# Inkling Modelo multimodal de pesos abiertos de Thinking Machines Lab para texto, imágenes y audio, con ajuste fino en Tinker. - Findings24: - Sitio web: - Precios: Freemium - Categorías: Asistente de Código IA, Herramientas IA Dev, Centros de modelos de IA ## ¿Qué es Inkling? Inkling es el modelo multimodal de pesos abiertos de Thinking Machines Lab. Se presenta como un modelo fundacional de propósito general que acepta entradas de texto, imágenes y audio, y genera salidas de texto, con compatibilidad con inglés, otros idiomas y varios lenguajes de programación. La ficha del modelo describe Inkling como un transformador de solo decodificador de 66 capas, con enrutamiento disperso de Mezcla de Expertos, 975B de parámetros totales, 41B activos y una ventana de contexto de hasta 1M de tokens. Thinking Machines lo posiciona como un modelo base personalizable para desarrolladores que crean sistemas conversacionales, flujos de trabajo agénticos, herramientas de programación y aplicaciones con generación aumentada por recuperación. Inkling se distribuye con pesos abiertos bajo Apache 2.0, está disponible a través de Hugging Face y puede ajustarse mediante fine-tuning en Tinker. Los materiales de lanzamiento también señalan Inkling-Small como una vista previa más ligera de la misma familia, pero la página de origen destaca Inkling como el lanzamiento principal. ## ¿Qué puede hacer Inkling? ### Compatibilidad con entradas multimodales Inkling es un transformador autorregresivo multimodal que acepta texto, imágenes y audio, y produce salidas de texto. La ficha del modelo indica que está destinado al inglés y otros idiomas, así como a varios lenguajes de programación. ### Arquitectura MoE dispersa El modelo utiliza una arquitectura de Mezcla de Expertos dispersa con 975B de parámetros totales y 41B de parámetros activos. Según la ficha del modelo, cada token se dirige a 6 de 256 expertos, además de 2 expertos compartidos. ### Procesamiento de contexto extenso Inkling admite una ventana de contexto de hasta 1M de tokens, lo que lo hace adecuado para flujos de trabajo con documentos extensos y conversaciones largas. ### Esfuerzo de razonamiento controlable La publicación de lanzamiento indica que Inkling equilibra el coste y el rendimiento mediante un esfuerzo de razonamiento controlable. Esto permite utilizarlo como modelo base con distintos niveles de esfuerzo de razonamiento según la tarea. ### Ajuste fino mediante Tinker Inkling está disponible para ajuste fino en Tinker, y la página del producto Tinker describe el entrenamiento mediante cuatro funciones: forward\_backward, optim\_step, sample y save\_state. ### Múltiples vías de acceso La ficha del modelo indica que los pesos están disponibles a través de Hugging Face, y que el modelo también es accesible mediante Tinker y proveedores de inferencia externos. ## Casos de uso ### Asistentes multimodales Los desarrolladores pueden crear chatbots o productos de tipo asistente que necesiten responder a indicaciones de texto e interpretar también imágenes o audio en la misma sesión. ### Aplicaciones para desarrolladores Los equipos que trabajan en copilotos de programación, agentes que utilizan herramientas o sistemas con generación aumentada por recuperación pueden usar Inkling como modelo base de propósito general para el ajuste y la integración posteriores. ### Personalización del modelo Los investigadores y equipos de producto pueden ajustar los pesos abiertos mediante fine-tuning en Tinker para adaptar el modelo a un comportamiento o flujo de trabajo específicos, como un estilo de respuesta personalizado o una tarea de un dominio concreto. ### Flujos de trabajo con contexto extenso Las aplicaciones que deben procesar documentos extensos, conversaciones largas o contexto prolongado en varios turnos pueden aprovechar la ventana de contexto de 1M de tokens del modelo. ### Planificación del despliegue Las organizaciones que evalúan opciones de despliegue con pesos abiertos pueden utilizar las indicaciones de la ficha del modelo sobre puntos de control y hardware para planificar la inferencia en sus propios sistemas o mediante proveedores compatibles. ## Preguntas frecuentes ### ¿Cómo se distribuye Inkling? Inkling está disponible como modelo de pesos abiertos; sus pesos se ofrecen a través de Hugging Face y el modelo también es accesible mediante Tinker y proveedores de inferencia externos. El anuncio y la ficha del modelo indican que está destinado a desarrolladores de aplicaciones posteriores, no a una aplicación de chat para consumidores. ### ¿Qué entradas acepta Inkling y qué salidas genera? La ficha del modelo indica que Inkling acepta entradas de texto, imágenes y audio, y genera salidas de texto. Está diseñado para uso conversacional de propósito general, seguimiento de instrucciones, programación, flujos de trabajo agénticos y sistemas de generación aumentada por recuperación. ### ¿Cómo funciona el ajuste fino con Inkling? Tinker es la API de entrenamiento utilizada para ajustar Inkling. La ficha del modelo indica que Inkling está disponible para ajuste fino en Tinker, y la publicación de lanzamiento describe el uso de Tinker para escribir, ejecutar y evaluar un trabajo de autoajuste antes de actualizar los pesos activos. ### ¿Cuáles son las características principales del modelo Inkling? La ficha del modelo describe Inkling como un transformador de solo decodificador de 66 capas, con enrutamiento disperso de Mezcla de Expertos. Tiene 975B de parámetros totales, 41B activos y admite una ventana de contexto de hasta 1M de tokens. ### ¿Existe información pública sobre los precios de Inkling o Tinker? Los materiales de origen no proporcionan información sobre precios. La URL de precios actualmente devuelve una página 404 de contenido no encontrado. ## Datos rápidos - **Categoría**: Modelo multimodal de pesos abiertos - **Proveedor**: Thinking Machines Lab, Inc. - **Fecha de lanzamiento**: 15 de julio de 2026 - **Licencia**: Apache 2.0 - **Entradas**: Texto, imagen y audio - **Salidas**: Texto