Mira Murati Lanza Su Primer Modelo de IA Tras Dejar OpenAI—Y Es Totalmente de Código Abierto

Mira Murati dejó OpenAI en septiembre de 2024 para hacer lo suyo. Casi dos años después, esa exploración se materializó. Thinking Machines Lab, la empresa que fundó, lanzó Inkling—un modelo de IA multimodal entrenado completamente desde cero, con todos los pesos disponibles para descarga gratuita.

Cuando la junta de OpenAI despidió a Sam Altman en noviembre de 2023, Murati—entonces CTO—fue nombrada CEO interina. Altman fue reinstalado cinco días después, Murati regresó a CTO y luego dejó la empresa de forma definitiva aproximadamente 10 meses después. Fundó Thinking Machines Lab en febrero de 2025.

La empresa luego se mantuvo en silencio—y se volvió rica. Recaudó 2 mil millones de dólares con una valoración de 12 mil millones en julio de 2025, liderada por Andreessen Horowitz con Nvidia, Accel, ServiceNow, Cisco, AMD y Jane Street, entre otros—una de las rondas de financiamiento inicial más grandes en la historia de Silicon Valley en ese momento.

Informes en noviembre de 2025 indicaron que la empresa buscaba una nueva ronda con una valoración de 50 mil millones. Esas conversaciones colapsaron en enero de 2026.

Qué es Inkling

Inkling es un modelo de mezcla de expertos—una arquitectura donde solo una parte de la red se activa para cualquier entrada dada, manteniendo la inferencia rápida sin sacrificar profundidad. Es un modelo muy grande: tiene 975 mil millones de parámetros en total (los ajustes internos que definen cómo el modelo procesa la información), con 41 mil millones activos por tarea, así que olvídate de ejecutarlo en tu máquina local.

Siendo multimodal, este modelo acepta texto, imágenes y audio, y soporta una ventana de contexto—la cantidad de texto sobre la que el modelo puede razonar a la vez—de 1 millón de tokens, aproximadamente 750,000 palabras. Fue preentrenado en 45 billones de tokens que abarcan texto, imágenes, audio y video.

"Nuestro primer modelo, Inkling. Entrenado desde cero, los pesos son abiertos, ajustables en Tinker hoy," escribió Murati en X. El hecho de que esté entrenado desde cero significa mucho, especialmente en la comunidad de código abierto, ya que podría traer un soplo de aire fresco a los desarrolladores occidentales que son cautelosos con China pero necesitan usar modelos asiáticos para sus desarrollos porque las principales empresas de IA en el mundo occidental se centran principalmente en lanzar modelos de código cerrado.

El ajuste fino es el proceso de reentrenar un modelo existente en un conjunto de datos especializado para mejorar su rendimiento en una tarea específica. Tinker es la plataforma en la nube de Thinking Machines construida en torno a ese caso de uso. Los pesos completos también están en Hugging Face bajo una licencia Apache 2.0, sin restricciones.

Las victorias más claras de Inkling se producen en tareas agenciales. En MCP Atlas—que mide cuán confiablemente un agente de IA completa tareas del mundo real utilizando el Protocolo de Contexto de Modelo, el estándar abierto para conectar asistentes de IA a herramientas y servicios externos, puntuado como porcentaje de tareas completadas—Inkling obtiene un 74.1%. Eso es casi 30 puntos por encima del Nemotron 3 Ultra de Nvidia, el principal rival de pesos abiertos en la comparación.

En SWE-Bench Verified—una prueba de si un agente de IA puede arreglar de manera autónoma errores de software reales en GitHub, puntuado como porcentaje de problemas resueltos—Inkling obtiene un 77.6%, también por encima del 70.7% de Nemotron.

En general, Thinking Machines está vendiendo este modelo como "bien equilibrado" y generalista. Esto significa que no compromete la calidad en un conjunto específico de tareas porque sus capacidades se centran en algo más (como modelos que son excelentes en codificación pero malos en escritura creativa, por ejemplo).

Los modelos chinos aún tienen ventaja en varios frentes. El GLM 5.2 de Z.ai obtiene un 82.7% en Terminal Bench 2.1—un punto de referencia que mide agentes de codificación de IA autónomos en un entorno de terminal real, puntuado como porcentaje de tareas completadas—frente al 63.8% de Inkling. Kimi K2.6 lidera en el Último Examen de la Humanidad, una prueba de razonamiento científico a nivel de doctorado.

Thinking Machines reconoce esto. Inkling no es el modelo más fuerte disponible hoy, ya sea abierto o cerrado.

Lo que es, es el modelo de pesos abiertos más capaz construido por un laboratorio occidental. Los desarrolladores que—por razones legales, de seguridad o cumplimiento—no quieren dirigir cargas de trabajo a través de modelos construidos en Beijing ahora tienen una alternativa real a la auto-alojamiento de modelos chinos.

Ahora, estos desarrolladores tienen un modelo que (aunque peor que los mejores modelos chinos en casi todo) se alinea mejor con sus ideales, expectativas y valores. Los ajustes finos posteriores pueden hacer que este modelo sobresalga en tareas específicas, haciendo que esos ajustes sean competitivos en puntos de referencia frente a modelos asiáticos.

En FORTRESS Adversarial—que prueba cuán consistentemente un modelo se niega a responder a indicaciones genuinamente dañinas sin bloquear en exceso las legítimas, puntuado como porcentaje manejado correctamente—Inkling obtiene un 78.0%, la puntuación más alta entre todos los modelos de pesos abiertos en la comparación.

Junto a Inkling, Thinking Machines presentó Inkling-Small: 276 mil millones de parámetros totales, 12 mil millones activos, que ya iguala al modelo más grande en la mayoría de los puntos de referencia de razonamiento. Sus pesos llegarán una vez que se complete la prueba, sin un cronograma dado.