La startup fundada por Mira Murati presentó Inkling, su primer modelo de inteligencia artificial de pesos abiertos. La estrategia busca diferenciarse de OpenAI, Anthropic y Google con una IA adaptable a cada organización en lugar de un modelo único para todos.
La competencia por el liderazgo en inteligencia artificial acaba de sumar un nuevo capítulo. Thinking Machines Lab, la startup fundada por la exdirectora de tecnología de OpenAI, Mira Murati, presentó Inkling, su primer modelo de inteligencia artificial desarrollado internamente, con una apuesta que desafía el enfoque predominante de los grandes laboratorios del sector.
A diferencia de los modelos insignia de OpenAI, Anthropic o Google, Inkling es un modelo open-weight (de pesos abiertos), lo que significa que empresas y desarrolladores pueden descargarlo, modificarlo y adaptarlo a sus propias necesidades, en lugar de depender exclusivamente de una versión cerrada operada por el proveedor.
El lanzamiento representa la primera gran demostración tecnológica de Thinking Machines después de aproximadamente un año y medio de desarrollo, durante el cual la compañía trabajó casi en silencio construyendo su infraestructura de IA.
Un modelo pensado para personalizarse
Inkling utiliza una arquitectura denominada mixture-of-experts. En total posee 975.000 millones de parámetros, aunque para cada tarea solo activa alrededor de 41.000 millones, un diseño que permite reducir costos computacionales y acelerar el procesamiento sin perder capacidad.
Según la empresa, el modelo fue entrenado utilizando 45 billones de tokens provenientes de texto, imágenes, audio y video, por lo que puede razonar de forma nativa sobre los cuatro tipos de contenido. Sin embargo, en esta primera versión únicamente genera respuestas en formato de texto, incluyendo código, documentos estructurados y otros contenidos escritos.
Thinking Machines sostiene que Inkling fue diseñado para ofrecer respuestas calibradas, reconociendo cuándo existe incertidumbre en lugar de intentar completar información de manera incorrecta. Además, incorpora un control para que los usuarios puedan ajustar el nivel de «esfuerzo de razonamiento», equilibrando velocidad y profundidad de análisis según cada caso.
En uno de los benchmarks internos difundidos por la compañía, Inkling habría necesitado un tercio de los tokens utilizados por Nemotron 3 Ultra, el modelo abierto más reciente de Nvidia, para alcanzar un rendimiento similar en tareas de programación.
Una estrategia diferente a la de OpenAI
La propuesta de Thinking Machines no consiste en construir el chatbot más poderoso del mercado. La propia empresa reconoce que Inkling «no es el modelo más potente disponible actualmente, ni entre los abiertos ni entre los cerrados».
Su objetivo es diferente.
En lugar de ofrecer un asistente universal como ChatGPT, Claude o Gemini, la startup apuesta a que las organizaciones entrenen modelos especializados utilizando sus propios conocimientos mediante una plataforma denominada Tinker.
En ese esquema, cada empresa adapta la inteligencia artificial a sus procesos internos, aunque también asume la responsabilidad sobre la seguridad de esas modificaciones, una tarea que requiere equipos con experiencia en machine learning.
La filosofía detrás del proyecto quedó resumida en una publicación reciente de la compañía, donde sostiene que el conocimiento específico de cada organización es imposible de capturar completamente en un modelo genérico desarrollado por un único laboratorio.
Microsoft también cuestiona los modelos cerrados
La discusión sobre modelos abiertos frente a cerrados también comenzó a aparecer entre algunos de los principales protagonistas del sector.
El CEO de Microsoft, Satya Nadella, escribió recientemente que las empresas que utilizan modelos propietarios terminan pagando dos veces: por un lado, mediante las suscripciones y, por otro, al entregar conocimiento de negocio contenido en los prompts y correcciones, información que eventualmente podría incorporarse a futuras versiones del modelo.
En la misma línea, el CEO de Hugging Face, Clem Delangue, anticipó que los modelos de frontera probablemente quedarán reservados para experimentación y tareas de muy alto valor, mientras que gran parte del trabajo cotidiano migrará hacia alternativas privadas o de código abierto.
Un caso con Bridgewater
Thinking Machines también presentó un ejemplo concreto de su estrategia junto a Bridgewater Associates, el mayor fondo de cobertura del mundo.
Según ambas organizaciones, tomaron un modelo abierto existente y lo ajustaron utilizando el conocimiento financiero propio de Bridgewater. Como resultado, aseguran haber alcanzado 84,7% de precisión en pruebas de razonamiento financiero, superando a varios modelos propietarios de última generación y reduciendo el costo operativo a aproximadamente una catorceava parte del necesario para ejecutarlos.
No obstante, esas cifras provienen de evaluaciones realizadas por las propias compañías y no de pruebas independientes.
Nvidia, distilación y el futuro del negocio
Inkling fue entrenado completamente sobre infraestructura Nvidia GB300 NVL72, luego del acuerdo firmado entre ambas compañías en marzo para desplegar capacidad de cómputo basada en la arquitectura Vera Rubin.
La empresa también reconoció que durante parte del entrenamiento posterior utilizó datos generados por otros modelos abiertos, entre ellos Kimi K2.5, desarrollado por la china Moonshot AI, aunque aclaró que la siguiente generación será entrenada íntegramente con procesos propios.
Actualmente, Thinking Machines cuenta con aproximadamente 200 empleados, una cifra superior a la registrada a comienzos de año tras la salida de algunos cofundadores hacia OpenAI.
Más allá del lanzamiento de Inkling, la verdadera apuesta de la empresa parece estar en demostrar que el futuro de la inteligencia artificial empresarial no dependerá únicamente de modelos gigantes y cerrados, sino de plataformas que permitan a cada organización construir una IA adaptada a su propio conocimiento y necesidades.