Inkling TPS-rekenmachine
Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..
Bereken voor dit model
818 kaarten die we hebben specificaties voor
Welke GPU's kunnen draaien Inkling?
Stel de invoer in, lees het antwoord
Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..
Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.
0 kaarten passen
Berekenen| Heeft | Kwantificatie | Past | |||||
|---|---|---|---|---|---|---|---|
|
Geen kaart in onze catalogus kan dit model met deze instellingen draaien.. |
|||||||
Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Thinking Machines
- Organisatietype
- Industry
- Land
- United States of America
- Gepubliceerd
- 15 July 2026
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language, Multimodal, Audio, Video, Vision
- Taak
- Language modeling/generation, Chat
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 975B
- Training gegevens
- 45,000,000,000,000 tokens
975B total, 41B active
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 1.8 × 10²⁴ FLOP
6ND = 41e9 active parameters * 45e12 tokens = 1.845e+24 FLOP
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA GB300 (Blackwell Ultra)
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Open — downloadable
- Toegang tot model
- Open weights (unrestricted)
- Hugging Face
- thinkingmachines
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- Discretionary
- Record vertrouwen
- Likely
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Inkling: Our open-weights model
- Laatst bijgewerkt
- 18 July 2026
Wat de cijfers betekenen
Wat je nodig hebt om het te draaien
Inkling bereikt een parameter telling van 975B. Dat is meer dan wat enige enkele grafische kaart bevat. Het draaien ervan betekent ofwel het splitsen over meerdere kaarten of het huren van hardware die voor de klus is gebouwd, en elke kaart die het alleen kan vasthouden, is een datacenteronderdeel. Het aantal dat kan: 0.
Wat dit model is
Inkling werd gepubliceerd door Thinking Machines, in het land geregistreerd als United States of America, tijdens July 2026. Het komt uit een organisatie gecategoriseerd als industry.
Het werkt in het domein van Language, Multimodal, Audio, Video, Vision, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Chat.
De gewichten zijn gepubliceerd, zodat ze gedownload en onbeperkt, offline, op je eigen hardware kunnen worden uitgevoerd, zonder dat er een account aan verbonden is. Op Hugging Face is het gepubliceerd onder de organisatie thinkingmachines.
Training en herkomst
Het produceren ervan vereiste een rekenkundige totaal van ongeveer 1.8 × 10²⁴ FLOP, op hardware vastgelegd als NVIDIA GB300 (Blackwell Ultra). Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het is getraind op een corpus van ongeveer 45,000,000,000,000 tekstokens
De inclusiecriteria: discretionary.
Stap voor stap
Hoe een GPU te kiezen voor Inkling
De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..
-
01
Lees eerst de geheugenfiguur
Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van Inkling. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.
-
02
Bepaal hoe lang je gesprekken duren
Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor Inkling.
-
03
Stel een kwaliteitsvloer in
De kwantisatiekolom varieert per CARD, omdat een grotere CARD een nauwkeuriger kopie vasthoudt.. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
-
04
Vergelijk tokens per seconde, niet specificaties
Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor Inkling. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte.
-
05
Lees de passen kolom laatst
De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Inkling. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
-
06
Zie wat die kaart nog meer draait
Elke kaartpagina herhaalt deze scan voor elk model dat we hebben, en beantwoordt waarvoor de hardware verder goed is naast Inkling.
Antwoorden
Inkling — veelgestelde vragen
Inkling— Zouden twee GPU's het sneller draaien?
Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 0. Dus een tweede card is zelden het antwoord hier.
Inkling— waarom verschilt de quantisatie tussen kaarten?
Omdat de capaciteit varieert, varieert ook hoe hard het moet worden samengedrukt. Het aantal onderscheidende niveaus in de bovenstaande tabel: 1. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.
Inkling— hoe nauwkeurig zijn deze snelheidsschattingen?
Elke waarde is afgeleid van het geheugenbandbreedte en de modelgrootte, niet geverifieerd, wat de reden is dat elke waarde als een bereik in plaats van een enkel getal wordt gepubliceerd. Eén voorbeeld: de reeks onder elk cijfer. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
Inkling— is het open-source?
De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.
Inkling— hoeveel parameters heeft het?
Het heeft een parameter telling van 975B. 975B total, 41B active. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
Inkling— wie heeft het gemaakt?
Het werd gepubliceerd door Thinking Machines, gebaseerd op United States of America, een organisatie geclassificeerd als industry.
Inkling— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2026.
Inkling— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, Multimodal, Audio, Video, Vision, en wordt geregistreerd als het afhandelen van language modeling/generation, Chat. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
Inkling— waar kan ik het downloaden?
Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie thinkingmachines. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.
Inkling— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.8 × 10²⁴ FLOP, op hardware vastgelegd als NVIDIA GB300 (Blackwell Ultra). Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
Inkling— kan ik het draaien als het niet in mijn GPU past?
Gedeeltelijk. Layers die niet passen, bevinden zich in system memory en draaien met een fractie van de snelheid, dus een grotendeels gedeactiveerd model is zelden de moeite waard om te gebruiken. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 263.3 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.