Análisis de Inkling Small: 40 vs. Inkling 41 con 276B

El recuento de parámetros solía ser el espejo de gimnasio favorito de la industria de la IA. Más grande parecía mejor, incluso cuando el modelo básicamente estaba presumiendo músculo bajo luces de almacén. Luego entró Inkling Small de Thinking Machines Lab con 276B de parámetros totales, 12B MoE activos y un 40 en el Artificial Analysis Intelligence Index, un punto por detrás del 41 de Inkling, aunque Inkling pesa 975B de parámetros totales y 41B activos. En algún lugar, una hoja de cálculo llamada moat está sudando en silencio. La versión corta: Thinking Machines Lab ha lanzado un modelo de razonamiento de pesos abiertos más pequeño que se acerca incómodamente a su hermano insignia en un benchmark de terceros. La versión útil: este es otro recordatorio de que el recuento de parámetros se está convirtiendo en un pésimo indicador de si un modelo se puede desplegar, es útil o merece que alimentes tu presupuesto de GPU como si fuera un mapache carísimo.

Artificial Analysis dice que más pequeño no significó

más débil Artificial Analysis informó el 30 de julio de 2026 que Inkling Small obtiene 40 en su Intelligence Index, a solo un punto de Inkling, que se lanzó dos semanas antes con 41. El mismo informe de Artificial Analysis dice que Inkling Small es un modelo de razonamiento de pesos abiertos con entrada de texto, imagen y voz, además de una ventana de contexto de 256K tokens. También da la comparación clave: Inkling Small tiene 276B de parámetros totales y 12B MoE activos, mientras que Inkling tiene 975B totales y 41B activos. Eso no es un error de redondeo, es un plan de dieta con recibos de benchmarks.

Artificial Analysis también informó que Inkling Small iguala o supera a Inkling en varias evaluaciones de programación y razonamiento de frontera. Obtiene una puntuación más alta en Humanity's Last Exam, con 32% frente a 30%; GPQA Diamond, con 89% frente a 87%; CritPt, con 8% frente a 5%; y SciCode, con 49% frente a 46%. Los benchmarks no son la experiencia de producto, y cualquiera que te diga lo contrario probablemente también juzga la sopa por su viscosidad. Pero cuando el modelo más pequeño gana en varias subpruebas, la historia deja de ser simpática y empieza a ser arquitectónica.

Thinking Machines está haciendo más fuerte el argumento del despliegue

Thinking Machines anunció Inkling Small en su propio sitio el 30 de julio de 2026, presentándolo con secciones sobre razonamiento y tareas agénticas, multimodalidad, epistémica, seguridad y benchmarking. La empresa también dirige a los lectores a Tinker, una ficha del modelo y Hugging Face desde la página del anuncio. Ese patrón de distribución importa porque los modelos de pesos abiertos viven o mueren no solo por los gráficos de benchmarks, sino por si los desarrolladores realmente pueden inspeccionarlos, adaptarlos y ejecutarlos sin enviar una solicitud de compras al vacío.

VentureBeat informa que Inkling Small llegó apenas dos semanas después de que Thinking Machines lanzara Inkling, su primer modelo de lenguaje de IA de código abierto. VentureBeat también dice que Inkling Small usa una licencia permisiva Apache 2.0 y queda a un solo punto del modelo más grande en el Artificial Analysis Intelligence Index. Para los equipos empresariales, ese detalle de la licencia no es decorativo. Es la diferencia entre probar un modelo en un laboratorio y que el departamento legal lance una silla contra la hoja de ruta.

VentureBeat lo presenta como un competidor de pesos abiertos

VentureBeat describió anteriormente al Inkling original como orientado a empresas que trasladan cargas de trabajo de IA agéntica a modelos de pesos abiertos que pueden personalizar, controlar y ejecutar en sus instalaciones o en nubes privadas virtuales. Ese contexto hace que Inkling Small sea más interesante que un simple lanzamiento hermano. Si un modelo más pequeño puede quedar cerca del insignia en la tabla de clasificación, la pregunta práctica pasa a ser menos “qué tan grande podemos hacerlo” y más “cuánto modelo necesitamos realmente para esta carga de trabajo”.

Aquí es donde la infraestructura de IA pasa de fuegos artificiales a fontanería, lo cual es menos glamuroso pero mucho más difícil de fingir. Mixture of Experts es especialmente relevante aquí porque el recuento de parámetros activos es la parte que trabaja para un token determinado. MoE suena como una consultora que cobra por suspiro, pero la idea es sencilla: no todas las subredes expertas necesitan despertarse para cada entrada. Artificial Analysis informa 12B MoE activos para Inkling Small frente a 41B activos para Inkling. Esa brecha es exactamente la razón por la que los constructores mirarán con lupa la latencia, la memoria, el batching y las limitaciones de hosting antes de mirar con lupa el logotipo.

Artificial Analysis da a los constructores la verdadera tarea

Artificial Analysis dice que ningún modelo de pesos abiertos del tamaño de Inkling Small o menor obtiene una puntuación más alta en su Intelligence Index. También señala que DeepSeek V4 Flash, con 284B totales y 13B activos, obtiene 40; MiniMax-M3 llega a 44 con 23B activos; y GLM-5.2 alcanza 51 con 40B activos. Traducción: todavía hay espacio por encima de Inkling Small, pero la curva entre tamaño y puntuación se está volviendo rara de una manera productiva. El viejo gráfico donde más parámetros equivale a mejor modelo ahora es menos una ley de la naturaleza y más un imán de nevera.

Para quienes construyen con IA, el movimiento es simple: evalúen los modelos por ajuste a la tarea, licencia, ventana de contexto, soporte de modalidades y restricciones de servicio, no solo por el recuento total de parámetros. Inkling Small todavía necesitará pruebas con cargas de trabajo reales, especialmente para agentes, flujos de programación, entradas multimodales y fiabilidad bajo tráfico empresarial aburrido, el benchmark más duro porque incluye reuniones. Pero este lanzamiento da a los equipos de pesos abiertos una razón concreta para revisar sus suposiciones sobre cuánto modelo necesitan. El marcador sigue siendo un marcador, pero la cinta métrica acaba de ser degradada a decoración de oficina.