Inkling: El nuevo modelo IA multimodal y de código abierto que compite por flexibilidad
Ayer, 16 de julio, la gente de Thinking Machines Lab soltó una novedad bastante interesante para la comunidad de desarrolladores: Inkling. Se trata de un nuevo modelo de inteligencia artificial de pesos abiertos que ya está llamando la atención, especialmente si te gusta meter mano y personalizar tus propias herramientas sin depender de gigantes tecnológicos.
¿Qué tiene de especial? Básicamente, es un todoterreno. Inkling es un modelo multimodal, lo que significa que mastica texto, imágenes, audio y video al mismo tiempo y de forma nativa. Imagina poder armar un asistente virtual para tu negocio que no solo lea los correos de tus clientes, sino que también analice fotos o escuche notas de voz, todo procesado por el mismo "cerebro".
Vía libre para uso comercial
Quizás el mayor atractivo de este lanzamiento es su licencia Apache 2.0. Esto es un alivio inmenso para desarrolladores, agencias y startups porque quita de encima el clásico dolor de cabeza legal.
Puedes agarrar el modelo, subirlo a la plataforma Tinker, ajustarlo a la medida de tu proyecto (fine-tuning) y usarlo para fines comerciales sin tener que pedirle permiso ni pagarle regalías a nadie.
No es el rey de la fuerza bruta, pero sí de la adaptación
Ahora, seamos completamente honestos. ¿Viene Inkling a destronar a los líderes del mercado? No.
Si lo pones a competir mano a mano contra bestias del rendimiento como el Nemotron de NVIDIA, Gemma 4 o las versiones más robustas de Flan-T5, Inkling se va a quedar un poco corto en las pruebas de fuerza bruta y razonamiento lógico complejo.
Su verdadero fuerte no es ganarle a los gigantes en los benchmarks, sino darte una base hiperflexible y gratuita. Es el modelo ideal para quienes prefieren sacrificar un poco de potencia bruta a cambio de tener control total sobre los pesos y el entrenamiento de la herramienta.
El gran "pero": la documentación
Hay un detalle importante que debes tener en el radar antes de lanzarte de cabeza a programar. Como el modelo acaba de salir del horno, Thinking Machines Lab ha publicado muy poca documentación sobre los datos exactos que usaron para entrenarlo.
Esto significa que, al menos durante estas primeras semanas, vas a tener que experimentar un poco a ciegas. Optimizarlo te va a requerir ensayo y error hasta que la comunidad empiece a compartir sus propios manuales y hallazgos.
Si tienes un proyecto en mente y necesitas un modelo que no te cueste un ojo de la cara ni te encierre en un ecosistema cerrado, vale la pena darle una vuelta a Inkling en Tinker. No te va a resolver la vida por arte de magia, pero es una excelente pieza para tener en tu taller de desarrollo.