Inkling calcolatore TPS
Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..
Calcolato per questo modello
818 schede per cui abbiamo specifiche
Quali GPU possono eseguire Inkling?
Imposta gli input, leggi la risposta
Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..
Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..
0 schede corrispondono
Calcolo| Ha bisogno | Quantizzazione | Adatto | |||||
|---|---|---|---|---|---|---|---|
|
Nessuna scheda nel nostro catalogo può eseguire questo modello con queste impostazioni.. |
|||||||
Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Thinking Machines
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 15 July 2026
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language, Multimodal, Audio, Video, Vision
- Compito
- Language modeling/generation, Chat
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 975B
- Dati di addestramento
- 45,000,000,000,000 tokens
975B total, 41B active
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 1.8 × 10²⁴ FLOP
6ND = 41e9 active parameters * 45e12 tokens = 1.845e+24 FLOP
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA GB300 (Blackwell Ultra)
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Hugging Face
- thinkingmachines
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Discretionary
- Record fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Inkling: Our open-weights model
- Ultimo aggiornamento
- 18 July 2026
Cosa significano i numeri
Cosa ti serve per eseguirlo
Inkling raggiunge un conteggio di parametri di 975B. Questo è oltre ciò che qualsiasi singola scheda grafica può contenere. Eseguire questo significa o suddividerlo tra più schede o noleggiare hardware progettato per il lavoro, e ogni scheda in grado di contenerlo da sola è un componente da datacenter. Il numero che può: 0.
Cosa è questo modello
Inkling è stato pubblicato da Thinking Machines, nel paese registrato come United States of America, durante July 2026. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Language, Multimodal, Audio, Video, Vision, ed è registrato come eseguire il compito di language modeling/generation, Chat.
I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato. Su Hugging Face è pubblicato sotto l'organizzazione thinkingmachines.
Addestramento e provenienza
La produzione di esso ha richiesto un'aritmetica totale di circa 1.8 × 10²⁴ FLOP, su hardware registrato come NVIDIA GB300 (Blackwell Ultra). Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 45,000,000,000,000 token di testo
Il suo criterio di inclusione: discretionary.
Passo dopo passo
Come scegliere una GPU per Inkling
La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..
-
01
Leggi prima il numero di VRAM
Inizia da ciò di cui ha realmente bisogno, ovvero il requisito di Inkling. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
-
02
Decidi quanto a lungo durano le tue conversazioni
Conversazioni più lunghe richiedono memoria oltre a ciò che i pesi necessitano. Muovi il cursore sulla tua reale lunghezza di lavoro prima di fidarti di qualsiasi riga per Inkling.
-
03
Imposta un pavimento di qualità
La colonna di quantizzazione varia a seconda della scheda, perché una scheda più grande contiene una copia più precisa.. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
-
04
Confronta TOKEN AL SEC, non specifiche.
Ordina per velocità per vedere come si classificano le schede per Inkling. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria.
-
05
Leggi l'ultima colonna di fit
La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Inkling. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
-
06
Vedi cos'altro che questa card esegue
Ogni pagina della scheda ripete questo sondaggio per ogni modello che possediamo, rispondendo a cosa altro l'hardware è utile oltre a Inkling.
Risposte
Inkling — domande comuni
Inkling— due GPU lo farebbero andare più veloce?
La capacità si somma tra le schede; il throughput no. Il numero di schede che già la possiedono da sole: 0. Quindi una seconda CARD è raramente la risposta qui.
Inkling— perché la quantizzazione differisce tra le schede?
Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 1. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.
Inkling— quanto sono accurate queste stime di velocità?
Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: la gamma sotto ogni cifra. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.
Inkling— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
Inkling— quanti parametri ha?
Ha un numero di parametri di 975B. 975B total, 41B active. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Inkling— chi l'ha creato?
È stato pubblicato da Thinking Machines, basato su United States of America, un'organizzazione categorizzata come industry.
Inkling— quando è stato rilasciato?
È stato pubblicato in July 2026.
Inkling— A cosa serve?
Funziona nel dominio di Language, Multimodal, Audio, Video, Vision, e viene registrato come gestire il compito di language modeling/generation, Chat. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Inkling— Dove posso scaricarlo?
I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione thinkingmachines. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.
Inkling— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.8 × 10²⁴ FLOP, su hardware registrato come NVIDIA GB300 (Blackwell Ultra). Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
Inkling— posso eseguirlo se non si adatta nella mia GPU?
Parzialmente. I layer che non si adattano si trovano nella memoria di sistema e funzionano a una frazione della velocità, quindi un modello in gran parte scaricato è raramente conveniente da usare. La più vicina mancata che calcoliamo risulta insufficiente di 263.3 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.