Inkling calculadora TPS
Cada tarjeta a continuación se evalúa con respecto a este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una solicitud única, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..
Calculado para este modelo
¿Qué GPUs pueden ejecutar? Inkling?
Configura las entradas, lee la respuesta.
Una conversación más larga necesita más memoria, lo que puede hacer que este modelo no quepa en tarjetas más pequeñas..
Oculta las tarjetas que solo encajarían en el modelo comprimiéndolo por debajo de este punto..
0 las tarjetas coinciden
Calculando| necesidades | Cuantización | Ajustado | |||||
|---|---|---|---|---|---|---|---|
|
Ninguna tarjeta en nuestro catálogo puede ejecutar este modelo con estas configuraciones. |
|||||||
Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantización. El rendimiento real varía con el tiempo de ejecución de la inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..
En registro
Especificación completa
Todo lo registrado para este modelo. La mayor parte describe cómo fue entrenado más que cómo se ejecuta, un contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
¿Quién construyó este modelo, dónde y cuándo se publicó?
- Organización
- Thinking Machines
- Tipo de organización
- Industry
- País
- United States of America
- Publicado
- 15 July 2026
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language, Multimodal, Audio, Video, Vision
- Tarea
- Language modeling/generation, Chat
Tamaño
Qué tan grande es el modelo y cuánta data fue entrenada. Los parámetros son la cifra que decide si se ajusta a una GPU dada.
- Parámetros
- 975B
- Espacio entrenado
- 45,000,000,000,000 tokens
975B total, 41B active
Cálculo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de cuán rápido responde el modelo terminado.
- Cálculo de entrenamiento
- 1.8 × 10²⁴ FLOP
6ND = 41e9 active parameters * 45e12 tokens = 1.845e+24 FLOP
La ejecución de entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, por cuánto tiempo y lo que eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA GB300 (Blackwell Ultra)
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la tarjeta gráfica en esta página se aplica.
- Pesos
- Open — downloadable
- Acceso al modelo
- Open weights (unrestricted)
- Hugging Face
- thinkingmachines
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán seguro está de la entrada.
- Por qué se rastrea
- Discretionary
- Modelo/modelos siempre significa modelos de IA. Ejecutar/ejecutando significa ejecutar un modelo de IA. Si solo obtienes la palabra ejecutar, es probable que provenga de una frase dividida, como qué modelo de IA puede ejecutar la GPU. no cabe/no encajará significa que el modelo de IA no cabe en la VRAM de la GPU. apretado = apenas ejecutable, cómodo = se ejecuta fácilmente con margen.
- Likely
Fuentes
Dónde proviene este registro y cuándo se verificó por última vez.
- Referencia
- Inkling: Our open-weights model
- Última actualización
- 18 July 2026
Qué significan los números
What you need to run it
At 975B parameters, Inkling is beyond what any single graphics card holds. Running it means either splitting it across several cards or renting hardware built for the job — 0 of the cards we track can hold it on their own, and all of them are datacentre parts.
Qué es este modelo
Inkling was published by Thinking Machines, in United States of America, in July 2026. It comes out of industry.
It works in Language, Multimodal, Audio, Video, Vision, and is recorded as doing language modeling/generation, Chat.
The weights are published, so it can be downloaded and run on your own hardware indefinitely, offline, with no account attached. It is published under the thinkingmachines organisation on Hugging Face.
Entrenamiento y procedencia
Producing it required around 1.8 × 10²⁴ FLOP of arithmetic, on NVIDIA GB300 (Blackwell Ultra), which is a statement about the training budget rather than about inference.
It was trained on about 45,000,000,000,000 tokens of text.
Su criterio de inclusión es discrecional.
Paso a paso
Cómo elegir una GPU para Inkling
La tabla anterior ya ha evaluado cada tarjeta cuya especificación tenemos contra este modelo. Llegar a tu respuesta lleva seis pasos..
-
01
Lee primero la cifra de memoria
Look at what Inkling actually needs. No amount of processing power compensates for a card that cannot hold it.
-
02
Decide cuánto tiempo duran tus conversaciones
Longer conversations cost memory on top of what the weights need. Move the slider to your real working length before trusting any row for Inkling.
-
03
Establecer un umbral de calidad
The quantisation column varies by card, because a bigger card holds a more accurate copy of Inkling. Set a floor to hold the comparison at one level.
-
04
Compara TPS, no especificaciones.
Sort by speed to see how cards rank for Inkling. It will not match a gaming ordering — generation is bound by memory bandwidth.
-
05
Read the fit column last
The fit column separates cards that just manage Inkling from those with room to spare. Buy for the second if the context might grow.
-
06
Ve qué más ejecuta esa tarjeta
Each card page repeats this sweep for every model we hold. It answers what else the hardware is good for, beyond Inkling.
Respuestas
Inkling — Preguntas comunes
Would two GPUs run Inkling faster?
Capacity adds across cards; throughput does not. Since 0 of the cards we track already hold Inkling on their own, a second card is rarely the answer here.
Why does the quantisation differ between cards for Inkling?
Because capacity varies, so does how hard Inkling has to be squeezed — 1 distinct levels appear in the table above. Set a minimum quality to compare at one.
How accurate are these Inkling speed estimates?
Every figure is derived from memory bandwidth and model size, not benchmarked. That is why each is published as a range such as the range beneath each figure rather than a single number.
Is Inkling open source?
Its weights are published, so Inkling can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does Inkling have?
Inkling has 975B parameters. 975B total, 41B active. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Inkling?
Inkling was published by Thinking Machines, based in United States of America, categorised as industry.
When was Inkling released?
Inkling was published in July 2026.
What is Inkling used for?
Inkling works in Language, Multimodal, Audio, Video, Vision, and is recorded as handling language modeling/generation, Chat. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
Where can I download Inkling?
Its weights are published under the thinkingmachines organisation on Hugging Face. We do not host model files — this site calculates what hardware is needed to run them.
How much compute was used to train Inkling?
Around 1.8 × 10²⁴ FLOP, on NVIDIA GB300 (Blackwell Ultra). That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
Can I run Inkling if it does not fit in my GPU?
Partly. Layers that do not fit sit in system memory and run at a fraction of the speed, so a mostly-offloaded Inkling is rarely worth using — the nearest miss we calculate is short by 263.3 GB. Every figure here assumes the whole model is on the card.
El otro camino
¿Viéndolo desde el otro lado?
Esta página comienza desde el modelo. Si ya tienes una tarjeta y quieres saber todo lo que puede ejecutar., iniciar desde el hardware.