El mercado de la inteligencia artificial lleva meses definido por una carrera por el músculo bruto: modelos cada vez más grandes, más caros y más difíciles de domar. La startup Thinking Machines, fundada por la ex-OpenAI Mira Murati, acaba de lanzar Inkling, un modelo de 975.000 millones de parámetros que da la vuelta a la lógica dominante. La lección para cualquier founder que quiera integrar IA en su negocio es clara: no hace falta ser el más fuerte si sabes ser el más personalizable.
Vamos a los números. Inkling es un modelo de pesos abiertos (open weights), lo que significa que sus componentes centrales están disponibles para que cualquiera los descargue, los modifique y los adapte a sus propios casos de uso. Con 975.000 millones de parámetros totales, de los cuales solo 41.000 millones están activos en cada inferencia, logra un equilibrio entre capacidad y eficiencia. No es el modelo más potente del mercado —la propia compañía lo admite—, pero esa no es la batalla que ha elegido pelear.
Inkling: 975.000 millones de parámetros y código abierto para personalizar la IA
El lanzamiento se apoya en Tinker, una plataforma que Thinking Machines presentó el pasado otoño y que permite afinar el comportamiento de Inkling mediante el ajuste fino de sus respuestas. Ese enfoque coloca el foco en la personalización: cualquier empresa, desde una startup de dos founders hasta una corporación, puede entrenar el modelo con su propia documentación interna, su tono de marca o sus procedimientos, y obtener una IA que hable con su misma voz y aplique sus mismos criterios.
Los 41.000 millones de parámetros activos son la cifra que realmente importa a efectos prácticos: determinan cuánta potencia de razonamiento despliega el modelo por tarea. El usuario decide cuánto esfuerzo dedica Inkling a cada prompt, lo que permite controlar el coste computacional y la profundidad de la respuesta. Una funcionalidad que recuerda a los unit economics que obsesionan a cualquier SaaS: gastar solo los recursos justos en cada cliente.
Cómo Thinking Machines desafía a Anthropic con una IA a medida
El posicionamiento de Thinking Machines recuerda al que Anthropic ha cultivado con Claude: una IA que potencia la inteligencia humana en lugar de sustituirla. Los anuncios de Anthropic apelan a “seguir pensando con Claude” y sus modelos llevan nombres de géneros literarios. Murati y su equipo han tomado ese testigo y lo han llevado un paso más allá: en lugar de un asistente que piensa por ti, proponen un modelo que aprende a pensar contigo.
“Para que la inteligencia artificial se beneficie del conocimiento distribuido, debe estar ella misma distribuida”, escribió la compañía en su blog tras el lanzamiento. Esa declaración de principios es casi un manifiesto para cualquier organización que quiera retener su conocimiento propietario sin cederlo a un modelo genérico. La personalización, en este contexto, no es una funcionalidad cosmética: es la barrera de entrada que protege la ventaja competitiva de una empresa.
La terminal de Inkling incluso permite instruir al modelo sobre el estilo de respuesta: se le puede pedir que escriba como un artículo de The New Yorker o que conteste solo con acertijos. El sistema, además, comunica al usuario cómo está procesando el prompt, paso a paso, lo que añade una capa de transparencia poco habitual en los grandes modelos cerrados. Esa trazabilidad puede ser decisiva para departamentos legales, equipos de compliance o cualquier founder que necesite explicar cómo su IA ha llegado a una conclusión.
📦 Caso de estudio: Thinking Machines
- El reto: Competir en un mercado liderado por OpenAI y Anthropic sin una potencia bruta superior ni un presupuesto ilimitado.
- La jugada: Apostar por el código abierto y la personalización extrema, permitiendo que cada cliente moldee el modelo a su imagen.
- El resultado: El lanzamiento de Inkling generó atención mediática inmediata y posicionó a la startup como alternativa para empresas que necesitan IA a medida, no un producto de masas.
- La lección: No compitas por el mismo eje que los gigantes. Si el mercado se pelea por la potencia, tú pelea por la adaptabilidad. Un producto que se acopla a los procesos del cliente es mucho más difícil de sustituir que uno genérico.
El enfoque de Thinking Machines tiene un paralelismo claro con lo que ocurrió en el software empresarial hace una década: las grandes suites integradas perdieron terreno frente a herramientas especializadas que se integraban mejor con el resto del stack. Salesforce contra los CRM monolíticos, Slack contra el email corporativo. Inkling apunta a la misma lógica: no es la navaja suiza de la IA, sino la pieza que encaja exactamente en el engranaje de cada organización.
La personalización no es un adorno: es la barrera competitiva más difícil de copiar, porque exige construir sobre procesos reales de cada cliente.
Lo que esta estrategia enseña a cualquier startup que quiera integrar IA
El caso de Inkling es útil especialmente para founders que están evaluando si deben competir con modelos fundacionales propios o integrar soluciones existentes. La respuesta no es binaria. La startup que no puede entrenar un modelo de billones de parámetros puede, en cambio, especializarse en el fine‑tuning vertical: tomar un modelo abierto, alimentarlo con datos propietarios de un sector y empaquetarlo como servicio. Es el camino que han recorrido empresas como Mistral en Europa o la propia Meta con Llama.
Otro precedente relevante es el de las startups que construyeron capas de personalización sobre los grandes modelos de lenguaje nada más lanzarse GPT-3. Algunas lograron valoraciones de decenas de millones simplemente porque dominaban el ajuste y la UX, no porque tuvieran su propio modelo. La barrera ha subido, pero la lección es válida: el valor no está siempre en el motor, sino en cómo lo pones al volante de un caso de uso concreto.
Inkling también abre la puerta a un modelo de negocio de IA como servicio donde la personalización es el core, no un add-on. Para una startup que venda a otras startups, ofrecer un asistente que absorba el manual de onboarding, el tono de la marca y los procedimientos internos en cuestión de horas puede ser un argumentario de ventas demoledor. No vendes tecnología: vendes un compañero digital que habla el mismo idioma que el cliente.
🚀 Hoja de Ruta para Emprender
- Apuesta por la personalización: Si no puedes competir en potencia bruta, construye capas de adaptación que hagan que tu producto resulte irreemplazable para un nicho concreto.
- Explora los modelos de pesos abiertos: Herramientas como Llama, Mistral o ahora Inkling permiten a una startup pequeña entrenar una IA con sus propios datos sin pagar las API de los gigantes. La barrera de entrada ha bajado drásticamente.
- Convierte la transparencia en argumento de venta: Si tu producto explica cómo llega a sus conclusiones, ganas una confianza que los modelos opacos no pueden igualar. Es un diferencial clave para clientes regulados o con alta exigencia de compliance.
- Controla tu burn rate de IA: La posibilidad de ajustar cuánto razonamiento gasta el modelo por tarea te permite escalar sin disparar los costes de cómputo. Diseña tus procesos internos para que el esfuerzo de la IA sea proporcional al valor que aporta a cada cliente.
