Tratopedia
EN
Ajustes

Tamaño del texto

Tema

Alto contraste

Versión

v1.230.2

La publicación con la que se generó esta página. Es la que almacena en caché el service worker.

Modelos abiertos · Modelos de lenguaje · Capacidad de la IA · Geopolítica · Ficha de modeloPublicado el 15 jul 2026 · registro hasta el 26 ago 2026

Resumen ejecutivo · informe de una página

Un modelo abierto, formado en parte por los rivales a los que responde

Thinking Machines Lab —fundado por la ex directora de tecnología de OpenAI Mira Murati— publicó su primer modelo de pesos abiertos, Inkling, el 15 jul 2026: un MoE multimodal de 975,000 M / 41,000 M activos con un contexto de pesos abiertos de 1 millón de tokens, licencia Apache 2.0 y un mando de esfuerzo de razonamiento. Llegó a un mercado ya dominado por laboratorios chinos en volumen: mediciones independientes sitúan a los modelos abiertos chinos en torno al 61% de los tokens que enruta OpenRouter a mayo de 2026, frente a menos del 1% del propio Llama de Meta. El mismo día de su lanzamiento, Inkling fue medido de forma independiente como el lanzamiento abierto líder de un laboratorio estadounidense. Y el propio relato de Thinking Machines sobre cómo se construyó afirma sin rodeos que su posentrenamiento usó en parte datos sintéticos de Kimi K2.5: uno de los modelos frente a los que se le mide.

En cifras verificado directamente en los repositorios y el sitio de Thinking Machines

  • 975B/41BMoE multimodal: parámetros totales / activos
  • 1Mcontexto en pesos abiertos (Tinker sirve 256K / 64K)
  • 41Índice de Inteligencia de Artificial Analysis — mejor puntuación abierta de EE. UU.
  • 98.6%StrongREJECT (FORTRESS: 78.0% adversarial / 95.9% benigno)

Qué ha ocurrido, por fiabilidad confirmado en el material propio de Thinking Machines salvo que se indique lo contrario

FiabilidadQué ocurrióCuándo
ConfirmadoInkling se publica: MoE de 975,000 M totales / 41,000 M activos, contexto de pesos abiertos de 1 millón de tokens, Apache 2.015 jul 2026
ConfirmadoEl SFT inicial de posentrenamiento usó datos sintéticos de modelos abiertos “incluido Kimi K2.5”entrenamiento, según su propio relato
ConfirmadoLa cadena de razonamiento se condensó espontáneamente a lo largo de un entrenamiento por RL de más de 30 millones de despliegues, sin que la recompensa lo buscaradurante el entrenamiento por RL
Confirmado, no verificable aquíInkling “mostró patrones marcados de incumplimiento de la censura” en la evaluación de censura de Cognitionafirmación propia de TM; no se halló puntuación independiente de Cognition para Inkling
ConfirmadoSe publica Inkling-Small con los pesos completos: 276,000 M totales / 12,000 M activos30 jul 2026
Confirmado, independienteInkling debuta con 41 puntos en el Índice de Inteligencia de Artificial Analysis: la mejor puntuación abierta de un laboratorio estadounidense15 jul 2026

Cronología jun–ago de 2026, cada hecho fechado en su propia fuente primaria

  1. 24 jun 2026Un análisis independiente (Data Gravity) sitúa a los modelos abiertos chinos en torno al 61% de los tokens enrutados por OpenRouter a mayo de 2026; el Llama de Meta, por debajo del 1%.
  2. 30 jun 2026Bridgewater AIA Labs y Thinking Machines publican un caso práctico de ajuste fino con Tinker — sobre Qwen3-235B, dos semanas antes de que exista Inkling.
  3. 10 jul 2026Thinking Machines publica “El futuro que merece la pena construir es humano”, citando a Hayek sobre el conocimiento disperso y advirtiendo contra concentrar el desarrollo de la IA en pocos laboratorios — sin nombrar ningún país.
  4. 15 jul 2026Se publica Inkling; acceso por API desde el primer día en Together AI, Fireworks, Modal, Databricks y Baseten. Artificial Analysis le otorga 41 puntos en su Índice de Inteligencia ese mismo día.
  5. 30 jul 2026Se publica Inkling-Small con los pesos completos (276,000 M totales / 12,000 M activos); Artificial Analysis le otorga 40 puntos, a un punto de Inkling con menos de un tercio de los parámetros.
  6. 31 jul 2026Thinking Machines publica su relato del proceso de seguridad: pruebas internas, cuatro equipos externos de red-teaming identificados por nombre, y una comprobación de ajuste fino adversarial en ambos modelos.
  7. 26 ago 2026Hugging Face registra 166,108 descargas y 1,749 “me gusta” para Inkling, y 168,647 descargas con 379 “me gusta” para Inkling-Small.

La cronología importa porque dos de estos hechos son fáciles de confundir. El caso práctico de Bridgewater/Tinker —un Qwen3-235B ajustado que superó a modelos de frontera en la clasificación de documentos financieros— se publicó dos semanas antes de que existiera Inkling. Demuestra lo que puede lograr el ajuste fino en la plataforma Tinker de Thinking Machines; no dice nada sobre el rendimiento del propio Inkling, y no consta ningún caso de despliegue dedicado de Inkling. Se incluye aquí porque es la prueba de la economía de la plataforma detrás de la propia historia de ajuste fino de Inkling, no porque trate sobre Inkling.

Para qué dice Thinking Machines que sirve Inkling atribuido al material propio de Thinking Machines

Thinking Machines expone su caso sin rodeos: Inkling “no es el modelo más potente disponible hoy, ni abierto ni cerrado”. Su apuesta es una combinación —capacidad multimodal, un mando de esfuerzo de razonamiento eficiente y controlable, y disponibilidad en Tinker para el ajuste fino— que lo convierte en “una buena base de pesos abiertos para personalizar”, no en un candidato a la cabeza de las clasificaciones. La arquitectura: un transformador de 66 capas solo decodificador que enruta cada token a 6 de 256 expertos más 2 expertos compartidos siempre activos, atención híbrida local/global, y un diseño multimodal sin codificador: las imágenes se codifican por parches, el audio se representa como espectrogramas dMel, y ambos se proyectan al mismo espacio oculto que procesa el texto. El rango técnico del mando de esfuerzo va de 0 a 0.99; las curvas de referencia publicadas por Thinking Machines lo recorren de 0.2 a 0.99, donde Inkling alcanza una puntuación dada en Terminal Bench 2.1 con aproximadamente un tercio de los tokens que necesita Nemotron 3 Ultra.

  • 0–0.99mando de esfuerzo de razonamiento — rango técnico completo
  • 30M+despliegues de RL → condensación espontánea de la cadena de razonamiento

El mercado al que llegó, y la complicación atribuido por su nombre, no adoptado como lectura propia

Dos mediciones independientes enmarcan el terreno en el que aterrizó Inkling. El propio análisis de enrutamiento de tokens de Data Gravity: a mayo de 2026, los modelos abiertos chinos concentraban en torno al 61% de los tokens enrutados por OpenRouter, “cuatro de los cinco modelos más usados son chinos — y el Llama de Meta, líder del código abierto hace dos años, ha desaparecido por completo de las clasificaciones”, por debajo del 1% del volumen enrutado. Artificial Analysis, el mismo día del lanzamiento de Inkling: es “el lanzamiento de pesos abiertos líder de un laboratorio estadounidense”, tres puntos por encima del líder anterior, Nemotron 3 Ultra. La complicación es que el razonamiento que da Thinking Machines no lo plantea así. Su manifiesto, publicado cinco días antes del lanzamiento, argumenta contra concentrar el desarrollo de la IA en un puñado de laboratorios al estilo de una “planificación central”, citando a Hayek sobre el conocimiento disperso — y no nombra a China en ningún momento. El encuadre de “respuesta occidental” pertenece a las mediciones de mercado independientes citadas arriba, no a las palabras de Thinking Machines. Y el propio posentrenamiento de Inkling complica cualquier encuadre que se use: su ajuste inicial usó datos sintéticos de modelos abiertos “incluido Kimi K2.5”, uno de los mismos modelos chinos que nombran esas cifras de cuota de mercado.

El caso de Tinker, recalculado a partir de su propio gráfico no es Inkling — Qwen3-235B, ajustado dos semanas antes del lanzamiento de Inkling

ModeloPrecisiónCoste / 1,000 tareas
Modelo entrenado por Bridgewater (Qwen3-235B, ajustado)84.7%$4.72
GPT 5.578.2%$65.06
Claude Opus 4.878.0%$92.59
Claude Opus 4.677.2%$61.52
GPT 5.475.8%$28.50
Gemini 3.1 Pro74.3%$31.77
GPT 5.274.3%$19.96

La comparación que Bridgewater y Thinking Machines publican conjuntamente enfrenta su modelo ajustado a seis modelos de frontera. El más fuerte en esta tarea es GPT 5.5, con un 78.2% de precisión media y 65.06 $ por cada mil tareas; Claude Opus 4.8 logra un 78.0%, pero cuesta 92.59 $, el más caro del conjunto. El Qwen3-235B ajustado alcanza un 84.66% por 4.72 $: 13.8 veces más barato que GPT 5.5 —la cifra que la propia publicación indica— y 19.6 veces más barato que Claude Opus 4.8. Le acompañan dos salvedades: es una publicación conjunta del proveedor de la plataforma y su cliente, sin réplica independiente, y mide un ajuste de Qwen3-235B, no Inkling.

Pruebas de seguridad de “Un camino seguro hacia los pesos abiertos”, 31 jul 2026

  • Interno · tres vertientes

    Conocimiento peligroso, uso indebido, daño multimodal

    • Conocimiento y capacidad operativa en CBRN y ciberofensiva, evaluados internamente.
    • Una prueba de daño multimodal en 17 idiomas y entradas de texto, imagen y audio.
  • Externo · cuatro evaluadores identificados

    Scale AI, Handshake AI, FAR.AI, Apollo Research

    • Cada uno con un mandato distinto: uso indebido general, daño a usuarios vulnerables, elicitación CBRN/cibernética, comportamiento de pérdida de control.
    • Ninguno halló capacidades que superasen de forma significativa lo que ya suponen los modelos abiertos existentes.

Eliminar deliberadamente las salvaguardas la prueba de ajuste fino adversarial

Como los pesos abiertos pueden reajustarse para eliminar el entrenamiento de negativa, Thinking Machines ajustó variantes “solo serviciales” tanto de Inkling como de Inkling-Small — optimizadas deliberadamente para acceder en lugar de negarse — y las sometió a las mismas evaluaciones de doble uso. Su propia conclusión: “las variantes solo serviciales no aportaron nuevas capacidades en tareas de CBRN y ciberseguridad, y se mantuvieron comparables a los modelos abiertos existentes”. Junto con los resultados internos y externos, Thinking Machines concluyó que publicar Inkling no añadía un riesgo material más allá del que ya suponen los modelos abiertos ya descargables.

Inkling-Small, seis semanas después evaluación independiente, Artificial Analysis

El desglose propio de Artificial Analysis, publicado el mismo día del lanzamiento de Inkling-Small: supera ligeramente a Inkling en Humanity's Last Exam (32% frente a 30%) y GPQA Diamond (89% frente a 87%) con menos de un tercio de los parámetros, pero queda por detrás en trabajo agéntico —τ³-Banking, 15% frente al 24% de Inkling— y obtiene una puntuación negativa en el propio índice de calibración factual de Artificial Analysis, donde Inkling puntúa en positivo, “lo que significa que las respuestas incorrectas superan a las correctas”. Ambos modelos quedaron cerca entre sí de forma independiente en el Índice de Inteligencia (40 frente a 41), un resumen más burdo que cualquiera de estos resultados individuales y que por sí solo no dice qué modelo conviene a qué tarea.

Conclusión lo que está claro, y lo que no

Qué es Inkling

Un lanzamiento de pesos abiertos genuino y bien documentado — MoE de 975,000 M/41,000 M activos, contexto de pesos abiertos de 1 millón de tokens, Apache 2.0 — que el día de su lanzamiento se situó, según medición independiente, como la entrada abierta líder de EE. UU. en un mercado ya dominado en volumen por laboratorios chinos.

Lo que añade su propio relato

Según el propio relato de Thinking Machines, el posentrenamiento de Inkling arrancó con una ronda inicial de ajuste supervisado sobre datos sintéticos de modelos abiertos “incluido Kimi K2.5”: uno de los modelos chinos frente a los que se le mide. La empresa sitúa ese arranque en “una pequeña fracción del cómputo”, y destina el grueso al aprendizaje por refuerzo a gran escala, de modo que es un punto de partida y no la sustancia del modelo.

  • El caso de la economía de Bridgewater/Tinker es real y está bien documentado, pero es un ajuste fino de Qwen3-235B anterior a la existencia de Inkling. No consta ningún despliegue empresarial dedicado a Inkling — conviene mantener presente ese vacío, en lugar de leer el caso de Tinker como prueba de los resultados del propio Inkling.
  • El resultado de la evaluación de censura de Cognition es una afirmación de la propia Thinking Machines sobre su propio modelo. No se encontró ninguna puntuación de Cognition publicada de forma independiente que nombrara a Inkling — algo que conviene saber antes de tratar el hallazgo como verificado de forma independiente.
  • “Respuesta occidental a los modelos abiertos chinos” es una lectura de la cuota de mercado medida de forma independiente (Data Gravity, Artificial Analysis), no el argumento que declara Thinking Machines, que nunca nombra a China. Conviene distinguir ambas cosas.

Notas rápidas

  1. Ficha de modelo · registro hasta el 26 ago 2026

    Un modelo abierto, formado en parte por los rivales a los que responde

    Thinking Machines publicó el modelo de pesos abiertos Inkling el 15 jul 2026, en un mercado ya dominado por laboratorios chinos. Su propio posentrenamiento usó en parte datos sintéticos de Kimi K2.5, uno de esos rivales — según su propio relato.

    Inkling · Thinking Machines1 / 18

  2. En cifras

    Publicado el 15 jul 2026: pesos abiertos, Apache 2.0

    • 975B/41BMoE multimodal: parámetros totales / activos
    • 1Mcontexto en pesos abiertos (Tinker sirve 256K / 64K)
    • 41Índice de Inteligencia de Artificial Analysis — mejor puntuación abierta de EE. UU.
    • 98.6%StrongREJECT (FORTRESS: 78.0% adversarial / 95.9% benigno)

    Inkling · Thinking Machines2 / 18

  3. Qué ha ocurrido, por fiabilidad

    Tres hechos del propio relato de Thinking Machines

    FiabilidadQué ocurrióCuándo
    ConfirmadoInkling se publica: MoE de 975,000 M totales / 41,000 M activos, contexto de pesos abiertos de 1 millón de tokens, Apache 2.015 jul 2026
    ConfirmadoEl SFT inicial de posentrenamiento usó datos sintéticos de modelos abiertos “incluido Kimi K2.5”entrenamiento, según su propio relato
    ConfirmadoLa cadena de razonamiento se condensó espontáneamente a lo largo de un entrenamiento por RL de más de 30 millones de despliegues, sin que la recompensa lo buscaradurante el entrenamiento por RL

    Inkling · Thinking Machines3 / 18

  4. Qué ha ocurrido, por fiabilidad

    Una afirmación no verificable aquí y dos hechos posteriores

    FiabilidadQué ocurrióCuándo
    Confirmado, no verificable aquíInkling “mostró patrones marcados de incumplimiento de la censura” en la evaluación de censura de Cognitionafirmación propia de TM; no se halló puntuación independiente de Cognition para Inkling
    ConfirmadoSe publica Inkling-Small con los pesos completos: 276,000 M totales / 12,000 M activos30 jul 2026
    Confirmado, independienteInkling debuta con 41 puntos en el Índice de Inteligencia de Artificial Analysis: la mejor puntuación abierta de un laboratorio estadounidense15 jul 2026

    Inkling · Thinking Machines4 / 18

  5. Cronología · hasta el lanzamiento

    El mercado, un caso práctico y un manifiesto; después, el modelo

    1. 24 jun 2026Un análisis independiente (Data Gravity) sitúa a los modelos abiertos chinos en torno al 61% de los tokens enrutados por OpenRouter a mayo de 2026; el Llama de Meta, por debajo del 1%.
    2. 30 jun 2026Bridgewater AIA Labs y Thinking Machines publican un caso práctico de ajuste fino con Tinker — sobre Qwen3-235B, dos semanas antes de que exista Inkling.
    3. 10 jul 2026Thinking Machines publica “El futuro que merece la pena construir es humano”, citando a Hayek sobre el conocimiento disperso y advirtiendo contra concentrar el desarrollo de la IA en pocos laboratorios — sin nombrar ningún país.
    4. 15 jul 2026Se publica Inkling. Artificial Analysis le otorga 41 puntos en su Índice de Inteligencia ese mismo día.

    Inkling · Thinking Machines5 / 18

  6. Cronología · después del lanzamiento

    Un hermano menor, un relato de seguridad y seis semanas de descargas

    1. 30 jul 2026Se publica Inkling-Small con los pesos completos (276,000 M totales / 12,000 M activos); Artificial Analysis le otorga 40 puntos, a un punto de Inkling con menos de un tercio de los parámetros.
    2. 31 jul 2026Thinking Machines publica su relato del proceso de seguridad: pruebas internas, cuatro equipos externos de red-teaming identificados por nombre, y una comprobación de ajuste fino adversarial en ambos modelos.
    3. 26 ago 2026Hugging Face registra 166,108 descargas y 1,749 “me gusta” para Inkling, y 168,647 descargas con 379 “me gusta” para Inkling-Small.

    Inkling · Thinking Machines6 / 18

  7. En palabras de Thinking Machines

    “No es el modelo más potente disponible hoy, ni abierto ni cerrado”

    Su apuesta es la combinación, que lo convierte en “una buena base de pesos abiertos para personalizar”, no en un candidato a la cabeza de las clasificaciones.

    Multimodal

    Sin codificador: las imágenes se codifican por parches, el audio como espectrogramas dMel, y ambos se proyectan al mismo espacio oculto que el texto.

    Un mando de esfuerzo de razonamiento

    Eficiente y controlable; su rango técnico va de 0 a 0.99.

    En Tinker

    Disponible en la plataforma Tinker de Thinking Machines para el ajuste fino.

    Inkling · Thinking Machines7 / 18

  8. Arquitectura

    Un decodificador de 66 capas que envía cada token a unos pocos expertos

    • 66capas de un transformador solo decodificador, atención híbrida local/global
    • 6/256expertos por token, más 2 expertos compartidos siempre activos
    • 0–0.99mando de esfuerzo de razonamiento, rango técnico completo (las curvas publicadas recorren de 0.2 a 0.99)
    • 30M+despliegues de RL; por el camino, la cadena de razonamiento se condensó sola, sin que la recompensa lo buscara

    Inkling · Thinking Machines8 / 18

  9. El mercado al que llegó

    Los laboratorios chinos ya dominan en volumen los modelos abiertos

    • ~61%de los tokens enrutados por OpenRouter fueron a modelos abiertos chinos a mayo de 2026 (Data Gravity)
    • 4/5de los modelos más usados son chinos
    • <1%para el Llama de Meta, líder del código abierto hace dos años
    • 41Inkling en el Índice de Inteligencia de Artificial Analysis el día del lanzamiento — tres puntos por encima del anterior líder estadounidense, Nemotron 3 Ultra

    Inkling · Thinking Machines9 / 18

  10. La complicación

    El razonamiento de Thinking Machines no lo plantea así

    Su manifiesto, 10 jul 2026

    Argumenta contra concentrar el desarrollo de la IA en un puñado de laboratorios al estilo de una “planificación central”, citando a Hayek sobre el conocimiento disperso — y no nombra a China en ningún momento.

    El encuadre de la “respuesta occidental”

    Pertenece a las mediciones de mercado independientes (Data Gravity, Artificial Analysis), no a las palabras de Thinking Machines.

    Inkling · Thinking Machines10 / 18

  11. Formado en parte por un rival

    Su posentrenamiento arrancó con datos sintéticos “incluido Kimi K2.5”

    Lo que dice su propio relato

    El posentrenamiento de Inkling arrancó con una ronda inicial de ajuste supervisado sobre datos sintéticos de modelos abiertos “incluido Kimi K2.5”: uno de los modelos chinos frente a los que se le mide.

    Cuánto pesa

    La empresa sitúa ese arranque en “una pequeña fracción del cómputo”, y destina el grueso al aprendizaje por refuerzo a gran escala: es un punto de partida y no la sustancia del modelo.

    Inkling · Thinking Machines11 / 18

  12. El caso de Tinker · no es Inkling

    Un Qwen3-235B ajustado superó a seis modelos de frontera en la clasificación de documentos financieros

    Publicado por Bridgewater AIA Labs y Thinking Machines el 30 jun 2026, dos semanas antes de que existiera Inkling.

    ModeloPrecisiónCoste / 1,000 tareas
    Modelo entrenado por Bridgewater (Qwen3-235B, ajustado)84.7%$4.72
    GPT 5.578.2%$65.06
    Claude Opus 4.878.0%$92.59
    Claude Opus 4.677.2%$61.52
    GPT 5.475.8%$28.50
    Gemini 3.1 Pro74.3%$31.77
    GPT 5.274.3%$19.96

    Inkling · Thinking Machines12 / 18

  13. El caso de Tinker · coste

    Un 84.66% de precisión por 4.72 $ cada mil tareas

    • 13.8×más barato que GPT 5.5, el modelo de frontera más fuerte en esta tarea — la cifra que la propia publicación indica
    • 19.6×más barato que Claude Opus 4.8, el más caro del conjunto

    Una publicación conjunta

    Del proveedor de la plataforma y su cliente, sin réplica independiente.

    No es Inkling

    Mide un ajuste de Qwen3-235B, y no consta ningún despliegue dedicado de Inkling.

    Inkling · Thinking Machines13 / 18

  14. Pruebas de seguridad · 31 jul 2026

    Tres vertientes internas, cuatro evaluadores externos identificados

    • Interno · tres vertientes

      Conocimiento peligroso, uso indebido, daño multimodal

      • Conocimiento peligroso de doble uso y uso indebido general, evaluados internamente.
      • Una prueba de daño multimodal en 17 idiomas.
    • Externo · cuatro evaluadores identificados

      Scale AI, Handshake AI, FAR.AI, Apollo Research

      • Cada uno con un mandato distinto: uso indebido general, daño a usuarios vulnerables, elicitación CBRN/cibernética, comportamiento de pérdida de control.

    Inkling · Thinking Machines14 / 18

  15. Pruebas de seguridad · ajuste fino adversarial

    Eliminar deliberadamente las salvaguardas

    Thinking Machines concluyó que publicar Inkling no añadía un riesgo material más allá del que ya suponen los modelos abiertos ya descargables.

    Variantes “solo serviciales” de ambos modelos

    Como los pesos abiertos pueden reajustarse para eliminar el entrenamiento de negativa, Thinking Machines optimizó variantes de Inkling e Inkling-Small para acceder en lugar de negarse, y las sometió a las mismas evaluaciones de doble uso.

    Su propia conclusión

    “Las variantes solo serviciales no aportaron nuevas capacidades en tareas de CBRN y ciberseguridad, y se mantuvieron comparables a los modelos abiertos existentes”.

    Inkling · Thinking Machines15 / 18

  16. Inkling-Small · 30 jul 2026

    A un punto de Inkling con menos de un tercio de los parámetros

    El índice es un resumen más burdo que cualquiera de estos resultados y por sí solo no dice qué modelo conviene a qué tarea.

    Artificial AnalysisInkling-SmallInkling
    Parámetros, totales / activos276,000 M / 12,000 M975,000 M / 41,000 M
    Índice de Inteligencia4041
    Humanity's Last Exam32%30%
    GPQA Diamond89%87%
    τ³-Banking (agéntico)15%24%
    Calibración factualnegativapositiva

    Inkling · Thinking Machines16 / 18

  17. Conclusión

    Un lanzamiento de pesos abiertos genuino y bien documentado

    Qué es Inkling

    Un lanzamiento de pesos abiertos genuino y bien documentado — MoE de 975,000 M/41,000 M activos, contexto de pesos abiertos de 1 millón de tokens, Apache 2.0 — que el día de su lanzamiento se situó, según medición independiente, como la entrada abierta líder de EE. UU. en un mercado ya dominado en volumen por laboratorios chinos.

    Seis semanas después

    Hugging Face registra 166,108 descargas de Inkling y 168,647 de Inkling-Small: una instantánea, no una cuota de mercado. No consta ningún despliegue empresarial dedicado a Inkling.

    Inkling · Thinking Machines17 / 18

  18. Qué recordar

    Tres cosas que conviene distinguir

    • El caso de la economía de Bridgewater/Tinker es real y está bien documentado, pero es un ajuste fino de Qwen3-235B anterior a la existencia de Inkling. No consta ningún despliegue empresarial dedicado a Inkling — conviene mantener presente ese vacío, en lugar de leer el caso de Tinker como prueba de los resultados del propio Inkling.
    • El resultado de la evaluación de censura de Cognition es una afirmación de la propia Thinking Machines sobre su propio modelo. No se encontró ninguna puntuación de Cognition publicada de forma independiente que nombrara a Inkling — algo que conviene saber antes de tratar el hallazgo como verificado de forma independiente.
    • “Respuesta occidental a los modelos abiertos chinos” es una lectura de la cuota de mercado medida de forma independiente (Data Gravity, Artificial Analysis), no el argumento que declara Thinking Machines, que nunca nombra a China. Conviene distinguir ambas cosas.

    Inkling · Thinking Machines18 / 18

  • Fuentes, todas obtenidas directamente y capturadas el 26 ago 2026 salvo que se indique otra fecha de captura o publicación: las propias publicaciones de lanzamiento de Inkling e Inkling-Small de Thinking Machines Lab, su página de producto, los repositorios del modelo en Hugging Face (ficha del modelo, config.json y registros de la API en vivo), “El futuro que merece la pena construir es humano” y “Un camino seguro hacia los pesos abiertos”
  • la publicación conjunta de Bridgewater AIA Labs y Thinking Machines sobre la economía del ajuste fino en Tinker, leída por los datos incrustados en su propio gráfico
  • los dos artículos independientes de Artificial Analysis publicados el mismo día de cada lanzamiento
  • “China's Open-Weight Takeover” (Chris Zeoli, Data Gravity)
  • la publicación de metodología de Cognition, leída para comprobar si existía una puntuación específica de Inkling.

Versiones

Este documento se reescribe cuando lo que dice tiene que cambiar. Cada versión sigue publicada en su propia dirección.

  1. v0002 actual
  2. v0001 reemplazada

La versión actual también está en latest/.