Las primeras semanas de noviembre dejaron tres anuncios importantes en el mundo de los modelos de pesos abiertos, es decir, aquellos que cualquiera puede descargar y ejecutar en sus propios equipos. Thinking Machines publicó Inkling 2 Small; Ricursive Intelligence, una empresa de diseño de chips con IA, lanzó Ripple-65B Preview, y Baidu liberó ERNIE 5.5 Flash Base. Los tres están en Hugging Face, pero sirven para cosas distintas, exigen máquinas muy diferentes y vienen con condiciones de uso que conviene leer antes de construir un producto encima.
Inkling 2 Small tiene la mayor cantidad total de parámetros de los tres. Según el anuncio de Thinking Machines, la empresa liderada por la exdirectora técnica de OpenAI Mira Murati, se trata de un modelo de mezcla de expertos con 594.000 millones de parámetros en total, de los cuales solo 17.000 millones se activan para cada token. Acepta texto e imágenes, permite ajustar cuánto razona antes de responder y no procesa audio. The Decoder informó el 6 de noviembre que obtiene 31 puntos en el índice de inteligencia de Artificial Analysis, frente a los 13 de su antecesor, lo que lo deja como el modelo abierto mejor ubicado fuera de China y a la altura de Gemini 3.8 Flash. Según el mismo medio, en la prueba de programación SWE-Bench Pro v2 en su versión difícil alcanza 86,3%.
El estado de Inkling cambió durante la semana. Al lanzarse solo estaba disponible a través de Tinker, la plataforma de pago de la empresa, y Thinking Machines prometía liberar los pesos con licencia Apache 2.0 tras pruebas externas de seguridad. En una actualización del 12 de noviembre, la compañía anunció que los pesos ya se pueden descargar, y la ficha del modelo en Hugging Face lo publica con licencia Apache 2.0, que permite uso comercial sin restricciones relevantes. La propia empresa reconoce limitaciones: no siempre comunica con eficiencia, no elige bien sus herramientas en proyectos de código grandes, está menos optimizado para conversar y queda por detrás de modelos cerrados en evaluaciones de alineamiento. The Decoder agrega que consume cerca de 150.000 tokens de salida por tarea, cuatro veces más que su antecesor, aunque The Decoder sitúa su costo por tarea en US$1,18 en la evaluación de Artificial Analysis, frente a US$7,77 de Gemini 3.8 Flash y US$10,02 de Claude Sonnet 5.5; esa comparación no mide el costo total de operarlo en equipos propios.
Ripple-65B Preview apuesta por otro camino. De acuerdo con The Decoder, es un modelo denso, no de mezcla de expertos, de 65.000 millones de parámetros, entrenado con 12 billones de tokens y con un costo total de desarrollo de unos 32 millones de dólares. Su fuerte es la programación agéntica: obtuvo 80,52 en TerminalBench 2.1, que la empresa presenta como el mejor resultado entre los modelos abiertos estadounidenses, aunque en otras pruebas de código queda por debajo de Inkling 2 Small, por ejemplo con 79,1% frente a 86,3% en SWE-Bench Pro v2 difícil. Se publicó en Hugging Face con licencia Apache 2.0 y, por su tamaño, es el más fácil de los tres de montar en equipos propios: su ficha en Hugging Face afirma que cabe en hardware de consumo como la NVIDIA DGX Spark, un computador de escritorio para IA. Inkling 2 Small juega en otra liga: según su ficha, la versión principal exige un clúster de GPU con al menos 500 GB de memoria de video combinada, por ejemplo dos NVIDIA B300 o cuatro H200, y la versión MXFP8 pide al menos 800 GB.
ERNIE 5.5 Flash Base, de Baidu, es un modelo base: según The Decoder, se publicó sin ajuste fino ni postentrenamiento, por lo que está pensado para que otros lo especialicen, y la versión ajustada llegará después. La ficha en Hugging Face indica que tiene 280.000 millones de parámetros totales con 14.000 millones activos por token, que se preentrenó con 33,5 billones de tokens y que maneja contextos de 128.000 tokens en entrenamiento y hasta un millón en ajuste fino e inferencia. Se distribuye en formatos FP8 y BF16.
La licencia de ERNIE es la que exige más atención. No es Apache ni MIT, sino un acuerdo propio de Baidu publicado junto al modelo en Hugging Face. Ese texto permite el uso no comercial gratuito y el uso comercial sin costo de licencia para productos con ingresos anuales de hasta 50 millones de dólares, siempre que se dé atribución y se envíe una notificación previa; por encima de ese umbral exige una autorización escrita aparte. Además, el permiso se limita a un territorio que excluye expresamente a la Unión Europea, el Reino Unido y Corea del Sur, y el texto prohíbe usar, distribuir o mostrar fuera de ese territorio tanto el modelo como sus derivados y los resultados que genere. En la práctica, en América Latina puede usarse con esas condiciones, pero no en España ni en el resto de la Unión Europea.
Para evaluar estas opciones conviene separar tamaño, requisitos de hardware y desempeño en las tareas propias. Ripple-65B tiene menos parámetros totales que los otros dos, pero que pueda ejecutarse en un equipo no demuestra su utilidad en cualquier proyecto. Los resultados citados para Inkling 2 Small tampoco establecen que sea el mejor modelo para todos los usos. ERNIE 5.5 Flash Base interesa sobre todo a quienes van a entrenar su propio modelo especializado, con la condición de revisar la licencia. Un dato para el contexto: según The Decoder, en varias pruebas de programación siguen liderando modelos chinos como Kimi K3 y DeepSeek V4.1 Flash, así que el título de mejor modelo abierto depende de qué se mida.

