Thinking Machines lanza Inkling, su primer modelo de IA de pesos abiertos

Thinking Machines Lab, la empresa emergente de IA fundada por la exdirectora de tecnología de OpenAI, Mira Murati, lanzó el miércoles por la mañana su primer modelo de IA patentado, llamado Inkling. A diferencia de los modelos insignia de OpenAI, Anthropic y Google, Inkling es de pesos abiertos, lo que significa que desarrolladores y empresas externas pueden descargarlo y modificarlo directamente. Se trata de un sistema de mezcla de expertos —una arquitectura que activa solo una fracción de sus parámetros totales para cualquier tarea dada— con 975 mil millones de parámetros totales, aunque utiliza solo alrededor de 41 mil millones para cualquier tarea individual. Thinking Machines entrenó el modelo con 45 billones de tokens de texto, imágenes, audio y video, y afirma que razona de forma nativa en las tres modalidades, según los propios materiales de lanzamiento de la empresa.

En lugar de competir como un chatbot de propósito general al estilo de ChatGPT, Claude y Gemini, Inkling se posiciona como un punto de partida para que las organizaciones lo personalicen a través de Tinker, la plataforma de ajuste de modelos de la empresa. Thinking Machines admite con franqueza que el modelo no es el mejor de su clase: sus materiales informativos afirman que “no es el modelo más sólido disponible hoy en día, ya sea cerrado o abierto”. En su lugar, la empresa destaca la eficiencia: en una prueba de rendimiento, afirma que Inkling utiliza un tercio de los tokens que requiere Nemotron 3 Ultra de Nvidia para igualar su rendimiento de programación.

Ese enfoque hace eco de un argumento más amplio que está ganando terreno en toda la industria. El director ejecutivo de Microsoft, Satya Nadella, cuya empresa ha invertido tanto en OpenAI como en Anthropic, argumentó que las empresas que utilizan modelos de IA patentados pagan efectivamente el doble: una vez en costos de suscripción y otra al entregar conocimientos comerciales que pueden ser absorbidos en futuras versiones del modelo. El director ejecutivo de Hugging Face, Clem Delangue, hizo una predicción similar, señalando que los modelos de frontera se reservarán cada vez más para la experimentación y tareas de alto valor, mientras que la mayor parte del trabajo de IA en producción se trasladará a alternativas privadas o de código abierto. La evidencia más clara hasta el momento proviene de un proyecto conjunto con Bridgewater Associates: un modelo abierto personalizado obtuvo un 84.7% en pruebas de razonamiento financiero, superando a los principales sistemas patentados, mientras que su ejecución costó aproximadamente una decimocuarta parte, según los resultados que ambas empresas publicaron conjuntamente a finales de junio.

Thinking Machines ha enfatizado la rapidez con la que se movió, afirmando que llevó su tecnología al mercado y registró ingresos en alrededor de nueve meses, en comparación con:

• OpenAI: aproximadamente cinco años
• Anthropic: aproximadamente tres años

Según reportes, una ronda de recaudación de fondos de USD 50 mil millones se estaba gestando en noviembre pasado, pero varios medios informaron que se estancó para enero, cuando dos cofundadores se marcharon a OpenAI. Nvidia realizó una inversión significativa en Thinking Machines Lab cuando ambas empresas anunciaron su alianza en marzo, según Nvidia. Desde entonces, la plantilla se ha estabilizado: la startup ahora emplea a aproximadamente 200 personas, una cifra superior a los niveles reportados tras una ola de salidas a principios de este año.

Por qué importa

Thinking Machines apuesta a que las empresas obtendrán más valor de los modelos de pesos abiertos que ellas mismas pueden personalizar, en lugar de los sistemas cerrados y centralizados que OpenAI, Anthropic y Google venden actualmente.