El llançament d'Inkling, el model d'intel·ligència artificial de propòsit general desenvolupat per Thinking Machines Lab, marca una fita en l'ecosistema d'IA de pes obert. Fundada per l'exdirectora tècnica d'OpenAI, Mira Murati, aquesta startup amb seu a San Francisco ha presentat un model que no només competeix en rendiment, sinó que ofereix una alternativa d'origen nord-americà en un mercat dominat per desenvolupaments xinesos. Amb 975 mil milions de paràmetres totals —dels quals 41 mil milions estan actius durant la inferència— i una finestra de context de fins a un milió de tokens, Inkling està dissenyat per a tasques multimodals que integren text, imatges, àudio i vídeo.
L'arquitectura de mescla d'experts (MoE) permet a Inkling optimitzar l'ús de recursos computacionals, activant només una fracció dels seus paràmetres en cada processament. Això, combinat amb un ajust d'esforç de raonament que va de 0.2 a 0.99, ofereix als desenvolupadors un control fi sobre l'equilibri entre rendiment i nombre de tokens generats. En proves internes, la companyia va demostrar que Inkling iguala el rendiment de Nvidia Nemotron 3 Ultra a Terminal Bench 2.1, però generant aproximadament un terç dels tokens. A més, la seva puntuació del 77,6% a SWE-Bench Verified —tot i que per darrere de DeepSeek V4 Pro i GLM 5.2— supera Nemotron, consolidant-se com una opció sòlida per a tasques d'enginyeria de programari.
Per a les empreses, l'obertura dels pesos complets d'Inkling en plataformes com Hugging Face —tant en checkpoint original com en versió quantitzada NVFP4— representa una oportunitat per desplegar la intel·ligència artificial en infraestructura pròpia, complint amb requisits de privadesa i sobirania de dades. Tanmateix, el cost d'implementació no és trivial: executar el model complet requereix un clúster de GPUs amb almenys 2 TB de VRAM agregada, cosa que es tradueix en vuit GPUs Nvidia B300 o 16 H200. La versió quantitzada redueix el requisit a 600 GB, permetent la seva execució en quatre B300 o vuit H200. Per a moltes organitzacions, el cost d'aquesta infraestructura pot fer que les API de models tancats resultin més econòmiques, tot i que la flexibilitat d'un model de pes obert és difícil d'igualar.
Thinking Machines també ha presentat Inkling-Small, amb 276 mil milions de paràmetres totals i 12 mil milions actius, una versió més lleugera que promet reduir la latència i els costos d'infraestructura sense sacrificar un rendiment útil en càrregues de treball clau. La companyia preveu llançar els seus pesos complets després de les proves finals. Aquest model petit podria ser la porta d'entrada per a moltes empreses que busquen integrar intel·ligència artificial avançada sense fer grans inversions en maquinari.
Des de la perspectiva de la seguretat i la governança, Inkling ha estat entrenat per resistir la censura i seguir instruccions amb alta calibració. Va obtenir un 98,6% a StrongREJECT, una prova que mesura si el model rebutja sol·licituds clarament perjudicials. No obstant això, analistes com Pareekh Jain adverteixen que el fine-tuning pot debilitar els filtres de seguretat, per la qual cosa les empreses han de tornar a avaluar la seguretat després de personalitzar el model. La possibilitat d'autoallotjar i modificar el model implica que les versions personalitzades poden divergir de l'oficial amb el temps, sense rebre actualitzacions automàtiques. Per això, els CIO han d'assegurar-se que cada acció d'un agent d'IA quedi registrada, sigui auditada i compti amb aprovació humana per a tasques d'alt risc.
Aquí és on entra en joc l'experiència d'empreses com Q2BSTUDIO, especialitzada en el desenvolupament de programari a mida i integració d'intel·ligència artificial. El nostre equip pot ajudar les organitzacions a desplegar models com Inkling en entorns cloud com AWS o Azure, garantint que la infraestructura compleixi amb els requisits d'escalabilitat i seguretat. A més, oferim serveis de ciberseguretat per auditar i enfortir els models personalitzats, i solucions de Business Intelligence amb Power BI per extreure el màxim valor de les dades processades pels agents d'IA.
El llançament d'Inkling no només amplia el ventall d'opcions al mercat de models oberts, sinó que reforça la tendència cap a l'adopció empresarial d'intel·ligència artificial amb control total sobre les dades. A Q2BSTUDIO entenem que cada organització té necessitats úniques, i per això oferim consultoria per seleccionar el model i la infraestructura més adequats, ja sigui Inkling, GPT, Claude o altres alternatives. La combinació d'un model de pes obert amb un partner tecnològic expert permet a les empreses innovar amb rapidesa, mantenint la seguretat i el compliment normatiu.
En resum, Inkling de Thinking Machines Lab representa un avenç significatiu en la democratització de la intel·ligència artificial d'alt rendiment. La seva naturalesa oberta, la seva capacitat multimodal i el seu control sobre el raonament el converteixen en una eina poderosa per a aplicacions empresarials com copilots basats en coneixement, servei al client multimodal, automatització de fluxos de treball i tasques agèntiques. Tanmateix, l'èxit de la seva implementació depèn d'una estratègia sòlida que consideri costos d'infraestructura, seguretat i governança. Amb el suport d'empreses com Q2BSTUDIO, les organitzacions poden superar aquests desafiaments i aprofitar al màxim el potencial de la intel·ligència artificial de pes obert.
