Mira Murati dejó OpenAI a finales de 2024, cuando la empresa estaba en su momento cumbre antes de la salida a bolsa. Como directora de tecnología, se llevó consigo a un grupo de ingenieros clave.
Muchos pensaron que crearía otro modelo de lenguaje para competir con GPT.
En cambio, creó Tinker.
¿Qué hace realmente Thinking Machines Lab?
En términos simples: Tinker es una API que permite a los desarrolladores añadir "parches de capacidad" a cualquier modelo grande de código abierto.
¿Quieres que Llama 4 escriba Python mejor? Proporciona a Tinker un conjunto de datos etiquetados, y usará aprendizaje por refuerzo para ajustar ese modelo en una versión "experta en Python". No necesitas mantener tu propio clúster de GPU, ni construir un pipeline de entrenamiento, solo llamadas a la API.
La idea del producto es similar a la API de fine-tuning de OpenAI, pero la base es diferente: el núcleo de Tinker es el ajuste fino basado en aprendizaje por refuerzo (RL), no el ajuste fino supervisado común. El ajuste fino con RL es más difícil de controlar que el SFT, pero es notablemente más efectivo en ciertas tareas. DeepSeek mejoró su capacidad de razonamiento usando exactamente este camino.
El científico jefe de Thinking Machines es John Schulman, uno de los autores del algoritmo PPO y diseñador principal del marco de entrenamiento RL temprano de OpenAI. Se puede decir que han traído a la persona que más sabe sobre aprendizaje por refuerzo.
Los otros dos: el CTO es Soumith Chintala, fundador de PyTorch; la CEO es la propia Mira Murati. Estos tres forman una combinación poco común: marco de modelo + teoría de RL + intuición de producto.
El acuerdo con Google
El 22 de abril, en la conferencia Google Cloud Next en Las Vegas, Thinking Machines Lab y Google Cloud anunciaron un nuevo contrato.
Escala: miles de millones de dólares (reportaje exclusivo de TechCrunch; una fuente informada lo describió como "miles de millones de dólares de un solo dígito", el monto exacto no se reveló).
Contenido del contrato:
- Hardware: Sistemas Nvidia GB300 NVL72: grandes racks refrigerados por líquido con 72 GPU por grupo, velocidad de entrenamiento y servicio 2 veces mayor que la generación anterior
- Red: Arquitectura de red Jupiter, desarrollada por Google, especializada para la transferencia de pesos entre GPU
- Servicios de software: Kubernetes Engine, base de datos Spanner, Cloud Storage (con Anywhere Cache)
- Máquinas virtuales: Instancias A4X Max, cada una equipada con cuatro GPU Nvidia Blackwell Ultra, 72 núcleos de CPU, 37 TB de memoria
¿Por qué el ajuste fino con RL necesita este nivel de potencia computacional? El investigador fundador Myle Ott explicó el cuello de botella central:
"En cada iteración de entrenamiento, los pesos deben sincronizarse miles de veces entre miles de GPU. Si el ancho de banda de interconexión no es suficiente, la eficiencia del entrenamiento se desploma de inmediato."
Esto no es una implementación de inferencia común, es una tarea de entrenamiento intensiva en computación. La evaluación de Myle Ott:
"Google Cloud nos permitió ejecutarnos a una velocidad récord, con una confiabilidad que cumple completamente con nuestros requisitos."
Detalles de contexto
Tiempo de fundación de Thinking Machines: hace aproximadamente 14 meses, a principios de 2025.
Recaudación de fondos: Julio de 2025, finalización de una ronda semilla de 2.000 millones de dólares, con una valoración de 12.000 millones de dólares. Una ronda semilla de 2.000 millones es extremadamente rara en toda la industria tecnológica, lo que demuestra que la confianza de los inversores en el equipo supera el juicio convencional.
Situación del equipo: Más de 130 personas. Pero se enfrenta a un desafío: Meta ya ha contratado a 7 miembros fundadores de Thinking Machines, incluido el ingeniero principal de Tinker. Este nivel de fuga de talentos no es pequeño en la industria de la IA.
El acuerdo con Nvidia: En marzo de este año, Thinking Machines cerró otro acuerdo con Nvidia: la compra de sistemas de GPU Vera Rubin con una potencia superior a 1 gigavatio; Nvidia también invirtió directamente. En términos de potencia computacional, están apostando tanto por Google como por Nvidia.
El contrato no es exclusivo: Pueden seguir utilizando otros proveedores de nube. Pero obtener acceso temprano al primer lote de GB300 de Google muestra que Google está compitiendo activamente por este laboratorio.
Por cierto, en este Google Cloud Next, Google también anunció nuevos contratos con Anthropic y Meta: varios laboratorios líderes fueron cerrados de una sola vez, un movimiento claro de Google Cloud para conquistar el mercado de computación de IA.
Por qué este camino es interesante
La industria de la IA tiene actualmente dos líneas principales que se bifurcan:
Una es seguir acumulando capacidad general: entrenar modelos más grandes, perseguir los grandes benchmarks.
La otra es el ajuste fino vertical: tomar modelos de código abierto existentes, reforzarlos para tareas específicas y entregarlos a las empresas. Thinking Machines sigue el segundo camino.
La lógica de negocio es: la mayoría de las empresas no necesitan GPT-5; necesitan "un modelo que pueda procesar con precisión nuestros documentos contractuales" o "un asistente de IA que pueda pasar nuestros estándares internos de revisión de código". La personalización es más convincente que la generalidad, especialmente en sectores con altos requisitos de seguridad de datos.
Si Tinker logra dominar el camino del ajuste fino con RL, podría convertirse en la verdadera capa base en la pila tecnológica de IA empresarial: discreta, pero difícil de eludir.
Una empresa de 14 meses, con un contrato de computación en la nube de miles de millones de dólares de Google, un científico jefe que es una figura central en el campo del RL. Lo que publiquen a continuación merece ser seguido.
Fuentes de referencia: Exclusive: Google deepens Thinking Machines Lab ties with new multibillion-dollar deal (TechCrunch); Google Cloud inks AI infrastructure deal with Thinking Machines (SiliconAngle); CocoLoop, Thinking Machines Signs Multi-Billion Google GB300 Deal (Implicator.ai)