Thinking Machines Lab, la startup de inteligencia artificial fundada por la ex directora de tecnología de OpenAI, Mira Murati, ha lanzado su primer modelo, un sistema de pesos abiertos llamado Inkling. Es un hito genuino para uno de los laboratorios nuevos más observados y mejor financiados del sector, uno que reunió cerca de 2.000 millones de dólares con una valoración de 12.000 millones de dólares antes de lanzar un solo producto, y el modelo es una expresión directa de la apuesta central de la compañía, la de que una IA que las organizaciones puedan adaptar por sí mismas vencerá a los modelos únicos para todo que los mayores laboratorios venden hoy.

Inkling es un modelo de mezcla de expertos (mixture-of-experts) con 975.000 millones de parámetros en total, de los cuales unos 41.000 millones están activos para cualquier tarea, un diseño que mantiene bajo el costo de cómputo a la vez que da al modelo una base de conocimiento muy amplia de la cual echar mano. Fue entrenado con 45 billones de tokens que abarcan texto, imagen, audio y vídeo, de modo que razona entre todas esas entradas de forma nativa en lugar de acoplar sentidos adicionales a un modelo de texto. Dos de sus decisiones destacan, ofrece respuestas calibradas que señalan su propia incertidumbre en lugar de adivinar con exceso de confianza, y permite al usuario subir o bajar el esfuerzo de razonamiento para intercambiar velocidad por calidad.

Lo más llamativo es el enfoque. Thinking Machines dice sin rodeos que Inkling no es el modelo más potente disponible hoy, ni cerrado ni abierto. En lugar de perseguir la cima de una tabla de clasificación, apunta a algo equilibrado, eficiente y sobre todo adaptable. En tareas de programación, según se informa, usa alrededor de un tercio de los tokens que un modelo comparable necesita para el mismo resultado, y en un estudio de caso con la firma de inversión Bridgewater alcanzó un 84,7 por ciento de precisión en razonamiento financiero a una pequeña fracción del costo. La propuesta no es ser el mejor chatbot general, es ser una base sólida que otros puedan moldear.

Ahí es donde se enfoca el plan más amplio del laboratorio. Inkling está pensado para personalizarse a través de Tinker, la plataforma de ajuste fino de Thinking Machines, de modo que una empresa pueda adaptarlo a sus propios datos y flujos de trabajo en lugar de alquilar un modelo congelado cuyo comportamiento se controla en otra parte. Es la versión concreta de una tesis que Murati y su equipo expusieron este mes, la de que el futuro de la IA es distribuido y personalizable, moldeado por las personas que lo usan, en vez de un puñado de gigantescos modelos cerrados que todos alquilan en los mismos términos.

Por qué importa es que Inkling convierte un argumento a contracorriente en algo que de verdad se puede descargar. La estrategia dominante en la IA ha sido construir modelos de frontera cada vez más grandes y vender el acceso a ellos, y la mayor parte de la atención sigue yendo a quién publica las puntuaciones más altas en los benchmarks. Thinking Machines apuesta a que la apertura y la adaptabilidad, un modelo de pesos abiertos más las herramientas para ajustarlo, importarán más a muchas organizaciones que la supremacía pura en una prueba. Si esa apuesta rinde frutos está por verse, y por admisión de la propia compañía este no es el modelo más potente del mercado. Pero viniendo del equipo de Murati, con el dinero y los focos que atrae, es uno de los desafíos más creíbles hasta ahora a la idea de que los ganadores de la IA serán simplemente quiénes entrenen el cerebro más grande.