thinkingmachines
Thinking Machines: Inkling
thinkingmachines/inkling
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Inkling es un modelo multimodal generalista de pesos abiertos de Thinking Machines Lab. La documentación describe entradas de texto, imagen y audio con salida de texto UTF-8, una arquitectura dispersa de mezcla de expertos con 975.000 millones de parámetros totales y 41.000 millones activos, y soporte para inglés además de capacidades multilingües generales. OpenRouter reporta una ventana de contexto de 524.288 tokens y esfuerzo de razonamiento configurable. La documentación lo orienta a codificación, sistemas agénticos y de uso de herramientas, chatbots y generación aumentada por recuperación; sus resultados de evaluación y seguridad deben tratarse como evidencia reportada por el proveedor, no como validación independiente.[1][2]
Puntos fuertes
- Acepta entradas de texto, imagen y audio y genera texto UTF-8; la documentación describe un transformador disperso de mezcla de expertos nativamente multimodal.[2]
- Los pesos abiertos, el soporte BF16/NVFP4 y las recetas locales publicadas facilitan investigación, ajuste fino y despliegue fuera de una API alojada.[2]
- OpenRouter reporta llamadas a herramientas, esfuerzo de razonamiento configurable y una ventana de contexto de 524.288 tokens para cargas agénticas o de contexto largo.[1]
Limitaciones
- La evidencia se limita al catálogo de OpenRouter y a la documentación del modelo del proveedor; no se incluye una evaluación independiente, por lo que conviene validar con cargas reales.[1][2]
- La documentación advierte sobre alucinaciones, seguimiento imperfecto de instrucciones, degradación en conversaciones largas, rendimiento desigual por idioma o dominio y cumplimiento residual de indicaciones dañinas en juegos de rol o formuladas indirectamente.[2]
- Para resultados óptimos, la documentación indica límites prácticos: imágenes idealmente de 40-4096 píxeles por lado y audio WAV de 16 kHz idealmente de menos de 20 minutos.[2]
Dónde utilizarlo
- Puede ser un candidato razonable para asistentes que respondan en texto usando contexto de imagen o audio, sujeto a validación multimodal.[1][2]
- Puede convenir para asistentes de codificación, sistemas agénticos con herramientas, chatbots y RAG, con evaluación y salvaguardas a nivel de aplicación.[1][2]
- Conviene considerarlo cuando los pesos abiertos, el ajuste fino o el despliegue local sean requisitos del proyecto.[2]
Fuentes
- [1] OpenRouter catalog · Thinking Machines: InklingFuentes consultadas: 13 nov 2026
- [2] Model documentation · Thinking Machines: InklingFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Inkling is an open-weight multimodal mixture-of-experts model from Thinking Machines Lab, with 41B active parameters out of 975B total. It is designed for general-purpose reasoning, coding, agentic and tool-use systems,...
Especificaciones
- ID del modelo
- thinkingmachines/inkling
- ID canónico
- thinkingmachines/inkling-20260715
- Creador
- thinkingmachines
- Añadido a OpenRouter
- 17.07.2026
- Longitud de contexto
- 524,288
- Modalidad
- text+image+audio->text
- Modalidades de entrada
- text, image, audio
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $1 / salida $4.05
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | CC — por debajo de la franja B | razonamiento: opcional · predeterminado high · esfuerzos: max, high, medium, low, minimal, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | BB — siguiente 30% de la cohorte | — |
| Agentes | BB — siguiente 30% de la cohorte | parámetros: tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · predeterminado high · esfuerzos: max, high, medium, low, minimal, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | entrada: audio |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 12.5 | CC — por debajo de la franja B | 13.11.2026 |
| Artificial Analysis | Coding index | 52.1 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 22.5 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · webappstasa de victoria 48.6% · posición 28 | 1,177Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 39.9% · posición 71 | 1,145Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 34.1% · posición 67 | 1,087Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 41.9% · posición 66 | 1,195Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 37.8% · posición 79 | 1,158Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 37.4% · posición 75 | 1,153Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 34.5% · posición 65 | 1,102Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 40.1% · posición 68 | 1,190Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 44.4% · posición 61 | 1,216Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Together | 524,288 | $1 | $4.05 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.