--- title: "Thinking Machines lanza Inkling, su primer modelo abierto, y desafía a la IA de talla única" description: "Thinking Machines, la empresa de la exdirectora técnica de OpenAI Mira Murati, publicó Inkling: un modelo de pesos abiertos con 975.000 millones de parámetros, pensado para que las empresas lo ajusten a su propio conocimiento." slug: "thinking-machines-inkling-modelo-abierto-mira-murati-26-07-15" canonical: "https://www.revenuehublatam.com/noticias/ia-ventas/thinking-machines-inkling-modelo-abierto-mira-murati-26-07-15" language: "es" section: "Noticias" category: "IA en Ventas" published: "2026-07-15T20:10:00+00:00" updated: "2026-07-15T20:10:00+00:00" tags: ["Thinking Machines", "Mira Murati", "modelos abiertos", "Inkling", "IA empresarial"] keywords: ["Thinking Machines Inkling", "modelo de IA abierto", "Mira Murati", "pesos abiertos", "personalización de IA", "Chile", "Latinoamérica"] source_name: "TechCrunch" source_url: "https://techcrunch.com/2026/07/15/thinking-machines-amps-up-its-bet-against-one-size-fits-all-ai-with-its-first-open-model-inkling/" publisher: "Revenue Hub Latam" publisher_url: "https://www.revenuehublatam.com" --- # Thinking Machines lanza Inkling, su primer modelo abierto, y desafía a la IA de talla única > Inkling es el primer modelo de IA de Thinking Machines, la empresa fundada por Mira Murati, exdirectora técnica de OpenAI. Es un modelo de pesos abiertos (open weights): cualquier empresa puede descargarlo y ajustarlo a su propio conocimiento. Usa una arquitectura de mezcla de expertos con 975.000 millones de parámetros totales, aunque solo activa unos 41.000 millones por tarea, y se entrenó con 45 billones de tokens de texto, imagen, audio y video. La compañía admite que no es el modelo más potente del mercado y apuesta por la personalización sobre la potencia bruta. Thinking Machines Lab, la startup fundada por la exdirectora técnica de OpenAI, Mira Murati, publicó el 15 de julio de 2026 su primer modelo propio, llamado **Inkling**. A diferencia de los modelos estrella de OpenAI, Anthropic o Google, Inkling es de **pesos abiertos**: desarrolladores y empresas pueden descargarlo y modificarlo directamente. Según [TechCrunch](https://techcrunch.com/2026/07/15/thinking-machines-amps-up-its-bet-against-one-size-fits-all-ai-with-its-first-open-model-inkling/), es la primera prueba pública de la compañía tras año y medio construyendo infraestructura de IA lejos de los focos. ## ¿Qué es Inkling y qué lo hace distinto? Inkling es un sistema de mezcla de expertos con 975.000 millones de parámetros totales, aunque activa solo una fracción, cerca de 41.000 millones, para cada tarea, un diseño que mantiene los modelos grandes más rápidos y baratos de operar. Se entrenó con 45 billones de tokens de texto, imagen, audio y video, y razona de forma nativa sobre esos formatos. Está pensado para dar respuestas calibradas, que señalan la incertidumbre en lugar de adivinar, y permite subir o bajar el esfuerzo de razonamiento para intercambiar precisión por velocidad. ## ¿Por qué Thinking Machines apuesta por lo abierto? La tesis central de la empresa es que la IA que las organizaciones pueden adaptar por sí mismas rendirá mejor que los modelos de talla única que venden los grandes laboratorios. La compañía reconoce abiertamente que Inkling no es el modelo más fuerte disponible hoy, ni cerrado ni abierto. Lo que busca es un desempeño equilibrado y, sobre todo, un punto de partida que las empresas afinen a través de Tinker, su plataforma de personalización. El negocio no está en el modelo, que cualquiera puede descargar, sino en el ajuste y el ecosistema de alojamiento alrededor. ## ¿Qué evidencia respalda esta apuesta? El caso más citado es un proyecto con Bridgewater Associates, el mayor fondo de cobertura del mundo. Investigadores de ambas partes tomaron un modelo abierto y lo entrenaron con la experiencia financiera propia de Bridgewater: el resultado obtuvo 84,7% en pruebas de razonamiento financiero, superando a modelos propietarios de primer nivel, a un costo aproximado de un catorceavo. El argumento gana fuerza en la industria. El CEO de Microsoft, Satya Nadella, advirtió que las empresas que usan modelos propietarios pagan dos veces: una por la suscripción y otra al entregar su conocimiento de negocio incrustado en miles de prompts y correcciones. ## ¿Qué significa para las empresas de Latinoamérica? Para una empresa mediana en Chile o la región, Inkling no es un chatbot listo para usar: exige talento de machine learning para afinarlo y operarlo con seguridad. Pero marca una tendencia clara hacia modelos que las compañías controlan y adaptan a su propio dato, en lugar de alquilar inteligencia genérica por asiento. ## Análisis de Revenue Hub Para un líder comercial B2B en Chile y Latinoamérica, la señal de fondo de Inkling no es técnica, es de propiedad. La pregunta que instala Thinking Machines, respaldada por la advertencia de Nadella, es quién se queda con el valor del conocimiento que tu equipo vuelca todos los días en la IA. Si tu proceso comercial, tus objeciones de venta y tus guiones de servicio se convierten en prompts que alimentan el modelo de un tercero, estás entrenando gratis a tu proveedor mientras pagas la suscripción. Esto no significa que la mayoría de las empresas de la región deba correr a entrenar su propio modelo abierto mañana: el costo, el talento y el riesgo de seguridad siguen siendo altos. La recomendación práctica es más sobria: trata tu conocimiento comercial como un activo, no como un subproducto. Documenta tus procesos, tus datos de clientes y tus mejores prácticas en repositorios que tú controlas, de modo que el día que la personalización sea accesible, tengas con qué afinar y no partas desde cero. El movimiento de Thinking Machines es una buena oportunidad para revisar tu estrategia de datos de revenue. Seguimos de cerca esta tendencia en [IA en Ventas](/noticias/ia-ventas) y publicamos guías prácticas sobre operación comercial con IA en [nuestro blog](/blog). ## Preguntas frecuentes ### ¿Qué es Inkling de Thinking Machines? Es el primer modelo de IA de Thinking Machines, la empresa de Mira Murati. Es de pesos abiertos, con 975.000 millones de parámetros totales y unos 41.000 millones activos por tarea, y razona sobre texto, imagen, audio y video. ### ¿Qué significa que Inkling sea de pesos abiertos? Significa que cualquier desarrollador o empresa puede descargar el modelo y modificarlo directamente, a diferencia de los modelos cerrados de OpenAI, Anthropic o Google, que solo se acceden de forma medida por API. ### ¿Inkling es más potente que ChatGPT, Claude o Gemini? No. La propia Thinking Machines admite que Inkling no es el modelo más fuerte disponible hoy, ni cerrado ni abierto. Su apuesta es el desempeño equilibrado y la capacidad de personalización, no la potencia bruta. ### ¿Quién es Mira Murati? Es la exdirectora técnica (CTO) de OpenAI y fundadora de Thinking Machines Lab. Inkling es el primer modelo público de su empresa, lanzado unos nueve meses después de mostrar su tecnología. ### ¿Cómo gana dinero Thinking Machines si el modelo es gratis? El negocio no está en el modelo, que cualquiera puede descargar, sino en Tinker, su plataforma de personalización y ajuste fino, más un porcentaje del ecosistema de alojamiento que se construya alrededor. ### ¿Cuántos parámetros tiene Inkling y con cuántos datos se entrenó? Tiene 975.000 millones de parámetros totales y activa cerca de 41.000 millones por tarea. Se entrenó con 45 billones de tokens de texto, imagen, audio y video, con una ventana de contexto de hasta un millón de tokens. ### ¿Por qué importa Inkling para empresas B2B en Latinoamérica? Marca la tendencia hacia modelos que las empresas controlan y ajustan a su propio dato, en vez de alquilar inteligencia genérica. La contra: afinar y operar un modelo abierto exige talento de machine learning y una estrategia de seguridad seria. --- Fuente original: [TechCrunch](https://techcrunch.com/2026/07/15/thinking-machines-amps-up-its-bet-against-one-size-fits-all-ai-with-its-first-open-model-inkling/) (techcrunch.com)