Mira Murati lanza Inkling con pesos abiertos y pone en jaque el modelo de negocio de los grandes laboratorios de inteligencia artificial. La exdirectora técnica de OpenAI apuesta por la personalización frente a la potencia bruta, y abre un debate que redefine quién controla realmente la IA empresarial.
Inkling llega al mercado: pesos abiertos contra el oligopolio de los modelos cerrados
Thinking Machines, la startup fundada por Mira Murati tras su salida de OpenAI, ha presentado Inkling, su primer modelo de inteligencia artificial disponible con pesos abiertos. Cualquier empresa puede descargarlo, modificarlo y entrenarlo sobre sus propios datos sin pagar tarifas de API ni depender de una plataforma externa.
La propuesta es una declaración de intenciones directa contra el modelo de negocio dominante en el sector. OpenAI, Anthropic y Google DeepMind ofrecen acceso a sus modelos más potentes exclusivamente a través de interfaces de programación de pago, lo que convierte la dependencia del proveedor en una variable estructural del negocio de sus clientes.
Inkling invierte esa lógica. La ventaja competitiva no reside en el rendimiento del modelo base, sino en la capacidad de cada organización para adaptarlo a sus propios procesos, datos y flujos de trabajo.
Murati y la tesis de Thinking Machines: personalización como ventaja real
Mira Murati dirigió el desarrollo técnico de OpenAI durante años críticos para la compañía, incluyendo el lanzamiento de GPT-4 y la expansión de ChatGPT a más de cien millones de usuarios. Su salida en octubre de 2024 fue uno de los movimientos más comentados del sector tecnológico global.
Thinking Machines se fundó con una tesis diferente a la que Murati aplicó en OpenAI. En lugar de perseguir los primeros puestos en los benchmarks estándar de rendimiento, la empresa prioriza modelos que sean más baratos de desplegar y más fáciles de ajustar para usos específicos.
La lógica subyacente es directa: cuando dos empresas competidoras utilizan el mismo modelo base, la diferencia no la crea el modelo, sino lo que cada una construye sobre él. Murati ha articulado públicamente que los grandes laboratorios operan con una dinámica de planificación central que concentra el poder en pocas manos y limita la autonomía de quienes usan sus herramientas.
Qué significa «pesos abiertos» y por qué cambia las reglas del juego empresarial
Un modelo con pesos abiertos no es exactamente lo mismo que software de código abierto en el sentido clásico, pero comparte su característica más relevante para las empresas: la posibilidad de descargarlo y ejecutarlo en infraestructura propia.
Esto elimina tres fricciones simultáneas. Primera, el coste recurrente por llamada a API, que en aplicaciones de alto volumen puede representar una partida presupuestaria significativa. Segunda, la dependencia de la disponibilidad y las condiciones de servicio de un tercero. Tercera, el riesgo de que datos sensibles o propietarios salgan de los servidores de la empresa para ser procesados externamente.
Para una pyme con un equipo técnico reducido, un despacho de abogados que quiere automatizar revisión documental, o una empresa industrial que necesita integrar IA en su cadena de producción, estas tres fricciones son frecuentemente los obstáculos reales que frenan la adopción.
El escenario concreto: una empresa mediana que entrena Inkling sobre sus propios datos
Imagina una empresa de logística con diez años de registros internos: incidencias, rutas, comunicaciones con proveedores, histórico de reclamaciones. Con un modelo de pesos abiertos como Inkling, su equipo técnico puede descargar el modelo, ajustarlo con esos datos propietarios y desplegar una herramienta de asistencia interna que entiende el vocabulario, los procesos y las prioridades específicas de ese negocio.
El mismo ejercicio con un modelo cerrado de OpenAI o Anthropic requeriría enviar esos datos a servidores externos, asumir costes de API proporcionales al uso y aceptar que el modelo base no se puede modificar en profundidad. El resultado funciona, pero la empresa no controla ni el coste ni la infraestructura ni el grado de personalización posible.
Ese diferencial es exactamente el espacio que Thinking Machines quiere ocupar con Inkling.
El nuevo equilibrio del sector: cuando el modelo deja de ser la ventaja
Durante los últimos tres años, la carrera en inteligencia artificial se ha medido casi exclusivamente en benchmarks: qué modelo responde mejor en razonamiento matemático, comprensión lectora o generación de código. Esa métrica favorece a quien tiene más recursos para entrenar modelos más grandes.
Pero ese marco está cambiando. Meta lleva varios años publicando sus modelos Llama con pesos abiertos, y empresas de todos los tamaños los han adoptado como base para desarrollos propios. Mistral AI, fundada en París en 2023, construyó su propuesta de valor sobre la misma premisa y captó financiación de referencia en el ecosistema europeo.
Lo que Thinking Machines añade a ese movimiento es la credibilidad de su fundadora. Murati no viene del mundo académico ni de una startup sin historial: viene de haber supervisado técnicamente los modelos más influyentes de los últimos años. Eso le da a Inkling una visibilidad que otros modelos abiertos han tardado más en conseguir.
La presión sobre OpenAI, Anthropic y Google DeepMind
Los tres grandes laboratorios han respondido de formas distintas a la presión de los modelos abiertos. Google DeepMind ha publicado versiones abiertas de algunos de sus modelos Gemma. OpenAI mantiene su apuesta por el acceso cerrado como núcleo de negocio, aunque ha flexibilizado condiciones para investigadores. Anthropic sigue un camino similar al de OpenAI.
La llegada de Inkling no amenaza de forma inmediata a estos actores en el segmento de los modelos más potentes. Donde sí genera presión es en el mercado medio: empresas que no necesitan el modelo más avanzado del mundo, sino uno suficientemente bueno que puedan controlar, adaptar y desplegar sin depender de un tercero.
Ese mercado medio es, probablemente, el más numeroso en términos de clientes potenciales. Y hasta ahora ha sido el menos bien servido por los grandes laboratorios.
Thinking Machines e Inkling: qué sigue para Murati y el ecosistema open weights
Si te dedicas al desarrollo de producto, la gestión tecnológica o la estrategia empresarial, la aparición de Inkling plantea una decisión concreta: seguir pagando por acceso a modelos cerrados o invertir en capacidad interna para adaptar modelos abiertos.
La respuesta no es universal. Los modelos cerrados de los grandes laboratorios siguen siendo superiores en tareas complejas de razonamiento y en contextos donde la empresa no tiene datos propietarios suficientes para justificar un ajuste fino. Para esos casos, la API de OpenAI o Claude de Anthropic seguirán siendo la opción más rápida.
Pero para empresas con datos propios, necesidades de privacidad o presupuestos ajustados, Inkling representa una alternativa que antes no existía con esta combinación de origen y propuesta técnica. El movimiento de Murati consolida una tendencia que ya estaba en marcha y añade un actor con suficiente peso para acelerar la normalización de los modelos abiertos en entornos empresariales.
Lo que ven los inversores
Los tres escenarios más probables a corto plazo: que los grandes laboratorios respondan ampliando sus ofertas de modelos abiertos para no perder ese mercado medio; que Thinking Machines capte financiación significativa sobre la base de la tracción de Inkling y amplíe su catálogo de modelos;
o que el sector converja hacia un modelo híbrido en el que las empresas usen modelos abiertos para tareas intensivas en datos propios y modelos cerrados para razonamiento complejo puntual. Los tres escenarios son compatibles entre sí, y es probable que los tres ocurran simultáneamente.
Imagen ilustrativa generada con inteligencia artificial.
Edición con asistencia de herramientas de IA bajo supervisión editorial. Cómo trabajamos.
Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico. Cada artículo se elabora con la asistencia tecnológica de Iberia y se revisa antes de publicarse. Más sobre cómo trabajamos →
