
Inkling 2 Mini llega a los 20: un modelo de 20 GB que piensa en bucles
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 183 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 568 tok/s
- AlibabaNUEVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 385 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 · 84 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 · 107 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 · 91 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 · 214 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
El checkpoint ocupa unos 20 GB, y ese número es el argumento. Inkling 2 Mini es una mezcla de expertos de 26,4 mil millones de parámetros con 3,4 mil millones de parámetros activos por token, publicado por Thinking Machines Lab el 20 de noviembre de 2026 bajo Apache 2.0 como una única descarga que se ejecuta en un Mac con 32 GB de memoria unificada o en un único NVIDIA DGX Spark. Ese mismo día, Artificial Analysis lo cronometró y le dio una puntuación: 20,1 en el Intelligence Index v5.0.1, 0,15 $ por millón de tokens de entrada y 0,50 $ por millón de salida, 0,59 $ para completar una tarea del índice, 280 tokens de salida por segundo. Lo interesante no es la puntuación. Es que el modelo lo consigue ejecutando las mismas doce capas tres veces en lugar de almacenar más parámetros, y eso es lo que hace que un checkpoint de 26B se comporte como algo más grande sin necesitar más memoria de la que tiene un portátil.
Si se mezclan los dos tipos de cifras sin cuidado, el lanzamiento se lee como una victoria limpia; si se mantienen separadas, se lee como algo más específico, que es lo que intenta hacer este artículo. El índice, el coste por tarea, la velocidad, la verbosidad y la licencia son mediciones y metadatos de Artificial Analysis consultados el 21 de noviembre de 2026. Cada fila de programación y razonamiento que aparece más abajo pertenece al propio arnés de evaluación de Thinking Machines sobre un checkpoint que la empresa entrenó, y así se indica donde aparece. Nadie fuera del laboratorio ha reproducido esas filas.
Qué publicó Thinking Machines
El lanzamiento llega primero en forma de pesos. El repositorio de Hugging Face se creó el 17 de noviembre y se modificó por última vez el 20, lo que se parece a un checkpoint preparado por etapas y no a un lanzamiento sorpresa, y la ficha del modelo indica el 20 de noviembre de 2026 como fecha de lanzamiento. Hay una situación real con el archivo de licencia que vale la pena señalar: la ficha declara Apache 2.0 en sus metadatos y las etiquetas del repositorio llevan lo mismo, así que este es un lanzamiento permisivo, y no la promesa de uno como la que trajo Inkling 2 Small el 5 de noviembre.
• Parámetros — 26.4B en total, 3.4B activos y 5.4B de activaciones efectivas de pesos por token una vez contabilizado el bucle; Thinking Machines estima que cada pasada adicional de bucle equivale a aproximadamente 1.0B más de parámetros activos.
• Huella — un checkpoint de unos 20 GB, 20 capas en NVFP4 y 4 en MXFP8, distribuido en la precisión con la que se entrenó en lugar de cuantizarse a posteriori.
• Modalidades: texto e imágenes de entrada mediante un transformador de visión proyectados al espacio oculto compartido, y texto de salida.
• Contexto — la ficha del modelo indica hasta 1M de tokens, y Artificial Analysis registra 1M.
• Servicio — Hugging Face, SGLang, vLLM, TokenSpeed, NVIDIA Dynamo, Unsloth y GGUF de llama.cpp, Llama App, además de Ollama y Exo Labs en Apple silicon. Existen recetas de posentrenamiento para Miles y SkyRL.
• Alojado — Tinker, para inferencia y personalización, con un playground. Ese es el endpoint propio del proveedor y el único; Inkling 2 Mini no está en OrcaRouter, y nada de lo que sigue implica lo contrario.
Se entrega junto a él un modelo complementario. TML-d24-varloop-research es la misma arquitectura entrenada para aceptar entre una y cinco pasadas de bucle, y existe para que los investigadores puedan variar la profundidad que el modelo de producción fija en tres. También está en Hugging Face, y es el objeto sobre el que se realizó la mayor parte del trabajo de monitorización de esta versión.

El bucle es el producto.
Inkling 2 Mini es un transformer de solo decodificador de 24 capas con capas feed-forward de mezcla dispersa de expertos, dividido en cuatro bloques de seis capas. El primer bloque se ejecuta una vez, el último bloque se ejecuta una vez, y los dos bloques intermedios —doce capas— se ejecutan tres veces con pesos compartidos. Por lo tanto, un token pasa por 48 aplicaciones de capas extraídas de 24 capas de pesos almacenadas.
La repetición no es una copia. Cada pasada por los bloques centrales lee la salida del preludio, y la segunda y la tercera pasada también leen lo que Thinking Machines llama el mensaje: la propia salida de los bloques centrales de la pasada anterior, combinada mediante una compuerta aprendida. Esa compuerta empieza bloqueando el mensaje por completo, de modo que el entrenamiento comienza como un modelo ordinario sin bucles y la ganancia aplicada al mensaje se va aumentando con el tiempo. Es un truco de estabilidad del entrenamiento y también la razón por la que el bucle puede añadirse a mitad de la ejecución en lugar de entrenarse desde cero.
La decisión de qué capas repetir en bucle no fue arbitraria. La empresa midió repetir en bucle las doce capas intermedias frente a repetir en bucle las últimas doce en 28 evaluaciones y descubrió que las intermedias ganaron en 27 de ellas, con una ganancia equivalente en cómputo de 1,51–1,91× frente a 1,24–1,36×. La intuición que ofrece es que las capas iniciales y finales están ocupadas traduciendo entre tokens y representaciones internas, mientras que las intermedias portan el razonamiento abstracto que se beneficia de más pasos en serie.
Los expertos se podaron en lugar de diseñarse. El entrenamiento comenzó con una dispersión de 48, enrutando cada token a 8 de 384 expertos; en un momento dado durante el entrenamiento intermedio, la empresa conservó los 128 expertos más utilizados por capa y reparó el daño con 1T de tokens destilados de un modelo Inkling interno más grande, y luego ejecutó SFT y una fase de RL que totalizaron 2,2T de tokens durante 2.000 pasos. Es la misma combinación de posentrenamiento que Inkling 2 Small, por lo que las fortalezas de ambos modelos coinciden en los mismos ámbitos.
Veinte, y lo que hay debajo
La puntuación principal es real y se mide de forma independiente, y además está cerca del límite inferior de lo que el índice resuelve de manera útil. Artificial Analysis sitúa el 20 muy por encima de la media para la clase de comparación del modelo en la tabla de open-weights, donde la mediana es 10, pero la franja inmediatamente alrededor de 20 está abarrotada de modelos con un punto de diferencia en ambos sentidos, y el índice no ordena los modelos con ese nivel de detalle. Una puntuación de 20 significa que el modelo supera un umbral, no que supere a todo lo que esté a un punto de distancia.
Lo que la puntuación sí respalda es el posicionamiento que importa para un modelo de este tamaño. La afirmación de Pareto en la cobertura de lanzamiento —inteligencia de frontera por parámetro activo— es la que respalda el propio resumen de Artificial Analysis, que lo sitúa entre los modelos líderes en inteligencia para su clase de tamaño y con un precio razonable frente a otros modelos de pesos abiertos de tamaño similar. Llega ahí gracias al bucle, que compra cómputo en serie sin comprar parámetros, y la afirmación deja de sostenerse en el momento en que se le pide al modelo que sepa algo en lugar de resolverlo.
Las columnas de coste y velocidad son donde el lanzamiento se ve más fuerte. A $0.15 de entrada y $0.50 de salida, su precio está en la parte más baja del nivel de razonamiento, y $0.59 por tarea de índice es una cuarta parte de lo que cuesta un modelo denso de 27B en la misma banda de puntuación. Es rápido en los dos aspectos que se manifiestan en un bucle de agente: 9,72 segundos hasta el primer token de respuesta y 280 tokens de salida por segundo. La debilidad compensatoria es la verbosidad: 161M de tokens de salida para completar la ejecución del índice frente a una mediana de 85,7M entre sus pares, aproximadamente 1,9 veces la salida de un modelo típico de su clase. En una factura por token, eso está bien. Con un presupuesto fijo de tokens, significa que se obtienen aproximadamente la mitad de tareas.

Filas de codificación, reportadas por el proveedor
La tabla que publicó Thinking Machines es la parte más sólida de su argumento, y es enteramente suya. Son cifras no reproducidas de un arnés de proveedor, varias de ellas ejecutadas con el andamiaje de agente propio de la empresa en lugar de uno neutral, así que léalas como afirmaciones sobre un checkpoint que el laboratorio entrenó.
• SWE-bench Verified — 79.2%, solo bash.
• SWE-bench Pro v2, Difícil — 77,9 %.
• SWE-bench Multilingual — 73,7%.
• DeepSWE v1.1 — 48,2 %, frente al 42,2 % reportado para Qwen3.8-27B.
• Terminal Bench v2.1 — 71,6 %, por detrás del 73,0 de Qwen3.8-27B; en Terminal Bench v4.0 ambos imprimen 5,6 %.
• FrontierCode v2.0 — 15,1 %, frente a 14,9 % de Qwen3.8-27B.
• Búsqueda agéntica y herramientas: BrowseComp 79,0 %, DeepSearchQA 85,3 %, MCP Atlas 82,7 %, cada uno por delante de la cifra de Qwen3.8-27B en la misma tabla.
• Visión y documentos — MMMU Pro 74,9 %, OmniDocBench v1.6 92,8 %, ScreenSpot Pro 76,5 % en modo simple y 87,7 % con herramientas de Python.
• Razonamiento — HLE-Diamond 15,2 %, CritPt v2 31,4 %, ARC-AGI 84,5 % en v1 y 49,3 % en v2, LongBench v2 66,9 %.
La forma de esa tabla es coherente con la arquitectura, y es lo más útil del lanzamiento. Las filas en las que el modelo parece fuerte son las que recompensan la persistencia y el uso de herramientas a lo largo de un horizonte prolongado: búsqueda, aplicación de parches a escala de repositorio, análisis de documentos. Las filas en las que parece ordinario son las que necesitan un único recuerdo correcto o una inferencia científica difícil. La iteración añade pasos en serie. No añade hechos almacenados.
Looping compra razonamiento, no hechos.
Esa distinción es la propia tesis del lanzamiento, y la empresa la pone a prueba en lugar de limitarse a afirmarla. En AA-Omniscience, el benchmark de factualidad, la tabla del proveedor muestra −8.6 para Inkling 2 Mini con una tasa de no alucinación del 63.4%. Una puntuación negativa ahí significa que el modelo es peor que negarse a responder: produce errores con seguridad. El planteamiento de la empresa es que la brecha de conocimiento está en línea con la de otros modelos del mismo tamaño total, y que el modelo la compensa buscando bien —que es exactamente lo que muestran las filas de BrowseComp y DeepSearchQA, y exactamente por lo que el resumen honesto de este modelo es «bueno encontrando, débil recordando».
El compañero de bucle variable ilustra el punto con mayor claridad. Su horizonte temporal sin cadena de pensamiento —cuánto tiempo puede completar una tarea con un 50 % de fiabilidad sin escribir el razonamiento— aumenta de 16 segundos en una pasada a 37 segundos en tres, y luego se aplana, mientras que el razonamiento secuencial en una tarea de búsqueda N-Hop sigue mejorando hasta diez pasadas, el doble de la profundidad con la que fue entrenado. Las ganancias se concentran en la recuperación de múltiples saltos, el razonamiento matemático y científico, y el trabajo agéntico de horizonte largo. Las preguntas y respuestas factuales a libro cerrado apenas cambian.
El resultado de monitorabilidad es la parte que más interesará a los investigadores, porque es la objeción contra los modelos con bucles. Si un modelo realiza más cómputo dentro de un token, aparece menos razonamiento en la cadena de pensamiento visible, y un monitor de cadena de pensamiento ve menos. Thinking Machines lo mide y encuentra que el efecto es menor de lo que se temía a esta escala: el razonamiento del modelo de bucle variable a cinco pasadas era menos de la mitad de largo que a una (1.661 frente a 3.703 tokens en promedio), con la longitud de las oraciones y la proporción de palabras de diccionario sin cambios, lo que se interpreta como un razonamiento más directo en lugar de un razonamiento menos legible. En su evaluación de sigilo de LinuxArena, Inkling 2 Mini, con un 3,9 %, se sitúa muy por debajo del 20,5 % de Qwen3.8-27B. Nada de eso es una garantía: es una primera medición en un tipo de arquitectura para la que nadie había tenido pesos descargables antes, y la empresa dice claramente que publicó el modelo en parte para que otros puedan comprobarlo.
Lo que cuesta funcionar
El autoalojamiento es el modo que se promociona y la aritmética es sencilla. Un checkpoint de 20 GB en una máquina que ya es tuya no tiene ningún coste marginal por token en absoluto, y el propio estudio de eficiencia del proveedor —realizado por los laboratorios Hazy Research y Scaling Intelligence de Stanford con acceso anticipado, con MXFP8 y bajo esfuerzo de razonamiento— lo sitúa en 0,703 de inteligencia por vatio en una DGX Spark frente a 0,430 para Qwen3.6-35B-A3B y 0,159 para Gemma 4 26B-A4B. Es un resultado afín al proveedor en un único dispositivo, no una medición de flota, pero la dirección no es sutil.
El argumento honesto en contra de ejecutarlo tú mismo es que una arquitectura en bucle tiene aproximadamente un día de madurez en servicio. SGLang, vLLM y los demás indican que lo admiten, y la tarjeta del modelo advierte con sus propias palabras que el soporte de ejecución para modelos en bucle es nuevo y que la velocidad varía. El rendimiento que midas en tu propia máquina depende del motor que hayas elegido y de lo recientes que sean sus kernels, y eso cambiará más rápido que cualquier otra cosa de este modelo.
Donde un router se gana su lugar aquí no es sirviendo a Mini —no lo alojamos nosotros—. Es en lo que pones a su alrededor. Una evaluación de una arquitectura no probada nunca debería ser lo único que se interponga entre tus usuarios y una página de error, y la forma de conseguirlo es llamar a un modelo de confianza para la ruta de producción mientras Mini se ejecuta a su lado. Qwen3.8-Flash está en OrcaRouter a $0.15 por millón de tokens de entrada y $0.47 por millón de salida, el precio de lista del proveedor trasladado sin margen, y el DSL de enrutamiento y la conmutación por error automática te permiten poner Mini detrás de él el día en que Mini llegue a un endpoint al que podamos acceder. Una sola clave cubre ambos lados de ese experimento, y ahí está todo el argumento.

Cuatro cosas que vigilar
La primera es la reproducción independiente. Artificial Analysis tiene el índice, el coste, la velocidad y la verbosidad —medidos—, pero la tabla de programación es del laboratorio. Hasta que alguien fuera de Thinking Machines ejecute SWE-bench Pro v2 o DeepSWE sobre los pesos públicos, 77.9% y 48.2% son afirmaciones.
El segundo es si aparece un endpoint alojado más allá de Tinker. Un checkpoint Apache 2.0 de 20 GB es exactamente el tipo de artefacto que los proveedores terceros adoptan rápidamente, y la competencia de precios que haría que $0.59 por tarea parezca sostenible solo comienza cuando hay un segundo vendedor.
El tercero es el bucle en sí mismo. Si el piloto funciona, la técnica es portátil: tres pasadas en las capas intermedias, una compuerta para fusionar el mensaje, sin parámetros adicionales. Todas las recetas para modelos pequeños del campo se convierten en candidatas para ello, y la pregunta interesante deja de ser si este modelo obtiene 20 y pasa a ser si el siguiente obtiene 24 con la misma memoria.
El cuarto es la parte que el lanzamiento no resuelve. Los modelos en bucle sacan el razonamiento de la cadena de pensamiento visible y lo llevan a la pasada hacia delante. Thinking Machines no encontró ninguna pérdida significativa de monitorizabilidad con 5.4B de parámetros activos. Nadie ha publicado la misma medición a 50B. Esa es la pregunta que este lanzamiento permite plantear, y es una mejor razón para que importe una descarga de 20GB que la puntuación.
Para cualquiera que esté decidiendo esta semana, la división está clara. Si quieres un programador agéntico competente que funcione sin conexión en hardware que ya tienes, y estás dispuesto a ejecutarlo en un entorno aislado y a poner a prueba su capacidad de recordar hechos antes de confiar en él, Inkling 2 Mini es el modelo pequeño más interesante disponible ahora mismo y el precio de probarlo es una descarga. Si necesitas una respuesta que puedas poner delante de un cliente sin una capa de recuperación detrás, este no es ese modelo, y el 20 en el índice no lo convertirá en uno.
