К содержимому
Компьютерное зрение

Inkling 2 Mini

мультимодальная модель с зацикленной архитектурой

2 мин чтения

Inkling 2 Mini от Thinking Machines Lab — это универсальная мультимодальная модель, которая принимает на вход текст и изображения, а на выходе генерирует текст. Она разработана для разработчиков, создающих ИИ-агенты, чат-ботов, инструменты для кодинга и системы поиска с дополненной генерацией (RAG). Модель базируется на 24-слойном декодере с разреженными слоями Mixture-of-Experts (MoE, архитектура смешения экспертов), где средние слои выполняются несколько раз для повышения эффективности. Она поддерживает контекстное окно до 1 миллиона токенов и отлично подходит для сложных задач программирования и анализа данных.

Ключевые особенности

  • Мультимодальный ввод: поддержка текста и изображений с разрешением от 40 до 4096 пикселей.
  • Архитектура MoE: 26.4 миллиарда параметров всего, из которых около 3.4–5.4 миллиарда активны на токен благодаря зацикленным слоям.
  • Огромный контекст: нативная поддержка контекстного окна до 1M токенов.
  • Поддержка кодинга: сильные результаты в задачах автоматической разработки и работы с терминалом.

Что можно сделать

  • Интегрировать модель в чат-ботов и ассистентов для обработки текста и графических инструкций.
  • ‍Использовать для генерации кода, отладки и задач автономного программирования.
  • Настроить системы поиска и извлечения информации (RAG) с длинным контекстом.

Пример

Пример настройки или запуска модели с помощью Python-библиотек или через Tinker API доступен в официальном репозитории и документации проекта.

ПодробнееБенчмарки: DeepSWE v1.1 — 48.2%, Terminal Bench v2.1 — 71.6%
Требования к железу: чекпоинт около 20GB в точных форматах NVFP4 и MXFP8; рекомендуется от 32GB VRAM или устройства Apple Silicon с памятью от 32GB
Лицензия: Apache 2.0
Примеры
Обсудить Telegram 0

Запустится ли?

Запустится в GGUF Q4_K

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • U8веса 26 GB · готовые файлы30 GB
  • FP8 / INT8рекомендуемвеса 25 GB28 GB
  • GGUF Q4_Kвеса 15 GB · готовые файлы17 GB
  • 4-bitвеса 14 GB16 GB
  • GGUF IQ3_Sвеса 12 GB · готовые файлы14 GB
  • GGUF IQ2_Mвеса 8.1 GB · готовые файлы9.4 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 5090 · U8 — от RTX 5090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # AMAImedia/Inkling-2-Mini-BF16-GGUF
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download AMAImedia/Inkling-2-Mini-BF16-GGUF --local-dir ~/models/Inkling-2-Mini-BF16-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Inkling-2-Mini-BF16-GGUF
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

thinkingmachines/Inkling-2-Mini

Новые посты про версии Inkling-2-Mini — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

AMAImedia/Inkling-2-Mini-BF16-GGUF
Автор
AMAImedia
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Inkling 2 Small

Inkling 2 Small