01规格
| 发布方 | Thinking Machines Lab · thinkingmachines |
|---|---|
| 系列 | Thinking Machines Inkling · Inkling-Small |
| 类型 | 视觉语言 (image-text-to-text) |
| 参数量 | 总 276B · 激活 12B（MoE） 来源：官方模型卡“276B total, 12B active” |
| 上下文长度 | — |
| 结构 | 42 层 · GQA · MoE |
| 发布权重 | BF16 · 532 GB下载量 |
| 许可 | Apache-2.0 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2026-07-27 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 最低显卡 | Mac |
|---|---|---|---|
| BF16 / FP16（原始精度） | 552 GB | 8 × H200（1,128GB） | — |
| FP8 / INT8 / Q8_0 | 293 GB | 4 × RTX PRO 6000（384GB） | Mac 512GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 167 GB | 4 × RTX PRO 6000（384GB） | Mac 512GB |
KV 缓存未估算：该模型采用新型压缩 / 稀疏注意力，本站公式不适用。上表合计只含权重 + 开销。
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- SGLang — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
thinkingmachines 官方发布的 2 个仓库。
- Inkling-Small main
- Inkling-Small-NVFP4 NVFP4
05Thinking Machines Inkling 其他模型
全部 2 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Inkling | 975B / 41B | 651 GB | 2026-07-14 |
06来源
数据核对于 2026-07-31。参数、上下文、许可取自官方仓库；显存为本站估算。