Julio de 2026 ha sido testigo de una actividad sin precedentes en el ámbito de la inteligencia artificial, con la liberación de nueve modelos de IA de pesos abiertos en un lapso de aproximadamente doce días. Este fenómeno marca un punto de inflexión en la carrera por el desarrollo de la IA, evidenciando una aceleración significativa en la disponibilidad de herramientas potentes y accesibles para desarrolladores y empresas. Entre estos lanzamientos, destaca de manera particular Inkling, desarrollado por Thinking Machines Lab, una empresa fundada por la ex CTO de OpenAI, Mira Murati.

Inkling: Un nuevo competidor en el ecosistema abierto

Lanzado el 15 de julio de 2026, Inkling se presenta como un modelo multimodal de 975 mil millones de parámetros, distribuido bajo una licencia Apache 2.0 completamente permisiva. Esto significa que Inkling permite el uso comercial, el ajuste fino y la redistribución sin el pago de regalías, lo que lo posiciona como una alternativa atractiva frente a los modelos propietarios. Este modelo, el primero de Thinking Machines Lab, fue preentrenado con 45 billones de tokens que abarcan texto, imágenes, audio y video, y cuenta con una ventana de contexto de hasta 1 millón de tokens.

La aparición de Inkling es relevante no solo por sus capacidades técnicas, sino también por su origen. Thinking Machines Lab, aunque relativamente nueva, ha logrado captar la atención del sector al lanzar un modelo de código abierto que compite directamente con las ofertas de gigantes como OpenAI y Google DeepMind. La estrategia de la compañía de ofrecer un modelo de pesos abiertos va en contra de la tendencia de los modelos de frontera cerrados, proporcionando una opción viable para aquellos que buscan mayor flexibilidad y control sobre sus implementaciones de IA.

La oleada de lanzamientos: Un mercado en ebullición

La reciente avalancha de modelos de IA de pesos abiertos incluye contribuciones de actores clave como Moonshot AI, Zhipu AI, Google DeepMind y Mistral AI. Esta proliferación subraya una tendencia creciente hacia la democratización de la IA, donde la disponibilidad de modelos con pesos descargables permite a más desarrolladores y organizaciones experimentar y construir sobre estas tecnologías sin las restricciones asociadas a los modelos propietarios.

La brecha entre lo que una empresa puede alojar por sí misma y lo que debe alquilar a proveedores como OpenAI o Anthropic nunca ha sido tan evidente.

Esta dinámica de mercado está generando un ecosistema más competitivo y diversificado. La capacidad de autoalojar modelos de IA de pesos abiertos reduce la dependencia de servicios de terceros y puede ofrecer ventajas significativas en términos de costos y personalización. Mientras que los modelos cerrados como GPT-5.6 y Grok 4.5 continúan evolucionando, el surgimiento de alternativas de código abierto como Inkling, Kimi K3 y GLM-5.2 está redefiniendo las expectativas sobre el acceso y la aplicabilidad de la inteligencia artificial.

Implicaciones para el desarrollo y la estrategia empresarial

La disponibilidad de modelos de IA de pesos abiertos representa una oportunidad estratégica para las empresas y los desarrolladores. Permite una mayor experimentación, la adaptación de modelos a necesidades específicas y la integración de capacidades de IA avanzada en productos y servicios sin incurrir en los altos costos asociados a las licencias de modelos propietarios. Además, fomenta la innovación al permitir que una comunidad más amplia de investigadores y desarrolladores contribuya al avance de la IA.

  • Flexibilidad: Los modelos de pesos abiertos ofrecen mayor libertad para modificar y adaptar la IA a casos de uso específicos.
  • Costo-efectividad: Reducen la dependencia de APIs de pago, disminuyendo los costos operativos a largo plazo.
  • Control: Permiten a las empresas tener un mayor control sobre sus datos y la infraestructura de IA.
  • Innovación: Impulsan la colaboración y el desarrollo comunitario, acelerando el progreso en el campo de la IA.

En este contexto, la elección entre un modelo de IA abierto y uno cerrado dependerá de las prioridades estratégicas de cada organización, considerando factores como el costo, la capacidad de personalización, la seguridad y la necesidad de control sobre la infraestructura subyacente. La reciente ola de lanzamientos de modelos de pesos abiertos sugiere que el futuro de la IA será cada vez más híbrido, con un equilibrio entre soluciones propietarias y de código abierto.