ModelosPopular

Inkling 2 Mini cabe en un portátil porque repite las mismas capas tres veces

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.

Lucía GarcíaLucía García
Popularidad: 1,710
El contorno de un portátil con tres láminas de capas apiladas que pasan por una flecha de bucle en su interior

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.

Compartir esta noticia

Fuentes

Noticias de IA relacionadas

Una ventana de terminal con una curva de recompensa ascendente y una insignia 27B al lado
Modelos

RadixArk entrena 18 días un Qwen3.8-27B y mejora en todo lo que mide

RadixArk no entrenó un modelo desde cero. Cogió un Qwen3.8-27B, le dio 1.200 tareas de agentes y 18 días de refuerzo, y publicó el resultado. La historia está en la factura de cómputo.

Popularidad: 1,330
Una onda de audio larga en tono turquesa con una sola barra naranja sobre un fondo oscuro
Modelos

Rumble-2-Flash: un modelo de voz de 500 millones que roza a otro de 30.000

Un modelo de voz de 500 millones de parámetros se ha quedado a un pelo de otro sesenta veces mayor en llamadas reales de atención al cliente. La pregunta ya no es si la transcripción puede salir de la nube, sino cuánto se pierde al sacarla.

Popularidad: 560
Tres anillos de neón orbitando un núcleo pequeño y brillante sobre un fondo azul profundo
Modelos

Gemini 4 Neon llega a la app y el selector pierde dos nombres

Google ha reordenado el selector de la app y ha jubilado dos nombres que mucha gente usaba por costumbre. Neon ocupa el hueco intermedio, y la factura por tarea pesa más que la ficha técnica.

Popularidad: 1,500
Un gran núcleo de modelo rodeado de radios de razonamiento junto a un núcleo rápido más pequeño, con barras de precio en descenso a la derecha
Modelos

GPT-6.2 Astra cuesta un 20% menos y no lidera en todo: qué cambia en tu factura

OpenAI abarata su modelo grande y deja el barato donde estaba. La cuenta que de verdad importa no es el precio del token, sino lo que cuesta terminar una tarea con él.

Popularidad: 1,900