Ir al contenido
IA para hoy
Herramientas y productos Lanzamiento

Thinking Machines Lab lanza Inkling, modelo abierto multimodal de 975B parámetros

Thinking Machines Lab lanza Inkling, modelo abierto multimodal de 975B parámetros
Imagen: Simon Willison

Hecho Qué ha ocurrido

Thinking Machines Lab, fundado por Mira Murati, ha lanzado Inkling, su primer modelo de pesos abiertos bajo licencia Apache 2.0. Se trata de un modelo multimodal Mixture-of-Experts con 975B parámetros totales (41B activos) entrenado con 45 billones de tokens de texto, imágenes, audio y vídeo. También han anunciado una versión más pequeña, Inkling-Small (276B parámetros, 12B activos), cuyas ponderaciones se publicarán una vez finalicen las pruebas.

Resumen generado mediante IA a partir de Simon Willison (original en inglés). Naturaleza de la información: hecho documentado.

Análisis Por qué importa

El lanzamiento refuerza el ecosistema de modelos abiertos estadounidenses frente a alternativas chinas, y ofrece una base multimodal eficiente y personalizable para empresas que deseen fine-tuning sin depender de API propietarios. Su arquitectura MoE y disponibilidad en la plataforma Tinker lo hacen competitivo para casos de uso empresariales de adaptación local.

Quién se ve afectado
Desarrolladores, empresas con necesidades de fine-tuning multimodal, y organizaciones que prefieren modelos abiertos para mayor control y personalización sin costo de licencia.
Qué puede cambiar
Amplía las opciones de modelos abiertos de alto rendimiento disponibles en el mercado, permitiendo a equipos técnicos entrenar y desplegar soluciones multimodales con infraestructura propia. Reduce la dependencia de proveedores propietarios para casos de visión-lenguaje-audio.

Análisis generado a partir de la información disponible; no procede de la fuente.

Predicción Qué observar a continuación

Adopción en plataformas de inferencia y SageMaker; comparativa de rendimiento real frente a Nemotron y Gemma 4; disponibilidad y madurez de Inkling-Small; demanda de fine-tuning a través de Tinker; evolución de la documentación de datos de entrenamiento.

Recomendación Qué debería hacer una empresa

Equipos de IA en empresas medianas con cargas multimodales deberían evaluar Inkling en los próximos 3-6 meses como base para fine-tuning, comparando coste de inferencia y precisión frente a modelos propietarios, especialmente si necesitan control total sobre datos y modelo.

Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.

Compartir WhatsApp LinkedIn X Bluesky Telegram Correo

Fuente original: Simon Willison. La referencia es siempre el artículo original.

Ver fuente original ↗

LLMmultimodalMixture-of-Expertsfine-tuning Mira Muratimodelos abiertosmultimodalopen-weightsThinking Machines Lab

Tu opinión

0 comentarios

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas. Se guarda un resumen de tu IP para evitar abusos.

Relacionadas

Herramientas y productos 2 fuentes

GPT-6 Astra de OpenAI ya está disponible en Amazon Bedrock

OpenAI y AWS anunciaron la disponibilidad general de GPT-6 Astra en Amazon Bedrock, con contexto de hasta 1 millón de tokens y capacidades de uso de navegador…

Por qué importaEs la incorporación de un modelo frontier de OpenAI con capacidades avanzadas de razonamiento y agentic dentro de la infraestructura de seguridad y…

Impacto alto Fiabilidad una fuente fiable Relevancia 8/10 AWS Machine Learning Blog
Herramientas y productos 5 fuentes

Meta lanza Muse, un agente de IA personal con arquitectura de privacidad Secure VM

Meta anunció el lanzamiento de Muse, un agente de IA personal disponible en apps para iOS y Android, web y WhatsApp, capaz de automatizar tareas como reservar…

Por qué importaMeta entra tarde pero con fuerza en la carrera de agentes personales de IA, apostando por la seguridad y privacidad como diferenciador frente a…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 8/10 Wired AI
Herramientas y productos 5 fuentes

Meta lanza Muse, un asistente personal de IA para tareas cotidianas en EEUU

Meta ha lanzado Muse, un agente de IA para mayores de 18 años que ayuda a organizar horarios, hacer compras y planificar objetivos a largo plazo. Funciona en…

Por qué importaEs un paso más de Meta hacia agentes autónomos capaces de ejecutar tareas reales, en un contexto de fuerte presión inversora por el gasto en IA…

Impacto bajo Fiabilidad confirmado por varias fuentes Expansión Economía Digital
Herramientas y productos 5 fuentes

Meta lanza Muse, un agente personal de IA con arquitectura de VM segura dedicada

Meta presentó Muse, un agente de IA personal que ejecuta tareas como reservar viajes, comprar, negociar y gestionar objetivos a largo plazo. Funciona sobre…

Por qué importaEs un movimiento estratégico de Meta hacia agentes autónomos que actúan en nombre del usuario en tareas cotidianas y transacciones económicas…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 9/10 Meta Newsroom