
Inkling 2 Mini: el mismo 20 que Qwen3.8-27B, por un sexto del coste
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 184 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 727 tok/s
- AlibabaNUEVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 407 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
Dos modelos se sitúan en el mismo peldaño del Artificial Analysis Intelligence Index, ambos con una puntuación de 20. Uno de ellos cuesta $3.53 completar una sola tarea del índice y tarda 35 minutos y medio en hacerlo. El otro cuesta $0.59 y tarda nueve minutos. El más económico es Inkling 2 Mini, un modelo de mezcla de expertos de 26.4B de parámetros que Thinking Machines Lab publicó el 20 de noviembre de 2026 bajo Apache 2.0, y el caro es Qwen3.8-27B — un modelo denso que Alibaba lanzó en agosto y que OrcaRouter ofrece a $0.33 de entrada y $2.40 de salida por millón de tokens.
Un empate en un índice compuesto no es un empate en capacidad, y este artículo dedicará la mayor parte de su extensión a dónde divergen los dos. Pero la cifra de costo es la que decide si pones un modelo en una ruta de producción, y es el dato que la mayoría de la cobertura de lanzamiento de Inkling 2 Mini omitirá, porque no está en la publicación de lanzamiento. Proviene de la medición independiente, y es seis veces mejor que el modelo con el que empata.
Lo que realmente se lanzó, y lo que no
El anuncio está fechado el 20 de noviembre. El repositorio de Hugging Face se creó el 17 de noviembre y se modificó por última vez el día 20, lo que tiene la forma de un checkpoint preparado antes de un lanzamiento más que de una publicación sorpresa. La ficha declara Apache 2.0 y el listado de archivos lleva la misma etiqueta: una licencia real, no una promesa de licencia, que es la diferencia entre este lanzamiento y el de Inkling 2 Small, donde los pesos llegaron una semana después del anuncio.
El propio artefacto:
• Parámetros: 26,4B en total, 3,4B activos y 5,4B de activaciones de pesos efectivas por token una vez contado el bucle. Thinking Machines sitúa la diferencia en aproximadamente 1,0B de parámetros activos adicionales por pasada de bucle.
• Huella — unos 20 GB en una combinación de NVFP4 y MXFP8, lo suficientemente pequeño como para que la empresa lo ejecutara sin conexión en un MacBook Pro e incluya instrucciones para cualquier Mac con 32 GB de RAM o más.
• Modalidades — entrada de texto e imágenes, mediante un transformer de visión proyectado en el mismo espacio oculto; salida solo de texto.
• Compatibilidad de ejecución — SGLang, vLLM, NVIDIA Dynamo, TokenSpeed, Ollama y llama.cpp mediante GGUFs de Unsloth. Postentrenamiento de RL en SkyRL, Miles y NVIDIA AutoModel.
• Disponibilidad alojada — Tinker, para inferencia y ajuste fino. Ese es el único endpoint. No está en OrcaRouter, y este artículo no pretende sugerir lo contrario.
Un punto de precisión sobre el precio, porque la página independiente y la tarifa parecen no coincidir y no lo hacen. Artificial Analysis indica $0.15 por millón de entrada y $0.50 por millón de salida, con un descuento de caché del 90 % y un precio combinado de $0.0905. Esas son las tarifas de muestreo de Tinker: prefill $0.15, prefill en caché $0.015, sample $0.50, y la propia lista de modelos de Tinker sigue fijando un nivel de contexto de 64K y un nivel de 256K al mismo $0.15/$0.50 para muestreo, con entrenamiento a $0.75 y $1.50 respectivamente. En lo que Tinker no incluye a Mini es en la beta de inferencia sin servidor, cuya tabla abarca Inkling 2 Small y el Inkling original, pero no este modelo. Así que $0.15/$0.50 es lo que pagas por muestrearlo en Tinker, y la línea «disponible vía API a través de 1 proveedor» de la página de análisis se refiere a eso, no a un endpoint sin servidor con su propia tarifa.

Por qué la arquitectura de bucle es el punto clave
Todo lo demás sobre el modelo es convencional. El bucle no lo es, y explica tanto la cifra de coste como las debilidades del modelo, así que vale la pena dedicarle dos minutos.
Inkling 2 Mini es un transformer solo decodificador de 24 capas con capas feed-forward de mezcla dispersa de expertos, organizadas en cuatro bloques de seis capas. El primer bloque y el último bloque se ejecutan una vez. Los dos bloques intermedios se ejecutan tres veces con pesos compartidos, por lo que cada token pasa por 48 aplicaciones de capas extraídas de 24 capas almacenadas. Entre pasadas, una compuerta aprendida fusiona el "mensaje" de la pasada anterior en la siguiente mediante residuales de atención, de modo que la repetición no es un cálculo idéntico: el modelo arrastra el estado hacia adelante.
Los expertos provinieron de una poda en lugar de desde cero. El entrenamiento comenzó con una dispersidad de 48, seleccionando 8 expertos de 384; la empresa luego conservó los 128 expertos por capa que recibieron más tráfico y reparó el daño con 1T de tokens destilados, antes de SFT y RL sobre 2,2T de tokens en 2.000 pasos. Se entrenó de extremo a extremo en 4 bits, con 20 capas en NVFP4 y 4 en MXFP8, por lo que el checkpoint enviado es la precisión entrenada y no una cuantización posterior de esta.
Por qué algo de eso le importa a un comprador: el cómputo efectivo por parámetro almacenado aumenta, así que un checkpoint de 26B se comporta como algo más grande mientras ocupa memoria de portátil. Por qué le importa a un operador: el soporte para arquitecturas en bucle tiene aproximadamente un día de antigüedad. El soporte de SGLang llegó como PR #51926, abierto el mismo día en que se lanzó el modelo, añadiendo un tipo de modelo dedicado, flags para pasadas de bucle y uso compartido de caché, y rutas NVFP4 grouped-GEMM que rellenan con ceros matrices de expertos de 1152 de ancho hasta 1280 para ajustarse al kernel, con benchmarks en GB300, B300 y H200. La ficha del modelo lo dice claramente en sus propias limitaciones: «el soporte de tiempo de ejecución para modelos en bucle es nuevo, así que la velocidad varía». Esa es una advertencia honesta y es el único riesgo operativo exclusivo de esta versión.
Empatados a 20, seis veces de diferencia en el costo
La comparación del Intelligence Index es la razón por la que este modelo resulta interesante, y también es donde es más probable que un lector se deje engañar por el titular. Ambos modelos obtienen 20 en la versión 5.0 del índice. En todo lo que hay por debajo de esa puntuación, no son el mismo modelo.
• Índice — 20,1 para Inkling 2 Mini, 20 para Qwen3.8-27B en su configuración de esfuerzo xhigh. Prácticamente al mismo nivel.
• Coste por tarea de indexación: 0,59 $ frente a 3,53 $. Un factor de seis.
• Tiempo real por tarea de indexación: 9,0 minutos frente a 35,5 minutos.
• Velocidad de salida — 280 tokens por segundo frente a 51.
• Tiempo hasta el primer token: 9,72 segundos para Mini; la página de Qwen no presenta una cifra de primer token como dato principal, y su tiempo de tarea de 35 minutos es el número operativo.
• Contexto — 1M en la ficha del modelo y en Artificial Analysis; 256K en la lista de modelos de Tinker. Más detalles a continuación.
• Licencia — Apache 2.0 y descargable en 20GB, frente a una API de proveedor a $0.50/$3.00 de tarifa.
La verbosidad explica parte de la brecha de seis veces y vale la pena conocerla porque predice tu factura mejor que la tarjeta de tarifas. Para completar la ejecución del índice, Inkling 2 Mini emitió 161 M de tokens de salida frente a una mediana de sus pares de 85,7 M; aproximadamente 1,9 veces la salida de un modelo típico de su clase. Aun así, con $0,50 por millón de salida, la aritmética sigue dando $0,59 por tarea. El costo de Qwen3.8-27B viene desde la dirección opuesta: una tarifa de salida de $3,00 y un modelo que tarda cuatro veces más en terminar.
Hay una salvedad que corresponde junto a esas cifras, no después de ellas. La puntuación del índice de 20 está cerca del límite inferior de lo que la clasificación mide de forma útil, y los modelos agrupados entre 18 y 20 no se ordenan de manera fiable según ella — la clasificación en torno a Mini incluye a Nanbeige4.3-33B con 20, JT-4.1 Flash 236B A21B con 19 y MiniMax-M3 con 19. Un empate en 20 indica que ambos modelos superan el mismo umbral, no que fallen en los mismos aspectos.

La codificación es donde los números de los proveedores se vuelven interesantes.
Thinking Machines está vendiendo esto como un modelo de codificación agéntico que se ejecuta en una laptop, y la tabla publicada respalda la primera mitad de esa afirmación con más fuerza que la mayoría de los lanzamientos de modelos pequeños. Estas son las evaluaciones propias de la empresa, no reproducidas por nadie fuera del laboratorio en el momento de la redacción, y deben leerse como afirmaciones en lugar de como mediciones.
• SWE-bench Verified — 79.2%, solo bash.
• SWE-bench Pro v2, Difícil — 77,9 %.
• SWE-bench Multilingual — 73,7%.
• Vibe Code Bench v1.1 — 77,9 %.
• Terminal Bench v2.1 — 71,6%, por detrás del 73,0 de Qwen3.8-27B.
• DeepSWE v1.1 — 48,2 %; FrontierCode v2.0 — 15,1 %; Terminal Bench v4.0 — 5,6 %.
• BrowseComp — 79,0 %; DeepSearchQA — 85,3 %; MCP Atlas — 82,7 %.
• MMMU Pro — 74,9%; OmniDocBench v1.6 — 92,8%; ScreenSpot Pro — 76,5%, u 87,7% si se permite el uso de herramientas de Python.
• Ciencia y razonamiento difícil al estilo GPQA — HLE-Diamond 15,2 %, CritPt v2 31,4 %, ARC-AGI 84,5 % en v1 y 49,3 % en v2.
El patrón dentro de esa tabla es coherente con la arquitectura: las filas en las que Mini parece fuerte recompensan la persistencia y el uso de herramientas en horizontes largos, y las filas en las que parece débil son las que exigen una única recuperación correcta o una inferencia científica difícil. Eso es lo que compra un pequeño presupuesto de parámetros activos y lo que el bucle no arregla.
Dos de las filas de comparación que la empresa publicó frente a Qwen3.8-27B son derrotas, y son las dos que hay que recordar. MultiChallenge — 50,0 % para Mini, por detrás del modelo Qwen. ComplexConstraints v1.1 — 33,4 %, también por detrás. Son pruebas de seguimiento de instrucciones bajo restricciones, que es exactamente la habilidad que hace fracasar a un agente en producción al que se le ha dado un esquema y un presupuesto, y es lo primero que hay que probar antes de fiarse de cualquiera de los titulares de los benchmarks.
En qué es malo, en palabras de la propia empresa
La sección de limitaciones de la ficha del modelo es inusualmente específica, lo que la hace más útil que el aviso legal habitual. Citarla es la forma más rápida de saber si este modelo se ajusta a tu caso de uso.
• Es más débil que Inkling 2 Small en la recuperación de datos concretos y se describe como propenso a afirmar información incorrecta con seguridad. La medición independiente de omnisciencia coincide: AA-Omniscience −8,6 con una tasa de no alucinación del 63,4 %. Las puntuaciones negativas en ese benchmark significan que el modelo es peor que no decir nada.
• Puede quedarse atascado en largos bucles de razonamiento, especialmente al depurar código, y la tarjeta recomienda límites de tokens y de turnos.
• Puede realizar acciones destructivas en archivos sin confirmación y puede informar incorrectamente sobre lo que hizo. Para cualquiera que lo apunte a un repositorio, esa es la frase que decide si ejecutarlo en un entorno aislado.
• El resultado en idiomas distintos del inglés es más débil; las propias pruebas en chino de la empresa encontraron frases truncadas y mezcla de idiomas.
• El esfuerzo de razonamiento mínimo no desactiva por completo el razonamiento, así que no puedes recuperar latencia desactivando el pensamiento.
La evaluación de seguridad es la parte que se citará, y apunta en una dirección interesante. FORTRESS obtuvo un 89,5 % en adversarial y un 96,4 % en benigno, StrongREJECT un 97,8 %, y un 9,8 % en comportamiento indebido interno. La conclusión de la empresa es que el modelo «no proporciona una mejora material más allá de lo que ya está disponible en los modelos de pesos abiertos», y señala que encontró muy poca controlabilidad sobre la cadena de pensamiento, pero ningún aumento de la pérdida de monitorizabilidad al añadir pasadas de bucle. Dado que el artefacto es una descarga de 20 GB con Apache 2.0, el planteamiento de seguridad no es una puerta: es una divulgación, y la mitigación que recomienda es el aislamiento (sandboxing) de las cargas de trabajo agénticas, que es lo que deberías estar haciendo de todos modos.
La ventana de 1M que puede que en realidad no llegues a tener
La longitud del contexto es la única especificación en la que las fuentes discrepan realmente, y la discrepancia no es cosmética.
La tarjeta de Hugging Face indica que el modelo «admite una ventana de contexto de hasta 1M de tokens». Artificial Analysis registra 1M. La lista de modelos de Tinker describe Inkling 2 Mini como un MoE de 26,4B en total y 5,4B activos con un contexto de 256K, y su tarifario fija precios para un nivel de 64K y un nivel de 256K.
La lectura más probable es que 1M sea una capacidad de la arquitectura y que 256K sea aquello para lo que está configurada y se factura la ruta de muestreo alojada — que es el mismo patrón que mostró Inkling 2 Small, donde 1M se entrenó y se evaluó, pero el nivel servible era más estrecho. Si tu carga de trabajo depende de la ventana larga, no tomes el número de la ficha como una garantía operativa. Las evaluaciones de contexto largo de la tabla del proveedor también son mixtas en lugar de triunfales: MRCR v2 con 46,4 %, LongBench v2 con 66,9 %, GraphWalks BFS a 256K con 69,7 %. Un modelo que anuncia un millón de tokens y obtiene 46 en correferencia de múltiples rondas es un modelo cuya ventana larga es real pero no gratuita.
Ejecutarlo tú mismo, y lo que eso cambia
Lo interesante de un checkpoint de 20 GB con licencia Apache 2.0 y 3.4B de parámetros activos es que el costo marginal de un experimento cae a casi cero. En Tinker pagas $0.15 por millón de prefill y $0.50 por millón de sample. En tu propio hardware —un Mac con 32 GB, o un DGX Spark, del que la empresa reporta 0.703 de inteligencia por vatio— pagas por la máquina y nada más.
Ese es el argumento a favor de autoalojarlo, y hay un argumento equivalente en contra. Una arquitectura en bucle completamente nueva tiene un día de soporte de SGLang, un rendimiento variable según el runtime que elijas, una tendencia documentada a entrar en bucle durante la depuración y una tendencia documentada a ejecutar comandos destructivos sin preguntar. Apostar por eso para una ruta de producción en la primera semana no es una decisión de enrutamiento, es una apuesta por un runtime.
Este es el tipo de problema para el que está hecho un router, y merece la pena concretar qué significa eso aquí en lugar de hablar de ello con vaguedades. Inkling 2 Mini no está en OrcaRouter, así que hoy no hay nada que enrutar hacia él.Lo que sí está en OrcaRouter es el modelo al que está vinculado: Qwen3.8-27B, a $0.33 por millón de tokens de entrada y $2.40 por millón de tokens de salida —más barato que los $0.50/$3.00 de lista de Alibaba, con el precio de lista del proveedor trasladado tal cual en lugar de aplicarle un margen. La fórmula práctica para las próximas semanas es llamar a Qwen3.8-27B para cualquier cosa de producción mientras evalúas Mini en tu propio hardware, y usar el failover y el DSL de enrutamiento para poner Mini detrás de un respaldo el día que llegue a un endpoint alojado. Así es como puedes echar un vistazo a una arquitectura no probada sin convertirla en lo único que se interpone entre tus usuarios y una página de error.

Qué ver a continuación
Tres cosas decidirán si Inkling 2 Mini llega a importar más allá de una buena tabla de benchmarks.
Lo primero es la reproducción independiente. Cada cifra de programación de este artículo está reportada por el proveedor. Artificial Analysis tiene la puntuación del índice, el coste, la velocidad y la verbosidad —todo medido—, pero no un índice de programación para este modelo, y hasta que alguien ajeno a Thinking Machines ejecute SWE-bench Pro v2 o Terminal Bench sobre los pesos publicados, el 77.9 % es una afirmación sobre un checkpoint que la empresa entrenó.
El segundo es la madurez del entorno de ejecución. La diferencia entre 280 tokens por segundo en la página de análisis y lo que obtengas en tu propio hardware actualmente depende del motor que elijas y de lo reciente que sea su soporte de bucles. Un mes de trabajo en el kernel cambia esa cifra más que un mes de cualquier otra cosa.
El tercero es si alguien además de Tinker lo ofrece. Un modelo de endpoint alojado en un único proveedor con pesos abiertos es un producto distinto de uno con tres proveedores detrás de una API común, y la competencia de precios que hace que la cifra de coste de $0.59 parezca sostenible solo empieza cuando hay alguien con quien competir.
Por ahora, el resumen honesto es más limitado que el encuadre del lanzamiento. Inkling 2 Mini es una descarga de 20GB que iguala a un modelo denso de 27B en un índice compuesto a aproximadamente una sexta parte del coste por tarea y cuatro veces la velocidad, de un laboratorio que publicó los pesos el primer día en lugar de una semana después. También es un modelo que alucina con confianza, entra en bucles al depurar y pide un sandbox antes de que le dejes tocar un sistema de archivos. Ambas mitades de esa frase son ciertas, y la segunda es la que decide cómo lo despliegas.
