← Volver al blog
Aiaprox. 7 min de lectura

Thinking Machines lanzó un modelo de 594B y dejó los pesos para la semana que viene

Publicado 11 nov 2026
Thinking Machines lanzó un modelo de 594B y dejó los pesos para la semana que viene

Inkling 2 Small se lanzó el 5 de noviembre. Es una mezcla dispersa de expertos con 594.000 millones de parámetros totales y 17.000 millones activos por token, una ventana de contexto de un millón de tokens y entrada de imagen. Obtuvo 86,3 por ciento en SWE-Bench Pro v2 Hard. Está disponible a través del servicio Tinker de Thinking Machines para inferencia y ajuste fino.

Los pesos no han salido. El laboratorio dice que los pesos Apache 2.0 llegarán la semana siguiente al lanzamiento, cuando terminen las pruebas externas de seguridad y el red-teaming, y no ha dado fecha.

Esa brecha es la historia. Todo lo interesante de este lanzamiento vive en el espacio entre lo que se entregó y lo que se prometió.

El modelo en sí

594.000 millones de parámetros con 17.000 millones activos colocan a Inkling 2 Small en la misma familia arquitectónica que la mayoría de los lanzamientos de frontera de 2026: pagas por un gran depósito de conocimiento y solo computas una porción por token. El contexto de un millón de tokens y la entrada de imagen lo sitúan en la categoría de agente multimodal, no en la de chatbot.

El entrenamiento está documentado lo suficiente para ser informativo. Thinking Machines entrenó en racks GB300 NVL72, completó la fase inicial de preentrenamiento en 68 horas y luego ejecutó un flujo de aprendizaje por refuerzo de nueve días con pasos intermedios. La capacidad de código vino de cientos de miles de desafíos de horizonte largo, incluido un conjunto de lo que la empresa llama ejercicios de autoinvestigación: tareas que exigían al modelo entrenar redes neuronales, optimizar kernels y hacer otras piezas de trabajo de aprendizaje automático.

La demostración que eligió para esas habilidades es la que yo habría elegido. Pidió al modelo ajustar Qwen3.5-4B para mejorar la previsión, y el modelo duplicó la puntuación del modelo base en cuatro horas y media.

Es un resultado pequeño con una implicación grande. Un modelo que puede mejorar el rendimiento de otro en una tarea concreta, sin supervisión, durante unas horas, es un modelo al que se puede apuntar a un repositorio y decirle que lo mejore. Si lo hace de forma fiable es otra pregunta, y la tabla de benchmarks es donde se mira.

La parte que casi nadie mencionó

Inkling 2 Small incluye un codificador de visión, y suma 292 millones de los 594.000 millones de parámetros. Es un error de redondeo en el recuento y una capacidad significativa en la práctica: el modelo puede mirar lo que produjo.

El ejemplo que da el laboratorio es la construcción de una tienda online. El modelo escribe el sitio y luego revisa las páginas de producto renderizadas para ver si se muestran bien, en lugar de solo leer su propio código en busca de errores. Eso cierra un bucle que los modelos de código suelen dejar abierto. Casi todos los agentes pueden decirte que la compilación pasó. Menos pueden decirte que la página se ve mal.

El mismo bucle aparece en la generación de imágenes, donde el modelo puede verificar visualmente la calidad de los gráficos que produce. La visión como canal de verificación, en lugar de como modalidad de entrada, es una decisión de diseño infravalorada, y es lo que más importa a medida que los agentes asumen tareas más largas en las que el fallo es visible pero no textual.

Benchmarks y la afirmación que llevan

Las cifras publicadas sitúan a Inkling 2 Small por delante de Spark Open, Kimi K3 y varios otros modelos abiertos en tres benchmarks de trabajo de conocimiento, y por delante en varios conjuntos de tareas financieras. Artificial Analysis dice que iguala a Gemini 3.8 Flash con esfuerzo de razonamiento alto en su índice, y que cuando lleguen los pesos sería el modelo abierto más fuerte fuera de China.

Esa segunda cláusula hace mucho trabajo, y es una afirmación sobre un modelo que todavía no se puede descargar.

Hay también una sutileza temporal. El 4 de noviembre, Ricursive publicó Ripple-65B Preview, un modelo denso Apache 2.0 que se llevó el primer puesto entre los modelos de pesos abiertos de EE. UU. en Terminal-Bench 2.1 con 80,52. La ficha de Inkling 2 Small lo situaría en 81,3 en el mismo benchmark con el mismo arnés Terminus, según los reportes. Así que el récord se movió dos veces en dos días, y solo uno de los dos viene con archivos descargables.

Por qué retener los pesos es defendible

La razón declarada son las pruebas externas de seguridad y el red-teaming antes del lanzamiento. Es una práctica legítima. En este mercado es también una cobertura.

Publicar pesos es irreversible. Un laboratorio que los publica no puede recuperarlos si una capacidad resulta más peligrosa en combinación con otra cosa. Esperar una semana no cuesta casi nada comercialmente, porque la API está activa y los ingresos empiezan de inmediato. Le da al laboratorio un relato público de seguridad y la oportunidad de retrasar la fecha si algo sale mal.

El coste de esperar es que la afirmación queda sin verificar. «El mejor modelo abierto fuera de China» es una frase de marketing hasta que hay un torrent. Cada semana de retraso convierte un lanzamiento en una promesa, y las promesas se descuentan exactamente por la incertidumbre que cargan.

El laboratorio detrás

El contexto comercial es ruidoso. Business Insider informó de que Thinking Machines levanta 5.000 millones de dólares con una valoración pre-money de 40.000 millones, con Accel en conversaciones para liderar, lo que más que triplicaría la valoración de su última ronda pública. La empresa levantó una semilla de 2.000 millones con más de 10.000 millones de valoración el año pasado, y un intento anterior de levantar a 50.000 millones terminó sin acuerdo, según los reportes.

Cerca de un tercio del equipo fundador se ha ido, incluidos Barret Zoph, Luke Metz y Andrew Tulloch. Son muchas salidas para una empresa tan joven, y encajan mal junto a una valoración de 40.000 millones. El contraargumento es que un laboratorio de investigación no es una banda, y lo que importa es si la receta de entrenamiento se transfiere a quienes se quedaron.

El momento del lanzamiento del modelo y de la noticia de financiación no es casualidad. Un récord en una clasificación de pesos abiertos, una receta de entrenamiento documentada y una demostración de mejora autónoma de modelos son exactamente el paquete que se muestra a inversores a los que se pide valorar un laboratorio a 40 veces su ronda anterior.

El marco más amplio

Esa misma semana, los datos de pagos de Ramp mostraron un volumen de tokens empresariales un 37,1 por ciento mayor mientras el gasto subía un 8,9 por ciento, con cerca del 1 por ciento de las empresas concentrando el 80 por ciento del gasto y ese grupo puntero cayendo por debajo de su máximo de verano.

Un laboratorio que vende un modelo de 594B a ese mercado tiene que responder una pregunta difícil: ¿quién paga? El cliente de agentes de código es el que tiene presupuesto hoy. Eso explica por qué cada lanzamiento de este ciclo empieza con SWE-bench, Terminal-Bench y trabajo de conocimiento, y por qué la historia de ajuste fino importa tanto como la ficha del modelo. Si tu modelo puede mejorar el modelo más pequeño de un cliente en cuatro horas, vendes un servicio, no un checkpoint.

Inkling 2 Small parece un modelo fuerte. La prueba útil llega cuando llegue el tarball. Hasta entonces, el resumen honesto es que Thinking Machines publicó un muy buen conjunto de resultados, una receta de entrenamiento que vale la pena leer, una capacidad genuinamente infravalorada y una fecha a la que no se ha comprometido.

Artículos relacionados