Thinking Machines Lab resolvió un problema de espacio con una idea que suena a recorte: si el modelo no cabe, que repita las mismas capas. Inkling 2 Mini enseña qué se gana con ese truco y qué queda fuera.
Qué es Inkling 2 Mini: 24 capas que se visitan como 48
El modelo salió el 20 de noviembre con open weights, y la explicación de su nombre técnico está en la arquitectura. Tiene 24 capas de decodificador. Las doce centrales, de la 6 a la 17, se ejecutan tres veces por cada token. El resultado: 48 visitas con solo 24 capas.
Ese es el looped transformer que describe Thinking Machines Lab. Un truco mecánico para ganar cómputo en serie sin añadir parámetros. El archivo pesa como un modelo de 24 capas y razona como uno más profundo.
La compañía lo presenta como una forma de pensar más sin escribir ese pensamiento. El bucle da pasadas extra sobre el mismo estado interno, y lo aprendido en la primera vuelta se refina en la segunda.
Cómo funciona el looped transformer y qué compra el bucle
La idea no es nueva en investigación, pero sí es rara en un modelo publicado con pesos. Un transformer normal aplica cada capa una vez. Aquí, el bloque central se reutiliza, y cada reutilización cuesta tiempo de cómputo, no memoria.
Thinking Machines sostiene que ese diseño mejora el trabajo agéntico, el que encadena herramientas durante minutos u horas. También dice que ayuda a vigilar al modelo, porque el razonamiento ocurre dentro de la red y no en un texto que el modelo podría disfrazar.
Un dato ilustra el efecto. En la variante de investigación TML-d24-varloop-research, el horizonte de tiempo sin cadena de razonamiento pasó de 16 segundos con una pasada a 37 segundos con tres. Con cinco pasadas, la cadena escrita se acortó a 1.661 tokens de media, frente a 3.703 con una sola.
Las cifras de Inkling 2 Mini que importan en un portátil
El modelo es una mezcla de expertos, no un modelo denso. Ahí está la clave de que quepa: cada token activa una fracción pequeña de la red.
Dato | Valor |
|---|---|
Parámetros totales | 26,4B |
Parámetros activos | 3,4B |
Activaciones de pesos por token | 5,4B |
Expertos por capa | 128, con 8 seleccionados |
Contexto | 1M de tokens, con entrada de imagen |
Pesos | Unos 20 GB, 20 capas en NVFP4 y las cuatro últimas en MXFP8 |
Las cifras vienen de los dos publicadores, sin verificación independiente. Los 20 GB son la parte práctica: veinte capas se entrenaron y se despliegan en NVFP4, y las cuatro últimas en MXFP8, sin conversión posterior que degrade el modelo.
Los benchmarks de Inkling 2 Mini y sus límites
La compañía destaca dos números. En DeepSWE v1.1, una prueba de tareas de ingeniería de software, llega al 48,2%. En Vals Index v2.2, un índice de evaluación general, alcanza el 46,5%. Con esas marcas, Thinking Machines dice que lidera entre los modelos de open weights con menos de 100.000 millones de parámetros.
En el índice de inteligencia v5 de Artificial Analysis, la puntuación es 20,1. Queda empatado con Qwen3.8-27B y muy por delante de Nemotron 3.5 Super VL, con 13,6, y de Gemma 4 31B, con 4,4.
Hugging Face comparó los cuatro modelos. Según su recuento, Inkling 2 Mini gana en 32 de 48 benchmarks, con 79,2% en SWE-bench Verified.
También hay casillas donde pierde. En Terminal Bench v2.1 obtiene 71,6% frente al 73,0% de Qwen3.8-27B. En MultiChallenge se queda en 50,0%, y en ComplexConstraints v1.1, en 33,4%. Son las pruebas de varios turnos y de instrucciones con muchas restricciones, las dos más flojas del conjunto.
Lo que el bucle no arregla: conocimiento y herramientas
El truco tiene un techo claro, y los propios publicadores lo dicen. Repetir capas añade cómputo en serie, no hechos. El modelo no memoriza más porque le des tres vueltas al mismo bloque.
En AA-Omniscience, una prueba de conocimiento enciclopédico, sus resultados están en línea con otros modelos del mismo tamaño. Las mejoras por pasadas extra aparecen en contexto largo y en razonamiento de varios saltos. No aparecen en preguntas de cultura general a libro cerrado.
De ahí que el modelo dependa de buscar y de usar herramientas. Si le preguntas por un dato que no tiene, el bucle no lo inventa mejor. Lo busca.
Solo eso.
El contexto de un millón de tokens tampoco es perfecto. En MRCR v2 con ocho agujas, entre 256.000 y 512.000 tokens, la puntuación es 46,4%. Sirve para meter un repositorio entero. No para confiar en que encontrará la aguja en cualquier posición.
Cómo ejecutar los open weights de Inkling 2 Mini en casa
El despliegue es la parte que más cambia para un equipo pequeño. Hay pesos en Hugging Face desde el primer día, soporte en transformers y una guía de despliegue que cabe en una página. SGLang funciona desde el día cero, y llama.cpp tiene cuantizaciones GGUF en IQ4_NL y Q8_0 para Llama App. En Mac hay MLX, y Tinker ofrece inferencia alojada.
En España, la mayoría de portátiles que se venden con 32 GB de RAM mueven los 20 GB del modelo si se cuantiza.
Ahí está el atractivo del local AI: la IA que corre en tu propio equipo deja de costar por token y pasa a costar por vatio. Para datos que no pueden salir de la oficina, esa diferencia pesa más que un punto de benchmark.
La demo offline: un simulador de vuelo en modo avión
Thinking Machines enseñó el modelo en un MacBook Pro con M5 Pro y 48 GB, en modo avión. En pocos minutos construyó un simulador de vuelo jugable y después una simulación de un pueblo con 20 personajes.
La demo prueba que el circuito completo, pesos incluidos, funciona sin red. Para quien viaja o trabaja con datos que no pueden salir de la oficina, ese es el argumento real.
Stanford midió además la eficiencia energética: 0,703 de inteligencia por julio en un DGX Spark con MXFP8, frente a 0,430 de Qwen3.6-35B-A3B y 0,036 de Qwen3.5-27B.
Qué mirar en Thinking Machines Lab y en el local AI
¿Se convertirá el bucle en una técnica estándar para modelos pequeños que corren en un portátil? Si funciona, otros laboratorios la copiarán, y el tamaño de los pesos dejará de ser la única medida de profundidad.
La otra pregunta es menos técnica. Thinking Machines dice que no vio más sabotaje agéntico al subir las pasadas y que el bucle no reduce de forma apreciable la capacidad de vigilar al modelo a esta escala. Eso vale para su entrenamiento. Con otro equipo y menos salvaguardas, habrá que volver a medirlo.
Por ahora, lo concreto es esto: los pesos están disponibles, caben en un portátil moderno y el modelo rinde como un 27B puntero en tareas de código y agentes. Lo demás se verá con el uso.






