Blog · Modelos de IA

Inkling 2 Mini: especificaciones, benchmarks y cómo ejecutarlo con Ollama y Hugging Face

Inkling 2 Mini es el modelo Mixture-of-Experts en bucle, de pesos abiertos y licencia Apache 2.0, de Thinking Machines Lab, lanzado el 20 de noviembre de 2026: 26.4B de parámetros en total y 3.4B activos en un único checkpoint de unos 20 GB que funciona en un Mac con 32 GB de memoria o en una sola NVIDIA DGX Spark. Recibe texto e imágenes y escribe texto, con una ventana de contexto de hasta 1M de tokens. Esta guía explica qué significa "en bucle", las especificaciones, cómo ejecutarlo con Ollama, Hugging Face y las cuantizaciones GGUF de Unsloth, el hardware que necesita, los benchmarks de Thinking Machines y de Artificial Analysis, y cómo se compara con Qwen3.8-27B. Actualizado el 21 de noviembre de 2026.

Qué es Inkling 2 Mini

Inkling 2 Mini es de Thinking Machines Lab y se lanzó el 20 de noviembre de 2026, con los pesos en Hugging Face bajo Apache 2.0. Thinking Machines señala como usos previstos los sistemas agénticos y de uso de herramientas, los asistentes de programación, los chatbots y la generación aumentada por recuperación (RAG), además de la investigación, el ajuste fino y los productos de terceros.

Es un transformer "en bucle" (looped). El modelo almacena 24 capas de decodificador, agrupadas en cuatro bloques de seis. El primer y el último bloque se ejecutan una vez. Las 12 capas centrales (bloques 2 y 3) se ejecutan tres veces seguidas con los mismos pesos. Así, cada token pasa por 48 aplicaciones de capa mientras que en disco solo se guardan 24 capas. El modelo obtiene más cómputo por token sin hacerse más grande.

Las capas feed-forward son una Mixture of Experts dispersa: cada token usa 8 de 128 expertos por capa. Thinking Machines entrenó con 384 expertos y podó dos tercios. De los 26.4B de parámetros, 3.4B están activos por token; cada pasada extra por el bucle añade unos 1.0B de parámetros activos efectivos, así que con tres pasadas son 5.4B activos efectivos por token.

  • Los pesos son en su mayoría de 4 bits: NVFP4 en 20 capas y MXFP8 en las 4 últimas, en un único archivo de unos 20 GB.
  • La atención mezcla capas locales y globales. Las imágenes pasan por un vision transformer; Thinking Machines recomienda que cada lado de la imagen mida entre 40 y 4096 píxeles.
  • Inkling 2 Small es su hermano mayor en la misma colección de Hugging Face, con 594B de parámetros.

Especificaciones de Inkling 2 Mini

Inkling 2 Mini
CreadorThinking Machines Lab, Inc.
Lanzamiento20 de noviembre de 2026
LicenciaApache 2.0
Repositorio en Hugging Facethinkingmachines/Inkling-2-Mini
Parámetros26.4B en total, 3.4B activos, 5.4B activos efectivos por token con tres pasadas por el bucle
Capas24 almacenadas, 48 aplicadas por token (las 12 centrales se ejecutan tres veces)
Expertos8 de 128 por token y por capa
PrecisiónNVFP4 (20 capas) y MXFP8 (las 4 últimas)
Tamaño del checkpointUnos 20 GB (archivo safetensors principal de 19.5 GB, más un archivo de multi-token prediction de 0.64 GB)
Ventana de contextoHasta 1M de tokens
Entrada / salidaTexto e imagen de entrada, texto de salida
Muestreo por defectotemperature 1.0 en generation_config.json; la ficha del modelo no da otros ajustes
Fecha de corte de los datos de entrenamientoNo se indica

Cómo ejecutar Inkling 2 Mini

Los comandos siguientes están copiados de cada página de origen el 21 de noviembre de 2026. No los hemos ejecutado nosotros.

  1. Ollama

    La página de Ollama en su biblioteca lista inkling-2-mini:latest, inkling-2-mini:26b-a5b y inkling-2-mini:26b-a5b-nvfp4 (MLX), cada uno de 20GB con 1M de contexto y entrada de texto e imagen. La página dice que necesita la versión preliminar de Ollama (enlaza una descarga de la vista previa, sin número de versión) y un Mac con 32GB+ de memoria, y que también funciona en una DGX Spark. Consulta la página de Ollama.

    # De la página de Ollama en su biblioteca (requiere la versión preliminar de Ollama; Mac con 32GB+ de memoria)
    ollama run inkling-2-mini
  2. Hugging Face

    Los pesos están en thinkingmachines/Inkling-2-Mini. La ficha del modelo no incluye código propio; indica como compatibles SGLang, vLLM, TokenSpeed, NVIDIA Dynamo, Unsloth, llama.cpp (para GGUF), Llama App, Ollama y Exo Labs, y enlaza páginas de recetas de SGLang y vLLM. Las líneas de abajo son el fragmento generado automáticamente por Hugging Face para vLLM.

    # Fragmento "Use this model" generado automáticamente por Hugging Face, no escrito por Thinking Machines
    pip install vllm
    vllm serve "thinkingmachines/Inkling-2-Mini"
  3. GGUF de Unsloth: obtén la compilación de llama.cpp de Unsloth

    La guía de Unsloth usa versiones del fork de llama.cpp de Unsloth. Esta es su compilación para Apple silicon; la guía también tiene compilaciones para NVIDIA CUDA 12, AMD ROCm, Windows CUDA 12 y DGX Spark.

    # Guía de Unsloth: compilación de llama.cpp del fork de Unsloth, Apple silicon
    curl -L -o llama.tar.gz https://github.com/unslothai/llama.cpp/releases/download/b12588-mix-c0c3de8/llama-b12588-mix-c0c3de8-bin-macos-arm64.tar.gz
    mkdir -p llama.cpp
    tar -xzf llama.tar.gz -C llama.cpp --strip-components=1
    ./llama.cpp/llama-server --version
  4. Descarga la cuantización recomendada

    Esto descarga UD-Q4_K_XL (17.6 GB), el proyector de visión mmproj-F16.gguf (añade 639 MB) y un modelo borrador de 0.4 GB para la decodificación especulativa, desde unsloth/Inkling-2-Mini-GGUF.

    pip install -U huggingface_hub
    hf download unsloth/Inkling-2-Mini-GGUF \
        Inkling-2-Mini-UD-Q4_K_XL.gguf mmproj-F16.gguf dspark-Inkling-2-Mini-Q8_0.gguf \
        --local-dir Inkling-2-Mini-GGUF
  5. Inicia llama-server

    El comando de Unsloth para macOS, Linux y WSL. Fija un contexto de 32K; reduce --ctx-size si te quedas sin memoria.

    ./llama.cpp/llama-server \
        --model Inkling-2-Mini-GGUF/Inkling-2-Mini-UD-Q4_K_XL.gguf \
        --mmproj Inkling-2-Mini-GGUF/mmproj-F16.gguf \
        --model-draft Inkling-2-Mini-GGUF/dspark-Inkling-2-Mini-Q8_0.gguf \
        --spec-type draft-dspark --spec-draft-n-max 3 --n-gpu-layers-draft 99 \
        --jinja --ctx-size 32768 --n-gpu-layers 99 --parallel 1 \
        --temp 1.0 --top-p 1.0 --top-k 0 --min-p 0.0 \
        --host 127.0.0.1 --port 8080
  6. O usa la CLI de Unsloth

    Un solo comando de la misma guía.

    unsloth run --model unsloth/Inkling-2-Mini-GGUF:UD-Q4_K_XL \
        --temp 1.0 --top-p 1.0 --top-k 0 --min-p 0.0

Fuentes: Ollama, Hugging Face, Unsloth

Cuantizaciones GGUF de Unsloth para Inkling 2 Mini

Tamaños de la guía de Unsloth. Unsloth recomienda UD-Q4_K_XL. Frente a UD-Q8_K_XL, mide para UD-Q4_K_XL una divergencia KL media de 0.0107, con el mismo token más probable el 98.0% de las veces; UD-Q3_K_XL 0.0174 / 96.3%; UD-Q2_K_XL 0.0595 / 91.6%; UD-IQ1_S 0.0911 / 89.4%.

CuantizaciónTamaño del archivoNota
UD-IQ1_S7.76 GB-
UD-IQ1_M8.02 GB-
UD-IQ2_XXS8.49 GB-
UD-Q2_K_XL9.14 GB-
UD-IQ3_XXS11.66 GB-
UD-Q3_K_XL13.63 GB-
UD-IQ4_XS15.73 GB-
UD-Q4_K_M16.61 GB-
UD-Q4_K_XL17.63 GBRecomendada por Unsloth
UD-Q8_K_XL22.87 GBReferencia para las cifras de KLD

Ajustes recomendados

  • Muestreo: la guía de Unsloth usa temperature 1.0, top-p 1.0, top-k 0 y min-p 0.0. El generation_config.json de Thinking Machines fija solo temperature 1.0.
  • Contexto: Unsloth empieza en 32K (--ctx-size 32768) y dice que se reduzca si la memoria va justa. El modelo admite hasta 1M de tokens.
  • Razonamiento: la ficha del modelo dice que poner el esfuerzo de razonamiento al mínimo no desactiva el razonamiento del todo.
  • Límites: la ficha dice que el modelo a veces se atasca en bucles de razonamiento largos, sobre todo al depurar código, y recomienda poner límites a los tokens de salida y a los turnos del agente.

Requisitos de hardware de Inkling 2 Mini

Lo que dice cada fuente. Las imágenes, un contexto más largo y otras aplicaciones en el equipo consumen más memoria. La ficha también señala que la compatibilidad con modelos en bucle en los runtimes locales es reciente y que la velocidad varía según el runtime y el hardware, y que, al ejecutarse tres veces las capas centrales, el cómputo por token es mayor de lo que sugiere el número de parámetros activos.

FuenteQué dice
Ficha del modelo de Thinking MachinesCheckpoint de unos 20 GB. Compatible: 1x NVIDIA DGX Spark, o Apple silicon con 32GB+ de memoria (MacBooks, Mac minis, Studios). Otras GPU y plataformas son posibles, con 32GB o más de VRAM recomendados.
Entrada de lanzamiento de Thinking MachinesFunciona con Ollama en cualquier Mac con al menos 32GB de RAM. La DGX Spark (128GB) tiene compatibilidad nativa con NVFP4.
OllamaMac con 32GB+ de memoria; también DGX Spark.
Unsloth (GGUF, RAM + VRAM o memoria unificada)1 bit 9 GB, 2 bits 10-11 GB, 3 bits 13-15 GB, 4 bits 17-18 GB, 8 bits 24 GB.

Benchmarks de Inkling 2 Mini (cifras de Thinking Machines)

Son los resultados propios de Thinking Machines de su entrada de lanzamiento, una selección de sus filas. Son datos autodeclarados, no ejecuciones independientes.

BenchmarkInkling 2 MiniQwen3.8-27BGemma 4 31BNemotron 3.5 Super VL
DeepSWE v1.148.2%42.2%0.3%24.7%
SWE-bench Pro v2 (Hard)77.9%73.8%14.2%44.1%
SWE-bench Verified (bash only)79.2%77.8%46.1%71.1%
Terminal Bench v2.171.6%73.0%43.4%60.7%
Vals Index v2.246.5%--29.8%
AA Index v5.020.120.14.413.6
BrowseComp (with compaction)79.0%61.6%37.0%78.9%
MCP Atlas (Public)82.7%77.3%54.2%67.7%
HLE-Diamond15.2%15.3%7.2%8.8%
ARC-AGI v1 / v284.5% / 49.3%87.5% / 42.4%-22.7% / 1.5%
MMMU Pro Standard 1074.9%76.3%73.4%72.3%
AA-Omniscience non-hallucination rate63.4%71.4%14.5%69.5%

Dónde dice Thinking Machines que se queda corto

  • MultiChallenge 50.0% y ComplexConstraints v1.1 33.4%, ambos por detrás de Qwen3.8-27B. También queda por detrás de modelos más grandes en CritPt v2 y HLE-Diamond.
  • Eficiencia: en la medida de inteligencia por vatio de Stanford sobre una DGX Spark, la entrada reporta 0.703, frente a 0.430 de Qwen3.6-35B-A3B, 0.159 de Gemma-4-26B-A4B y 0.036 de Qwen3.5-27B.
  • Limitaciones de la ficha del modelo: afirma información errónea con seguridad con más frecuencia que los modelos más grandes, puede borrar o sobrescribir archivos sin preguntar, y la calidad de la salida es menor fuera del inglés.

Inkling 2 Mini en Artificial Analysis (terceros)

Artificial Analysis (AA) es un sitio independiente de benchmarks. Estas cifras proceden de su página de Inkling 2 Mini, consultada el 21 de noviembre de 2026; la página no muestra fecha de última actualización.

  • Intelligence Index v5.0.1: 20.
  • Velocidad de salida: 280 tokens por segundo.
  • Precio: $0.15 por millón de tokens de entrada y $0.50 por millón de tokens de salida.
  • Coste de ejecutar el Intelligence Index: $0.59, según lo muestra AA.
  • Ventana de contexto: 1M de tokens.

Inkling 2 Mini vs Qwen 3.8 27B

Las especificaciones salen de la ficha de cada modelo en Hugging Face, las filas de AA de las dos páginas de modelo de AA (ninguna menciona al otro modelo; la comparación lado a lado es nuestra) y las filas de benchmarks de la tabla de Thinking Machines. Una salvedad: las cifras de Qwen de Thinking Machines no siempre son la variante que reporta Qwen. Su 73.8% es en SWE-bench Pro v2 (Hard) y su 15.3% en HLE-Diamond; la ficha de Qwen da 61.7 en SWE-bench Pro y 30.8 en HLE. No las mezcles. Ambos reportan 73.0 en Terminal Bench 2.1.

Inkling 2 MiniQwen3.8-27B
Lanzamiento20 de noviembre de 202614 de agosto de 2026 (según AA)
LicenciaApache 2.0Apache 2.0
ArquitecturaMoE en bucle: 26.4B en total, 3.4B activos (5.4B efectivos)Densa de 27B, todos los parámetros activos, 64 capas
PesosUnos 20 GB, NVFP4 y MXFP8BF16
Contexto nativo1M de tokens262,144 tokens, hasta 1M con YaRN
EntradaTexto, imagenTexto, imagen, vídeo
AA Intelligence Index2020 (xhigh); 17 medium, 16 low, 10 non-reasoning
Velocidad de salida en AA280 tok/s53 tok/s (xhigh)
Precio en AA entrada / salida por 1M$0.15 / $0.50$0.50 / $3.00 (API de Alibaba)
SWE-bench Verified, bash only (TML)79.2%77.8%
SWE-bench Pro v2 Hard (TML)77.9%73.8%
Terminal Bench v2.1 (TML)71.6%73.0%
MCP Atlas (TML)82.7%77.3%
BrowseComp (TML)79.0%61.6%

Lo que muestra esa comparación

  • Mismo AA Intelligence Index (20), pero AA mide a Inkling 2 Mini con unas cinco veces más velocidad de salida y lista precios por token más bajos.
  • En la tabla de Thinking Machines, Inkling gana en los benchmarks de tipo SWE, BrowseComp, MCP Atlas y ARC-AGI v2, y pierde en Terminal Bench, ARC-AGI v1, MMMU Pro, HLE-Diamond (por 0.1), AA-Omniscience, MultiChallenge y ComplexConstraints.
  • Qwen3.8-27B admite entrada de vídeo y tiene el pensamiento activado por defecto, con esfuerzo de razonamiento xhigh, medium y low. Inkling 2 Mini tiene el contexto nativo más largo y una descarga más pequeña.

Qué significa Inkling 2 Mini para los agentes de programación

  • Thinking Machines incluye los asistentes de programación y los sistemas agénticos y de uso de herramientas entre sus usos previstos, y con unos 20 GB es lo bastante pequeño para ejecutarse en local en un Mac de 32 GB detrás de un arnés de agente, con el comando llama-server de Unsloth sirviéndolo en 127.0.0.1:8080.
  • La ficha es directa sobre los riesgos: al usar herramientas es menos fiable que los modelos más grandes a la hora de seguir instrucciones detalladas y las convenciones del proyecto, puede realizar acciones destructivas sin confirmación y puede no informar con exactitud del resultado de su trabajo.
  • Su consejo para quienes lo despliegan: ejecutar las cargas agénticas en un sandbox, limitar los tokens de salida y los turnos del agente, y mantener la revisión humana en las salidas de alto riesgo.

La demo jugable: el simulador de vuelo PlaneBench

Según vibegamer.io, Thinking Machines publicó un simulador de vuelo con el lanzamiento, que su entrada llama la demo del simulador de vuelo PlaneBench. Inkling 2 Mini lo construyó sin conexión en un MacBook Pro durante un vuelo, en unos minutos: despegas desde una pista y sobrevuelas colinas, montañas y mar generados de forma procedural. Juégalo en vibegamer.io.

Para otros juegos hechos con Inkling 2 Mini, consulta juegos de Inkling 2 Mini en vibegamer.io.

Con Crewmark

Un modelo nuevo es solo la mitad. La otra mitad es un trabajo.

Los modelos mejoran y se abaratan, y los agentes que los rodean siguen esperando el siguiente prompt. Crewmark convierte las sesiones de agentes de programación en empleados de IA con un rol, un objetivo en cifras, un horario laboral y un heartbeat, para que tomen por su cuenta el siguiente issue de un tablero. Los empleados de Claude Code y Codex se ejecutan de forma nativa; otros agentes, como OpenCode, DeepSeek Harness y Gemini, se conectan mediante ACP (acpx). Un empleado usa el modelo que ejecute su agente.

  1. Elige un rol

    Entre los roles de empleados de IA, como un ingeniero de software de IA.

  2. Pon el trabajo en un tablero

    Asigna issues, haz que los habituales se repitan y deja que el heartbeat despierte al empleado para tomar el siguiente.

  3. Mira lo que puede hacer

    Los trabajos con la configuración y las reglas de cada agente están en los casos de uso de Claude Code y los casos de uso de Codex.

Preguntas frecuentes

¿Qué es Inkling 2 Mini?

Un modelo de pesos abiertos y licencia Apache 2.0 de Thinking Machines Lab, lanzado el 20 de noviembre de 2026. Es un transformer Mixture-of-Experts en bucle con 26.4B de parámetros en total y 3.4B activos (5.4B efectivos), recibe texto e imágenes, escribe texto y admite hasta 1M de tokens de contexto. El checkpoint ocupa unos 20 GB.

¿Dónde está Inkling 2 Mini en Hugging Face?

En thinkingmachines/Inkling-2-Mini, dentro de la colección Inkling 2 de Thinking Machines. Las cuantizaciones GGUF de Unsloth están en unsloth/Inkling-2-Mini-GGUF.

¿Cómo ejecuto Inkling 2 Mini con Ollama?

Instala la versión preliminar de Ollama y ejecuta ollama run inkling-2-mini. La página de Ollama dice que necesita un Mac con 32GB+ de memoria y que también funciona en una DGX Spark. Cada tag pesa 20GB.

¿Quién hizo Inkling 2 Mini?

Thinking Machines Lab. Es el modelo más pequeño de la colección Inkling 2; Inkling 2 Small es el más grande, con 594B de parámetros. Thinking Machines también lo ofrece a través de su plataforma Tinker.

¿Es bueno Inkling 2 Mini?

En la tabla propia de Thinking Machines obtiene 79.2% en SWE-bench Verified (bash only), 71.6% en Terminal Bench v2.1 y 82.7% en MCP Atlas. Su ficha del modelo advierte de que puede afirmar datos erróneos con seguridad, atascarse en bucles de razonamiento y realizar acciones destructivas sin confirmación, así que ejecútalo en un sandbox con límites de turnos y de salida.

¿Qué dice Artificial Analysis sobre Inkling 2 Mini?

El 21 de noviembre de 2026, Artificial Analysis lo listaba con 20 en su Intelligence Index v5.0.1, con 280 tokens de salida por segundo y $0.15 / $0.50 por millón de tokens de entrada y de salida.

Inkling 2 Mini vs Qwen 3.8 27B: ¿cuál es mejor?

Artificial Analysis da 20 a ambos en su Intelligence Index; mide a Inkling 2 Mini unas cinco veces más rápido y lo lista más barato por token. En la tabla de Thinking Machines, Inkling gana en SWE-bench y MCP Atlas y pierde en Terminal Bench y MMMU Pro. Qwen3.8-27B es denso, admite entrada de vídeo y tiene 262K de contexto nativo frente a 1M de Inkling.

¿Cuánta memoria necesita Inkling 2 Mini?

Thinking Machines da soporte a Apple silicon con 32GB+ de memoria o a una DGX Spark, y recomienda 32GB o más de VRAM en otras GPU. Las cuantizaciones GGUF de Unsloth necesitan unos 9 GB en 1 bit y hasta 24 GB en 8 bits, y 17-18 GB para la UD-Q4_K_XL de 4 bits recomendada.

Verificado con la entrada de lanzamiento y la ficha del modelo de Thinking Machines, las páginas del modelo en Hugging Face, la página de Ollama en su biblioteca, la guía de Unsloth y Artificial Analysis el 21 de noviembre de 2026. No ejecutamos los comandos.

Pon los modelos más recientes a un trabajo fijo.

Crewmark convierte las sesiones de agentes de programación en empleados de IA con roles, objetivos, horario laboral y un heartbeat.

Crewmark es de código abierto: danos una estrella en GitHub