuestra lectura de la normativa vigente.
Qué pueden hacer las pymes ahora
De inmediato:
- Probar Inkling a través de Together.ai o Fireworks.ai — acceso API sin enviar datos a las grandes plataformas tecnológicas
- Descargar los pesos Apache 2.0 de Hugging Face y construir un entorno de desarrollo para experimentos internos (requiere un servidor multi-GPU o una instancia GPU en la nube)
A corto y medio plazo:
- Seguir el lanzamiento de Inkling-Small — cuando estén disponibles los pesos, los 12.000 millones de parámetros activos serán desplegables en hardware local de alto rendimiento
- Evaluar el ajuste fino sobre datos internos: Apache 2.0 no introduce complicaciones de propiedad intelectual al adaptar el modelo a la documentación, contratos o procesos de la empresa
Para sectores con requisitos de cumplimiento estrictos:
- Identificar qué flujos de trabajo internos — análisis documental, redacción de correos, revisión de contratos, búsqueda interna — se beneficiarían de un razonamiento de calidad superior, y si el acceso API actual a través de Fireworks o Together cumple los requisitos del RGPD de la organización. Según nuestra interpretación, con los acuerdos de tratamiento de datos adecuados, esto es considerablemente más fácil de justificar que los productos SaaS en la nube.
Quién hay detrás de Thinking Machines Lab
Thinking Machines Lab fue fundado por Mira Murati, antigua CTO de OpenAI. La decisión de publicar los pesos completos de Inkling bajo Apache 2.0 — en lugar de un producto propietario o un modelo comunitario restringido — es un posicionamiento estratégico deliberado: el equipo se presenta como alternativa al ecosistema de IA de las grandes tecnológicas.
Para las pymes europeas que toman en serio las obligaciones del RGPD y de la Ley de IA de la UE, eso es más que un detalle de imagen corporativa. Afecta directamente a quién controla el modelo del que se depende, y qué obligaciones se derivan de esa dependencia.
Próximos pasos
Si quieres evaluar qué estrategia de IA local o privada encaja mejor con tu organización — y cómo desplegar modelos de pesos abiertos como Inkling de forma técnicamente sólida y legalmente correcta — podemos ayudarte.
Solicitar un proyecto piloto — respondemos en menos de 24 horas.