Segun MarkTechPost (AI/ML News), Thinking Machines Lab ha presentado Inkling 2 Small, el primer modelo de su segunda generación diseñado para tareas agentes en programación, visión y trabajo cognitivo. Este modelo basado en una arquitectura de mezcla de expertos (MoE) cuenta con 594 mil millones de parámetros totales, de los cuales 17 mil millones son activos durante su operación. Su capacidad se extiende a entradas textuales e imágenes, permitiendo una variedad de aplicaciones en entornos de análisis y toma de decisiones. La herramienta opera con un contexto de hasta 1 millón de tokens y está disponible actualmente únicamente a través de la plataforma Tinker, sin opciones de ejecución en entornos locales o autogestión por parte del usuario.
La evaluación del modelo en el Índice de Inteligencia Artificial Artificial Analysis (AA) entrega una puntuación de 31, posicionándolo en el cuarto lugar entre 29 modelos de su clase de precio. Su desempeño en pruebas técnicas es notable: alcanza un 86.3% en SWE-Bench Pro v2 (Hard), cifra que lo sitúa como el segundo mejor de la línea interna del laboratorio, solo superado por Kimi K3. En contraparte, su rendimiento en Terminal-Bench 4.0 es de 13.1%, un resultado significativamente inferior al de GLM-5.3-Flash (32.8%). Aunque no soporta entradas por audio, su estructura permite una integración fluida de textos y imágenes, lo que lo convierte en una herramienta útil para tareas que requieren interpretación visual y lógica combinada. Los pesos iniciales están cerrados, pero la empresa anunció un lanzamiento bajo licencia Apache 2.0 en la semana próxima tras pruebas de seguridad externas y evaluaciones de riesgos.
Para los usuarios del Perú, esta innovación representa una oportunidad clave en el ámbito de la automatización de tareas técnicas. En un contexto donde el acceso a herramientas de inteligencia artificial avanzada sigue siendo limitado, modelos como Inkling 2 Small podrían facilitar el desarrollo de aplicaciones personalizadas por parte de emprendedores, ingenieros o profesionales de finanzas que requieran análisis de datos complejos o generación de código. Aunque su disponibilidad actual depende de plataformas externas, el crecimiento de estas tecnologías abre la posibilidad de que más personas, incluso sin formación técnica profunda, puedan acceder a soluciones inteligentes. La evolución continua de estos modelos sugiere que, en los próximos años, la inteligencia artificial podría integrarse de manera más directa en procesos de toma de decisiones diarias, desde el análisis financiero hasta la gestión de operaciones empresariales.