Thinking Machines lanza Inkling: modelo abierto multimodal de 975B parámetros con contexto de 1M
Hecho Qué ha ocurrido
Thinking Machines ha lanzado Inkling, un modelo de lenguaje abierto con 975B parámetros totales (41B activos) que procesa de forma nativa imagen, texto y audio, entrenado con 45 billones de tokens. El modelo soporta una ventana de contexto de 1M tokens, incluye capacidades de agente, y está disponible en variantes de precisión completa (BF16) y cuantizada (NVFP4) en Hugging Face con soporte inmediato en transformers, SGLang, vLLM y llama.cpp.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Inkling representa un avance significativo en modelos multimodales abiertos de gran escala, demostrando que la capacidad nativa de razonamiento entre modalidades es viable sin encoders separados. Para equipos de producto y desarrolladores, ofrece una alternativa abierta a modelos propietarios para aplicaciones que requieren comprensión simultánea de audio, imagen y texto.
- Quién se ve afectado
- Desarrolladores, startups, equipos de investigación y empresas que construyen aplicaciones multimodales, especialmente en análisis de contenido visual y audiovisual, y organizaciones con infraestructura GPU disponible.
- Qué puede cambiar
- La disponibilidad de un modelo multimodal abierto de esta escala reduce la dependencia de APIs propietarias y permite a las organizaciones entrenar y ajustar modelos específicos del dominio. El soporte inmediato en marcos de inferencia populares acelera la adopción y experimentación.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Monitorear la adopción en comunidades de desarrolladores y proyectos reales; evaluar el rendimiento relativo frente a modelos propietarios (Claude, GPT-4V) en tareas multimodales complejas; seguir mejoras en eficiencia de inferencia (la versión BF16 requiere 2TB de VRAM); y observar si otros laboratorios lanzan modelos abiertos competitivos en tamaño y capacidades.
Recomendación Qué debería hacer una empresa
Equipos con capacidad de GPU deberían evaluar Inkling en los próximos 3-6 meses para tareas de análisis multimodal, razonamiento visual-textual-auditivo y casos de uso de agentes que requieran modelos abiertos. Priorizar pruebas con versiones cuantizadas (NVFP4, GGUF 1-bit) para minimizar requerimientos de infraestructura.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗multimodalLLMMoEquantizationspeculative decoding Thinking MachinesHugging Face Inkling modelos abiertos multimodal razonamiento
Forma parte de la historia Thinking Machines Lab lanza Inkling, modelo abierto de 975B parámetros (2 noticias, estado: cerrada).
Relacionadas
Thinking Machines Lab lanza Inkling, modelo de 975 mil millones de parámetros de código abierto
Thinking Machines Lab, fundada por antiguos ejecutivos de OpenAI incluida Mira Murati, ha lanzado Inkling, un modelo de código abierto con 975 mil millones de…
Por qué importaInkling representa un desafío competitivo a OpenAI y Anthropic desde un equipo de exiles de alto nivel, validando el modelo de modelos abiertos como…
Thinking Machines Lab lanza Inkling, modelo abierto multimodal de 975B parámetros
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…
Por qué importaEl lanzamiento refuerza el ecosistema de modelos abiertos estadounidenses frente a alternativas chinas, y ofrece una base multimodal eficiente y…
Meta publica Muse Spark Open, un modelo abierto multimodal de 816.000 millones de parámetros para programar
Meta ha publicado Muse Spark Open, un modelo de pesos abiertos con arquitectura de mezcla de expertos (MoE) de 816.000 millones de parámetros totales, de los…
Por qué importaEs uno de los modelos abiertos más capaces según la propia descripción, lo que permite a las empresas desplegarlo en su infraestructura sin depender…
Google lanza EmbeddingGemma 2, modelo multimodal ligero para ejecutarse en dispositivos locales
Google DeepMind presentó EmbeddingGemma 2, un modelo de embeddings multimodal con 740 millones de parámetros que unifica texto, código, imágenes, video y audio…
Por qué importaPermite construir pipelines de búsqueda y RAG multimodales que funcionan completamente offline, reduciendo latencia y preservando privacidad al no…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.