¿Qué es Inkling 2 Mini?
Inkling 2 Mini es el miembro pequeño y descargable de la segunda generación Inkling de Thinking Machines Lab, publicado el 20 de noviembre de 2026 bajo Apache 2.0. Es un modelo mixture-of-experts de 26.400 millones de parámetros, con 3.400 millones activos por token, que envía cada token a 8 de 128 expertos. Sus 24 capas están dispuestas de modo que las 12 centrales se ejecutan tres veces con pesos compartidos, lo que el laboratorio llama un transformer en bucle: cada token atraviesa 48 capas mientras el checkpoint almacena 24, para unos 5.400 millones de parámetros activos efectivos. Lee texto e imágenes, escribe texto y admite hasta 1 millón de tokens de contexto.
El checkpoint oficial ocupa unos 20GB en precisión mixta NVFP4 y MXFP8 y está pensado para un DGX Spark, un Mac con Apple silicon de 32GB o más, o una GPU con al menos 32GB de memoria. ggml-org publica versiones GGUF para llama.cpp de 52,2GB (BF16), 27,8GB (Q8_0) y 17,6GB (IQ4_NL). Su hermano mayor, Inkling 2 Small, sigue cerrado.
¿Cuánto cuesta Inkling 2 Mini?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | Apache 2.0, alojamiento propio |
| Tinker inference | $0.15 / $0.50 per 1M tokens | Entrada / salida; entrada en caché $0,015 |
| Tinker training | $0.75 (64K) or $1.50 (256K) per 1M tokens | Ajuste fino LoRA |
Pesos gratuitos bajo Apache 2.0. Tinker: $0,15 por 1M de tokens de entrada ($0,015 en caché) y $0,50 por 1M de salida; entrenamiento a $0,75 por 1M de tokens con 64K de contexto y $1,50 con 256K.
Compara este precio con otros modelos
¿Merece la pena Inkling 2 Mini?
Inkling 2 Mini es la mejor razón hasta ahora para ejecutar un modelo de Thinking Machines en casa, aunque todas las puntuaciones que lo respaldan son del propio laboratorio. En su ficha empata con Qwen3.8-27B en el Artificial Analysis Intelligence Index v5.0 con 20,1, por delante de Nemotron 3.5 Super VL (13,6), Muse Glimmer (6,3) y Gemma 4 31B (4,4). La publicación de lanzamiento de Hugging Face lo cuenta primero en 32 de los 48 benchmarks de esa tabla, y su equipo lo considera al menos comparable con Qwen3.8-27B en sus pruebas informales.
El bucle es lo que hace funcionar el tamaño. Ejecutar las 12 capas centrales tres veces da al modelo 48 capas de cálculo a partir de 24 capas de pesos, de modo que el checkpoint ocupa unos 20GB mientras cada token recibe el trabajo de unos 5.400 millones de parámetros. La tabla del laboratorio le da un 79,2% en SWE-bench Verified solo con bash, frente al 77,8% de Qwen3.8-27B, un 77,9% en la partición difícil de SWE-bench Pro v2 frente al 73,8%, y un 82,7% en MCP Atlas frente al 77,3%. En visión llega al 92,8% en OmniDocBench v1.6 y al 76,5% en ScreenSpot Pro, donde Qwen saca 91,5% y 57,6%.
No gana en todo. Qwen3.8-27B va por delante en Terminal Bench v2.1 (73,0% frente a 71,6%), AutomationBench-AA (48,2% frente a 41,8%) y MMMU Pro (76,3% frente a 74,9%), y ambos sacan un 5,6% en Terminal Bench v4.0. Su tasa de no alucinación en AA-Omniscience es del 63,4%, por debajo del 71,4% de Qwen, y la ficha dice que donde más se queda atrás respecto a Inkling 2 Small es en el recuerdo de datos.
La pega: la propia sección de limitaciones del laboratorio parece una etiqueta de advertencia para el uso con agentes. Dice que el modelo puede entrar en razonamientos largos sin avanzar, puede borrar o sobrescribir archivos sin confirmación, puede informar mal de lo que hizo y no deja de razonar del todo con el esfuerzo mínimo. El laboratorio recomienda limitar los tokens de salida y los turnos del agente y ejecutar las herramientas en un sandbox. El soporte de los runtimes locales para modelos en bucle es nuevo, así que la velocidad depende del motor que uses, y las tres pasadas cuestan más cálculo por token de lo que sugieren los 3.400 millones de parámetros activos.
Nuestra opinión: para un equipo que elige un único modelo abierto para un Mac de 32GB o una sola GPU de estación de trabajo, este y Qwen3.8-27B son ahora la pareja que hay que comparar; Inkling 2 Mini va un poco por delante en agentes de código, documentos y lectura de pantallas, Qwen en recuerdo de datos, y solo Inkling viene de un laboratorio cuyo modelo mayor no puedes descargar.
Dónde se gana su sitio
Un desarrollador independiente con un MacBook con Apple silicon de 32GB o más
Ejecutar un agente de código local sin enviar el código a una API
`ollama run inkling-2-mini` descarga la versión de 20GB, que Ollama ofrece para Claude Code, OpenCode y Hermes Agent. Limita los turnos del agente y mantén la copia de trabajo bajo control de versiones, como aconseja el laboratorio.
Un equipo de operaciones de una aseguradora que procesa siniestros escaneados
Extraer campos de PDF y capturas en hardware propio
Su 92,8% en OmniDocBench v1.6 encabeza la tabla del laboratorio. Servido con vLLM o SGLang en una GPU de 32GB, los documentos no salen del edificio y no hay tarifa por página.
Un equipo de ML en una empresa de software mediana
Ajustar un modelo de visión pequeño con tickets internos y quedarse con los pesos
Entrena adaptadores LoRA en Tinker a $0,75 por millón de tokens con 64K de contexto, o con Unsloth, Miles o SkyRL en tus propias GPU, y sirve el resultado en local bajo Apache 2.0.
Antes de decidirte
- Puesta en marcha
- Descárgalo de Hugging Face o ejecuta `ollama run inkling-2-mini`; quien use llama.cpp puede servir el GGUF de ggml-org con `llama serve -hf ggml-org/Inkling-2-Mini-GGUF:IQ4_NL`. Hay recetas para vLLM, SGLang, TokenSpeed, MLX y Transformers.
- Integraciones
- Transformers, vLLM, SGLang, TokenSpeed, NVIDIA Dynamo, llama.cpp y Llama App, Ollama, Exo, Unsloth; post-entrenamiento con Miles y SkyRL; API de Tinker para ajuste fino y muestreo alojados.
- Datos y privacidad
- Los pesos Apache 2.0 se ejecutan por completo en tu hardware, así que nada sale de él salvo que uses Tinker. Los datos de entrenamiento incluyen contenido web público, datos de terceros y datos sintéticos; fecha de corte no publicada.
- Coste a escala
- En alojamiento propio, el coste es una GPU de 32GB, un DGX Spark o un Mac por instancia. En Tinker, 1.000 millones de tokens de entrada y 100 millones de salida al mes cuestan unos $200 a precio de lista.
- Límites
- Contexto de 1M de tokens; imágenes idealmente de 40 a 4.096 píxeles por lado; solo salida de texto. El GGUF IQ4_NL mantiene el mismo token principal que BF16 el 95,5% de las veces, Q8_0 el 97,6%. La calidad baja fuera del inglés.
Lo bueno
- Apache 2.0, con un checkpoint oficial de 20GB y versiones GGUF desde 17,6GB
- Empata con Qwen3.8-27B con 20,1 en el AA Index v5.0 según la tabla del laboratorio
- 79,2% en SWE-bench Verified y 82,7% en MCP Atlas, según la ficha
- Entrada de texto e imagen con hasta 1M de tokens de contexto
- Soporte desde el primer día en llama.cpp, Ollama, vLLM, SGLang, MLX y Transformers
Lo malo
- Todas las cifras de benchmarks vienen de Thinking Machines
- El laboratorio advierte de bucles de razonamiento y acciones destructivas sin confirmar en uso con agentes
- Tasa de no alucinación del 63,4%, por debajo del 71,4% de Qwen3.8-27B
- Las tres pasadas por token lo hacen más pesado de ejecutar de lo que sugieren 3,4B activos
Ideal para
Desarrolladores y equipos pequeños que quieren un modelo con licencia permisiva para código, documentos y lectura de pantallas que funcione en un Mac o en una GPU de estación de trabajo.
Alternativas a Inkling 2 Mini
Inkling 2 Mini: preguntas frecuentes
- ¿Merece la pena Inkling 2 Mini?
- Inkling 2 Mini es el modelo abierto que Thinking Machines debía tras retener Inkling 2 Small: una descarga de 20GB que funciona en un portátil y aguanta el ritmo de Qwen3.8-27B. Le damos un 4.3 sobre 5.
- ¿Cuánto cuesta Inkling 2 Mini?
- Pesos gratuitos bajo Apache 2.0. Tinker: $0,15 por 1M de tokens de entrada ($0,015 en caché) y $0,50 por 1M de salida; entrenamiento a $0,75 por 1M de tokens con 64K de contexto y $1,50 con 256K.
- ¿Qué inconvenientes tiene Inkling 2 Mini?
- Todas las cifras de benchmarks vienen de Thinking Machines; el laboratorio advierte de bucles de razonamiento y acciones destructivas sin confirmar en uso con agentes; tasa de no alucinación del 63,4%, por debajo del 71,4% de Qwen3.8-27B; las tres pasadas por token lo hacen más pesado de ejecutar de lo que sugieren 3,4B activos.
- ¿Para quién es Inkling 2 Mini?
- Desarrolladores y equipos pequeños que quieren un modelo con licencia permisiva para código, documentos y lectura de pantallas que funcione en un Mac o en una GPU de estación de trabajo.
- ¿Cuánto cuesta Inkling 2 Mini para un equipo o en producción?
- En alojamiento propio, el coste es una GPU de 32GB, un DGX Spark o un Mac por instancia. En Tinker, 1.000 millones de tokens de entrada y 100 millones de salida al mes cuestan unos $200 a precio de lista.
- ¿Es Inkling 2 Mini seguro para los datos de la empresa?
- Los pesos Apache 2.0 se ejecutan por completo en tu hardware, así que nada sale de él salvo que uses Tinker. Los datos de entrenamiento incluyen contenido web público, datos de terceros y datos sintéticos; fecha de corte no publicada.
- ¿Cuáles son las mejores alternativas a Inkling 2 Mini?
- Las alternativas más cercanas que hemos analizado son Qwen3.8-27B, Gemma 4, Inkling 2 Small, Inkling y Nemotron 3.5 Super VL.
Respuestas comprobadas el 21 nov 2026.