Inkling apuesta a la personalización
Thinking Machines presentó Inkling, un modelo Mixture-of-Experts de 975 mil millones de parámetros totales y 41 mil millones activos, con contexto de hasta un millón de tokens y entrada de texto, imagen y audio.
La compañía reconoce que no es el modelo más fuerte en términos absolutos. Su apuesta es otra: pesos disponibles bajo Apache 2.0, razonamiento configurable y una integración directa con Tinker para ajustar el modelo a comportamientos y dominios específicos.
Kimi K3 escala hacia el trabajo de largo horizonte
Kimi anunció K3 como un modelo de 2,8 billones de parámetros, visión nativa y un millón de tokens de contexto. La arquitectura activa una fracción de sus expertos y la empresa lo posiciona para programación, conocimiento y razonamiento de largo horizonte.
Los resultados publicados son evaluaciones del proveedor y requieren validación independiente. Además, al momento del anuncio, Kimi indicaba que los pesos completos se publicarían el 27 de julio: disponible en producto no significa automáticamente disponible para ejecutar por cuenta propia.
Grande, abierto y útil no son sinónimos
El tamaño describe capacidad potencial, pero no responde cuánto cuesta servir el modelo, qué latencia tendrá, si su licencia permite el caso comercial o cuánto trabajo requiere adaptarlo. Tampoco dice cómo se comportará dentro de las herramientas y datos de una empresa.
La evaluación útil empieza por el workflow. Dos o tres tareas reales, criterios de calidad, costo por resultado, tiempo de respuesta y capacidad de recuperación dicen más que una tabla general.
- Comparar costo por resultado, no precio por token aislado.
- Verificar licencia, disponibilidad real de pesos e infraestructura necesaria.
- Probar adaptación y uso de herramientas en el proceso propio.