✨︎ Resumen (TL;DR):
- Thinking Machines, el laboratorio de Mira Murati, publicó su manifiesto estratégico para priorizar la colaboración humana sobre la autonomía total de las máquinas.
- La startup, valuada en 12,000 millones de dólares, defiende el conocimiento descentralizado y la personalización mediante su API Tinker.
- El anuncio marca distancia frente a competidores como OpenAI y Google, en medio de dudas sobre el desarrollo de sus propios modelos de frontera.
El laboratorio de inteligencia artificial Thinking Machines, fundado por la exdirectora de tecnología de OpenAI, Mira Murati, publicó este 10 de julio de 2026 su primer manifiesto estratégico titulado “The Future Worth Building Is Human” (“El futuro que vale la pena construir es humano”). Con este documento, la startup de 12,000 millones de dólares define su rumbo técnico y se posiciona en contra de la tendencia de la industria que busca crear sistemas autónomos que dejen de lado la intervención humana.
El dilema del conocimiento disperso
La tesis principal de la compañía sostiene que el conocimiento real que mueve al mundo está repartido entre millones de personas y no se puede centralizar en una sola base de datos. La firma ilustra esto con el saber local de un cocinero que afina una receta o de un tendero que organiza sus precios, destrezas difíciles de replicar mediante una planificación centralizada.
Tinker es una API de personalización que permite a empresas e investigadores ajustar modelos con su propio conocimiento técnico y local sin depender de una infraestructura masiva de procesamiento gráfico (GPU). Universidades como Princeton, Stanford y Berkeley ya figuran entre sus primeros usuarios desde su lanzamiento en octubre de 2025.
Para explicar esta alianza entre humanos y máquinas, el manifiesto rescata una frase de Mitsuru Kawai, directivo que en 2014 regresó a los artesanos a las líneas de producción de Toyota: “Para ser el amo de la máquina, tienes que tener el conocimiento y las habilidades para enseñarle a la máquina”.
Superar el cuello de botella actual
La empresa argumenta que la interfaz actual para interactuar con la IA, consistente en una caja de texto y un largo tiempo de espera, limita la riqueza de la intención humana. La colaboración real exige retroalimentación en tiempo real.
Para solucionar esto, en mayo de 2026 presentaron una vista previa de sus modelos de interacción, sistemas capaces de procesar audio, video y texto en paralelo. El modelo TML-Interaction-Small responde en apenas 0.40 segundos, una velocidad que supera a las herramientas de OpenAI y Google, aunque por ahora solo existe como demostración técnica.
Además, el manifiesto cuestiona las métricas actuales de evaluación de la IA. Critica que organizaciones como METR miden el avance según el tiempo que un modelo trabaja solo, en lugar de evaluar lo que humanos y máquinas pueden lograr de forma conjunta.
Valores en los pesos, no en el prompt
La postura de la startup propone que los valores y el carácter de la IA no deben decidirse desde un único centro de poder. Señalan que entrenar modelos nuevos usando únicamente las versiones anteriores provoca que toda la tecnología herede los mismos hábitos e inclinaciones.
La solución técnica de Thinking Machines es grabar los valores directamente en los pesos del modelo mediante técnicas de ajuste, no solo en instrucciones superficiales o prompts que son fáciles de burlar. Buscan un ecosistema con modelos criados en diferentes entornos que puedan discrepar entre sí, bajo la filosofía de “mantener viva la rareza”.
Un turbulento camino de 18 meses
La publicación del documento llega en un momento clave. Fundada en febrero de 2025, la compañía cerró ese año una histórica ronda semilla de 2,000 millones de dólares, pero enfrentó la salida de figuras clave como Barret Zoph y Luke Metz, quienes regresaron a OpenAI, y Andrew Tulloch, quien migró a Meta. Una ronda posterior para alcanzar una valuación de 50,000 millones de dólares no logró concretarse.
El cofundador y científico jefe, John Schulman, explicó en X que el equipo debatió estas ideas frente al avance de los agentes autónomos: “Empezamos Thinking Machines hace año y medio con un par de intuiciones: que la gente debería poder personalizar mucho más los modelos e investigar sobre ellos, y que, aun cuando la IA se vuelve más autónoma, queda mucho por construir para que humanos y máquinas trabajen bien juntos”.
A pesar de que expertos como Sumeet Arora, director de producto de Teradata, señalan que 2026 marca el inicio del software operado por agentes autónomos, la startup de Mira Murati prefiere apostar por una vía alternativa donde el criterio humano siga guiando el proceso. Su éxito dependerá de demostrar que esta colaboración estrecha ofrece un valor de negocio superior al de los modelos cerrados de OpenAI o Google.
