01Ce qu'il sait faire
Points forts
- Multimodal complet : image, audio et texte
- Contexte massif jusqu'à 1M tokens
- MoE : 41B actifs seulement sur 975B
- Licence Apache 2.0 permissive
Limites à connaître
- —Extrêmement lourd : ~566 Go VRAM en Q4, réservé aux serveurs multi-GPU
- —Débit faible en local (~5 tok/s en Q4)
- —Pas de tag Ollama — install via HuggingFace
Architecture
MoE multimodal · 975B paramètres totaux, 41B actifs · fenêtre de contexte 1M tokens
Entraînement
Modèle MoE multimodal de Thinking Machines (vision, audio, texte). Détails d'entraînement non publiés.
Idéal pour
Raisonnement multimodalAudio et visionDocuments très longs
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
566 Go
Q5_K_M
Bon compromis qualité/taille
692 Go
Q8_0
Quasi-indistinguable de FP16
1043 Go
FP16
Pleine précision — usage serveur
1950 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 1268 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner Inkling ?
Pour exécuter Inkling en local en quantification Q4, il faut environ 566 Go de VRAM. Le meilleur rapport prix/performance : un Mac Studio (64 Go de mémoire unifiée).
Où acheter le Mac Studio
DartyVoir Mac Studio →RakutenVoir Mac Studio →AmazonVoir Mac Studio →Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$# HuggingFace : thinkingmachines/Inkling
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.