Qué se ha lanzado y cuándo
Thinking Machines Lab ha publicado Inkling 2 Small, un modelo de propósito general multimodal que acepta texto e imágenes como entrada y genera texto como salida. La fecha de lanzamiento oficial es el 5 de noviembre de 2026, según la ficha técnica del modelo.
El modelo está diseñado para desarrolladores que construyen aplicaciones con IA, incluyendo sistemas agénticos, asistentes de código, chatbots y sistemas de generación aumentada por recuperación (RAG). Soporta inglés y otros idiomas, así como múltiples lenguajes de programación.
Arquitectura y especificaciones técnicas
Inkling 2 Small es un transformer autoregresivo de solo decodificador con 48 capas y un esqueleto de Mezcla de Expertos (MoE) dispersa. Cada token se enruta a 8 de 384 expertos, lo que permite una eficiencia computacional significativa.
El modelo cuenta con 594.000 millones de parámetros totales, de los cuales 17.000 millones están activos por token. La atención es híbrida, combinando capas locales y globales. Es nativamente multimodal: las imágenes se codifican mediante un transformador de visión y se proyectan en un espacio oculto compartido con el texto para ser procesadas conjuntamente por el decodificador.
Soporta numéricos MXFP8 y NVFP4. La ventana de contexto declarada en la ficha técnica es de hasta 1M de tokens, aunque la disponibilidad real en la plataforma Tinker varía según la modalidad de uso.
Especificaciones técnicas de Inkling 2 Small
| Característica | Detalle |
|---|---|
| Parámetros totales | 594B |
| Parámetros activos por token | 17B |
| Arquitectura | MoE dispersa (8 de 384 expertos) |
| Capas | 48 |
| Modalidades de entrada | Texto e imagen |
| Modalidad de salida | Texto |
| Ventana de contexto (ficha) | Hasta 1M tokens |
| Soporte numérico | MXFP8, NVFP4 |
Variantes, modalidades y acceso
El modelo está disponible a través de la plataforma Tinker, que ofrece acceso por API para ajuste fino y muestreo. Los desarrolladores pueden comenzar instalando el paquete `tml-renderers` y utilizando el Cookbook de Tinker.
Tinker ofrece dos configuraciones principales para Inkling 2 Small: una con contexto de 64K tokens y otra con 256K tokens (identificada con el sufijo `:peft:262144`). La configuración de 256K tiene un coste de entrenamiento más elevado, pero los precios de prefill y muestreo son los mismos que en la versión de 64K.
Además, existe una opción de inferencia serverless en beta con un identificador específico (`:sampling-nvfp4`), disponible actualmente solo para Inkling, Inkling-Small e Inkling 2 Small. Para uso en producción, los interesados deben solicitar acceso a través de una lista de espera.
Precio y costes operativos
Los precios en Tinker se calculan por millón de tokens. Para Inkling 2 Small, el coste de prefill (entrada) es de 0,30 USD, con un descuento a 0,03 USD para tokens en caché. El coste de muestreo (salida) es de 1,00 USD por millón de tokens.
El entrenamiento tiene un coste de 1,50 USD por millón de tokens en la configuración de 64K y 3,00 USD en la configuración de 256K. El almacenamiento de puntos de control se factura a 0,10 USD por GB al mes.
En la modalidad de inferencia serverless en beta, los precios son de 0,30 USD para entrada, 0,03 USD para entrada en caché y 1,00 USD para salida, con un contexto máximo de 256K tokens.
Precios de Inkling 2 Small en Tinker (por millón de tokens)
| Modalidad | Contexto | Prefill (USD) | Prefill en caché (USD) | Muestreo (USD) | Entrenamiento (USD) |
|---|---|---|---|---|---|
| Estándar | 64K | 0,30 | 0,03 | 1,00 | 1,50 |
| Extendido | 256K | 0,30 | 0,03 | 1,00 | 3,00 |
| Serverless (beta) | 256K | 0,30 | 0,03 | 1,00 | N/A |
Evaluaciones y rendimiento
La ficha técnica publica una serie de resultados en benchmarks de terceros. En el Índice de Inteligencia de Artificial Analysis v5.0, Inkling 2 Small obtiene una puntuación de 30,6. En DeepSWE v1.1, alcanza el 72,1 %, y en SWE-bench Pro v2 Hard, el 86,3 %.
Estos resultados son publicados por el proveedor y no han sido reproducidos de forma independiente por Inferama. El rendimiento puede variar según la configuración, el idioma y el dominio específico de la aplicación. Se recomienda a los desarrolladores realizar sus propias evaluaciones antes de desplegar el modelo en contextos de alto riesgo o críticos para la seguridad.
El modelo ha sido evaluado en seguridad antes del lanzamiento, incluyendo pruebas de interacción cotidiana y capacidades peligrosas. Se aplicaron mitigaciones para reducir riesgos, y se encontró que el modelo está materialmente por debajo de las capacidades de los modelos frontera en términos de pérdida de control.
Limitaciones y consideraciones de seguridad
Inkling 2 Small puede exhibir limitaciones comunes a los modelos de base, incluyendo alucinaciones (generación de contenido plausible pero factualmente incorrecto), fallos ocasionales en el seguimiento preciso de instrucciones y degradación del rendimiento en conversaciones multivuelta largas.
Al estar entrenado con datos derivados de la web y sintéticos, el modelo puede reflejar sesgos demográficos, culturales o lingüísticos presentes en los datos de entrenamiento. Su conocimiento está limitado a la información disponible hasta su corte de entrenamiento y no refleja eventos posteriores.
Se recomienda a los desarrolladores aplicar supervisión humana y revisión para salidas utilizadas en contextos de alto riesgo o críticos para la seguridad. No se debe desplegar el modelo en dominios como medicina, derecho o toma de decisiones crítica para la seguridad sin ajuste fino adicional, validación específica del dominio y supervisión humana.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección