Inkling Small: qué es y cómo probarlo en tu oficina
Inkling Small explicado para equipos en México: qué es, qué dicen las fuentes y cómo probarlo con 5 tareas de oficina antes de decidir.

En este artículo (4)
El Inkling Small es la versión compacta del primer modelo de pesos abiertos de Thinking Machines Lab. Este artículo es para equipos y profesionistas en México que quieren saber si vale la pena probarlo: qué es, qué dicen las fuentes y cómo evaluarlo sin riesgo.
En resumen
- Inkling Small tiene 276 mil millones de parámetros totales y 12 mil millones activos por token.
- Es un modelo de pesos abiertos, pensado como punto de partida para personalizar; la empresa admite que no es el más fuerte del mercado.
- Antes de decidir, pruébalo con cinco tareas reales de tu oficina y compáralo con lo que ya usas.
Qué es Inkling Small
Thinking Machines Lab presentó Inkling el 15 de julio de 2026 como su primer modelo de pesos abiertos. Según el análisis de DataCamp, la empresa lo plantea como base para personalizar y reconoce que no es “el modelo más fuerte disponible hoy, abierto o cerrado”.
Inkling Small es la variante más chica. Usa una arquitectura mixture-of-experts: de todos sus parámetros solo se activa una parte por cada token. Un analista citado por InfoWorld señala que esto podría bajar costos de infraestructura y latencia sin perder demasiado desempeño.
| Dato | Inkling | Inkling Small |
|---|---|---|
| Parámetros totales | 975 mil millones | 276 mil millones |
| Parámetros activos | 41 mil millones | 12 mil millones |
| Ventana de contexto | 1 millón de tokens | 524 mil tokens |
Fuentes: DataCamp (Inkling) y la ficha de OpenRouter (contexto de Inkling Small).

Cómo probarlo en tu oficina
Imagina un equipo de compras en Guadalajara que resume correos de proveedores cada semana. En lugar de cambiar de herramienta por la noticia, define cinco tareas típicas, usa las mismas instrucciones en el modelo actual y en Inkling Small, y compara los resultados.
Si quieres un método completo, revisa cómo comparar modelos de IA con cinco tareas de oficina y cómo calcular el costo de la IA por tarea. DataCamp añade que Thinking Machines sigue estudiando cómo cambia el comportamiento de seguridad cuando un cliente ajusta el modelo, así que no personalices sin revisión técnica.
Cuándo no vale la pena
Un modelo abierto exige que alguien lo ejecute, lo vigile y lo actualice. Si tu equipo solo necesita redactar y resumir, un servicio en la nube puede bastar. Para el panorama completo, lee cuándo sí conviene un modelo de IA abierto en la empresa.

Preguntas frecuentes
¿Qué significa que un modelo tenga pesos abiertos?
Que los parámetros ya entrenados se publican para que otros puedan ejecutarlo y adaptarlo. Revisa siempre la licencia de cada modelo antes de usarlo en tu empresa.
¿Inkling Small es mejor que los modelos cerrados?
La propia empresa dice que Inkling no es el modelo más fuerte disponible hoy. Por eso conviene medirlo con tus tareas y no con la publicidad.
¿Necesito programar para probarlo?
Para una prueba sencilla basta un servicio que lo ofrezca, como OpenRouter, con apoyo de alguien técnico. Para uso interno, involucra a TI desde el inicio.
Si quieres aprender a evaluar modelos y llevar la IA a tu trabajo con criterio, conoce la oferta educativa de AI Lab School o escríbenos por WhatsApp para platicar tu caso.



