01功能特性
优点
- 完整多模态:图像、音频和文本
- 上下文规模最高达 1M tokens
- 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
多模态 MoE · 总计 975B 参数,激活 41B · 1M token 上下文窗口
训练
Thinking Machines 的多模态 MoE 模型(视觉、音频、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?
要运行 Inkling 的 Q4 量化版本(本地运行),大约需要 566 GB 显存。一个可供比较的选项: GMKtec EVO-X2 128GB / 1TB (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 128GB / 1TB (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 128GB / 1TB (Ryzen AI Max+ 395) →
联盟链接 — 您无需承担额外费用,我们可能获得佣金,推荐独立作出。作为 Amazon 合作伙伴,哪个LLM 会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。