К содержимому
Компьютерное зрение

Inkling 2 Small

мультимодальная модель с открытыми весами

2 мин чтенияобновлено

Inkling 2 Small — это общая мультимодальная модель, которая принимает текстовые и визуальные входящие данные, а на выходе генерирует текст. Она создана для разработчиков, создающих приложения на базе искусственного интеллекта, включая агентные системы, чат-ботов и инструменты для работы с кодом. Модель построена на базе 48-слойного декодера с разреженной архитектурой Mixture-of-Experts (MoE — смесь экспертов, где для каждого токена задействуется лишь часть параметров) и поддерживает контекстное окно до 1 миллиона токенов.

Ключевые особенности

  • Поддержка текста и изображений на входе с совместной обработкой в общем скрытом пространстве.
  • Суммарно 594 миллиарда параметров, из которых 17 миллиардов активны для каждого токена.
  • Гибридное внимание, сочетающее локальные и глобальные слои.
  • Нативная поддержка форматирования в NVFP4 и MXFP8.

Что можно сделать

  • Разработать умных чат-ботов и агентов для сложных многошаговых задач с использованием изображений.
  • Интегрировать модель в среды разработки для анализа кода и автодополнения.
  • Настроить системы поиска с дополненной генерацией (RAG) для работы с большими документами.

Пример

import torch
from transformers import AutoModelForVision2Seq, AutoProcessor

model_id = "crusoeai/Inkling-2-Small-MM"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForVision2Seq.from_pretrained(model_id, torch_dtype=torch.bfloat16, device_map="auto")
ПодробнееБенчмарки: AA Index — 30.6, Vals Index — 56.1%, FrontierCode v2.0 — 25.4%
Требования к железу: минимум 500 ГБ VRAM для NVFP4 (например, 2x NVIDIA B300 или 4x NVIDIA H200)
Особенности: нативно обучена в формате NVFP4, поддерживает интеграцию через vLLM, SGLang и Unsloth
Обсудить Telegram 0 21

Запустится ли?

Не запустится

Не хватает памяти даже для 4-bit. Ниже — где арендовать подходящую видеокарту.

  • U8веса 560 GB · готовые файлы616 GB
  • FP8 / INT8рекомендуемвеса 553 GB609 GB
  • 4-bitвеса 311 GB343 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

Ни один инстанс не вместит модель целиком — нужна выгрузка в ОЗУ или кластер.

Своя видеокарта: В домашние видеокарты не поместится — выгоднее арендовать.

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.

    # crusoeai/Inkling-2-Small-MM
    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 crusoeai/Inkling-2-Small-MM --local-dir ~/models/Inkling-2-Small-MM
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Inkling-2-Small-MM
  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

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

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

crusoeai/Inkling-2-Small-MM
Автор
crusoeai
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии