01功能特性
优点
- 完整多模态支持：图像、音频和文本
- 大规模上下文支持高达1M token
- MoE：975B 参数中仅有 41B 处于激活状态
- 宽松的 Apache 2.0 许可
需了解的局限性
- —内存需求极高：Q4 量化下约需 566 GB 显存，仅适用于多 GPU 服务器
- —本地推理吞吐量较低（Q4 量化下约为 5 tok/s）
- —无 Ollama 标签 — 通过 HuggingFace 安装
架构
MoE 多模态 · 总参数 975B，激活参数 41B · 上下文窗口 1M tokens
训练
Thinking Machines研发的多模态MoE模型（支持视觉、音频和文本）。训练细节未公开
最适合的场景
多模态推理音频与视觉处理超长文档
04安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$# HuggingFace : thinkingmachines/Inkling
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
566 GB
Q5_K_M
质量/体积的良好平衡
692 GB
Q8_0
几乎无法与 FP16 区分
1043 GB
FP16
全精度 — 服务器用途
1950 GB
CPU 回退 · 如果您没有 GPU，请预留 1268 GB 内存 以较低速度运行此模型的最低要求。
运行Inkling需要什么硬件？
在本地以Q4量化运行Inkling，大约需要566 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — 此模型超出该迷你 PC 的 GPU 容量：请选择更小的模型或合适的基础设施。
当前在售产品： GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
在你的私有 ChatGPT 中使用此模型，无需云端
模型太大，你的电脑运行不了？套件为你提供能装入显存的模型
- 在线空间，终身可用
- PDF + 文件
- 30 天内退款
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。