TL;DR:
- El laboratorio de IA de Mira Murati, exdirectora de tecnología de OpenAI, publicó el 10 de julio de 2026 un manifiesto que ordena su estrategia.
- La empresa levantó 2,000 millones de dólares en 2025 (valuación de 12,000 millones) y su único producto comercial es Tinker, una API para personalizar modelos.
- Su tesis choca con la carrera de la industria hacia los agentes autónomos, y todavía no lanza modelos propios de frontera.
Thinking Machines, el laboratorio de inteligencia artificial que fundó Mira Murati, exdirectora de tecnología de OpenAI, publicó el 10 de julio de 2026 un manifiesto que ordena por primera vez su estrategia. El texto, titulado "The Future Worth Building Is Human" ("El futuro que vale la pena construir es humano"), repite su misión: construir IA que extienda la voluntad y el juicio humanos. Su argumento va a contracorriente. Mientras buena parte de la industria corre hacia sistemas autónomos que ejecutan tareas por su cuenta, Murati defiende lo opuesto: modelos distribuidos y personalizables, moldeados por quienes los usan. Importa porque es la declaración de rumbo más clara de un laboratorio valuado en 12,000 millones de dólares que llevaba meses bajo dudas sobre su estrategia de producto, y traza una línea frente a OpenAI y Google.
We're building AI that people and organizations can shape and make their own. AI should extend our will and judgment instead of neglecting it; enabling that is the technical challenge we are working to solve.https://t.co/Bi558y4vqD
— Thinking Machines (@thinkymachines) July 10, 2026
El documento ordena la apuesta de la empresa en cuatro frentes técnicos:
- Entrenar modelos potentes, con énfasis en la interacción multimodal y la personalización.
- Construir herramientas para que cada quien haga suyo un modelo, incluida la capacidad de entrenar sus pesos. Ahí entra Tinker.
- Desarrollar interfaces que ensanchen el canal entre humano y máquina, su apuesta por los modelos de interacción.
- Publicar investigación para la comunidad científica.
La tesis: si el conocimiento está repartido, la IA también debe estarlo
El corazón del argumento es una idea sencilla: el conocimiento que mueve al mundo está repartido entre millones de personas y no cabe en una sola base de datos. La empresa lo ilustra con un cocinero que afina una receta o un tendero que reacomoda precios y productos, saberes locales, cambiantes, difíciles de explicar desde fuera. El planteamiento se apoya en el economista Friedrich Hayek y su tesis clásica sobre por qué los mercados libres superan a la planificación central: el problema no es falta de inteligencia, sino la naturaleza dispersa del conocimiento productivo.
El manifiesto admite excepciones. En el ajedrez y las matemáticas, la IA autónoma avanza sola porque el objetivo es fijo y no hay conocimiento oculto: el tablero está a la vista de todos. Fuera de ahí, dice el laboratorio, la inteligencia por sí sola no alcanza. De ese razonamiento cuelga su producto, Tinker, la API que lanzó en octubre de 2025 para que empresas e investigadores ajusten modelos con su propio conocimiento.
Para explicar la idea de humanos y máquinas que se potencian entre sí, el texto recupera una frase de Mitsuru Kawai, el directivo que en 2014 devolvió a los artesanos a la línea de producción de Toyota:
"Para ser el amo de la máquina, tienes que tener el conocimiento y las habilidades para enseñarle a la máquina."
El cuello de botella: una cajita de texto y una espera larga
La segunda gran idea del manifiesto es técnica. Para la empresa, el canal que hoy conecta a una persona con un modelo (una cajita de texto y una espera larga) es demasiado estrecho para la riqueza de la intención humana y demasiado lento para dar retroalimentación continua. La gente colabora mejor en vivo: interrumpe, corrige, cambia de opinión en voz alta.
Ahí encaja la apuesta que ya había mostrado. En mayo de 2026 presentó en vista previa de investigación sus modelos de interacción, un sistema que procesa audio, video y texto en paralelo, en fragmentos de 200 milisegundos, para escuchar y responder al mismo tiempo en lugar de esperar a que el usuario termine. Según reportó TechCrunch, su modelo TML-Interaction-Small responde en 0.40 segundos, más rápido que sistemas comparables de OpenAI y Google. Sigue siendo una demostración, no un producto a la venta.
El documento también critica cómo se mide hoy el progreso de la IA. La vara habitual, popularizada por gráficas como las de METR, calcula cuánto tiempo puede trabajar un modelo solo, sin ayuda. Eso, argumenta el laboratorio, mide lo que la máquina hace por su cuenta, no lo que humanos y máquinas logran juntos.
Alineación descentralizada: los valores van en los pesos, no en el prompt
La parte más política llega al cierre. Hoy, dice la empresa, los valores y la voz de la IA se deciden en un puñado de lugares, y un único punto de alineación termina siendo un punto de poder que alguien puede capturar. Cada laboratorio entrena su próximo modelo estrella con el anterior, así que todos heredan un carácter parecido, moldeado por los gustos de su antecesor.
La propuesta: si una organización o una persona quiere alinear un modelo con sus propios valores, esos valores tienen que quedar grabados en los pesos del modelo y no solo en un prompt, que cambia la superficie pero deja intactos los hábitos profundos. El laboratorio propone otra vía para la seguridad de la IA: en lugar de un modelo único alineado desde un solo sitio, un ecosistema de modelos criados en lugares distintos, que discrepan y compiten entre sí. Lo resume con una frase poco corporativa: cree en "mantener viva la rareza".
El manifiesto llega tras 18 meses turbulentos
Nada de esto aparece en el vacío. Thinking Machines nació en febrero de 2025 y ese mismo año cerró la mayor ronda semilla registrada hasta entonces: 2,000 millones de dólares con una valuación de 12,000 millones, según Reuters y TechCrunch. Después vinieron los golpes. En enero de 2026, dos cofundadores, Barret Zoph y Luke Metz, regresaron a OpenAI; Andrew Tulloch se había ido antes a Meta. Una ronda para llevar la valuación a 50,000 millones de dólares no se concretó, y la empresa se quedó en su cifra original. En el camino firmó acuerdos de cómputo con Nvidia y Google.
El cofundador y científico jefe John Schulman explicó en X el porqué del documento: el equipo revisó sus intuiciones fundacionales a la luz del avance de los agentes y discutió a fondo antes de publicarlo.
"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."
La otra cara del debate también se escucha fuerte. En una columna en Fast Company, Sumeet Arora, director de producto de la empresa de datos Teradata, describe 2026 como el inicio de una "era de software impulsado por agentes", sistemas autónomos que ejecutan flujos de trabajo completos por su cuenta. Aun así, matiza que ese giro exige más conocimiento y criterio humano, no menos. Es justo la tensión que Murati intenta capitalizar: mientras la industria empuja hacia la autonomía, su laboratorio apuesta por la otra rama del árbol.
Preguntas rápidas sobre Thinking Machines
¿Qué es Thinking Machines Lab?
Es una startup de inteligencia artificial fundada en febrero de 2025 por Mira Murati, exdirectora de tecnología de OpenAI. Tiene sede en San Francisco y en 2025 levantó 2,000 millones de dólares con una valuación de 12,000 millones, la mayor ronda semilla registrada hasta ese momento.
¿Qué es Tinker?
Es el primer producto de Thinking Machines, una API lanzada en octubre de 2025 para ajustar (fine-tuning) modelos de código abierto sin necesidad de una gran infraestructura de GPU. Universidades como Princeton, Stanford y Berkeley figuran entre sus primeros usuarios.
¿En qué se diferencia de OpenAI?
Thinking Machines apuesta por modelos personalizables que el propio usuario ajusta, frente al ecosistema más cerrado de OpenAI. Su tesis prioriza la colaboración humano-IA en tiempo real, como muestran sus modelos de interacción presentados en mayo de 2026.
Por ahora, el manifiesto funciona como declaración de intenciones más que como historial. La empresa tiene una tesis clara y dos piezas en la mesa, Tinker y una vista previa de modelos de interacción, pero todavía debe demostrar que su idea de modelos que cada quien moldea se traduce en un negocio que la gente prefiera sobre OpenAI o Google. Si esa apuesta se vuelve una ventaja real o termina absorbida por los laboratorios más grandes es la pregunta que su valuación de 12,000 millones de dólares tendrá que responder.
