Inkling (NVFP4) — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
The 4-bit deployment build. NVFP4 quantization brings the 975B / 41B-active MoE down to ~600 GB — a single high-memory GPU server rather than a multi-node cluster — while keeping the full 1M-token context and native text / image / audio input. Includes MTP speculative-decoding layers for faster generation and runs under vLLM, SGLang, Transformers 5.14+ and llama.cpp. Blackwell GPUs are recommended for native FP4. Apache 2.0. Thinking Machines reports AIME 2026 97.1%, GPQA Diamond 87.2%, SWE-bench Verified 77.6% and VoiceBench 91.4%. Specs from launch coverage — verify on the Hugging Face model card.
Inkling (NVFP4) potrzebuje około 589 GB VRAM przy NVFP4 (4-bit) — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 321.3 GB | — | Za duży | |
| Q3_K_M 3.41 bpw | 416.4 GB | — | Za duży | |
| Q4_K_M 4.83 bpw | 589.5 GB | — | Za duży | |
| Q5_K_M 5.67 bpw | 691.8 GB | — | Za duży | |
| Q6_K 6.56 bpw | 800.3 GB | — | Za duży | |
| Q8_0 8.50 bpw | 1036.7 GB | — | Za duży | |
| F16 16.00 bpw | 1950.8 GB | — | Za duży |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Inkling (NVFP4) →
Uruchom Inkling (NVFP4)
Inkling (NVFP4) is not practical on a single consumer GPU: it needs about 589.5 GB at Q4_K_M, more than any single device in our catalogue holds with headroom. How multi-GPU inference works, or rent a multi-GPU server by the hour:
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Inkling (NVFP4)
No Ollama library entry. Thinking Machines' documented serving routes are SGLang and vLLM.
Specyfikacja
Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong.
Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong.
- Parametry
- 975 Billion (41B active)
- Okno kontekstu
- 1,000,000
- Architektura
- Multimodal Mixture-of-Experts — 256 experts, top-6 routed + 2 shared; NVFP4 4-bit
- Dostawca
- Thinking Machines
- Licencja
- Apache 2.0
- Practical deployment
- Private cloud / datacenter cluster
- Określono przy
- NVFP4 (4-bit)
- RAM systemowy
- 1024 GB
- Rekord zaktualizowany
- 2026-07-16
- Runs with
- Ollama: not supported
Commercial use permitted. No usage restrictions beyond attribution.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
| Benchmark | Wynik | Źródło |
|---|---|---|
| AIME 2026 | 97.1 % | deklaracja producenta · Thinking Machines (launch) |
| GPQA Diamond | 87.2 % | deklaracja producenta · Thinking Machines (launch) |
| HLE (with tools) | 46 % | deklaracja producenta · Thinking Machines (launch) |
| SWE-bench Verified | 77.6 % | deklaracja producenta · Thinking Machines (launch) |
| MMMU Pro (Standard 10) | 73.3 % | deklaracja producenta · Thinking Machines (launch) |
| VoiceBench | 91.4 % | deklaracja producenta · Thinking Machines (launch) |
| Global-MMLU-Lite | 88.7 % | deklaracja producenta · Thinking Machines (launch) |
Czy uruchomię Inkling (NVFP4) na moim GPU?
Inne rozmiary Inkling
Inkling (NVFP4) — najczęściej zadawane pytania
How much VRAM does Inkling (NVFP4) need?
About 589 GB at NVFP4 (4-bit) — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Inkling (NVFP4) run on an RTX 4090 (24 GB)?
No. Inkling (NVFP4) needs about 589 GB at NVFP4 (4-bit), more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run Inkling (NVFP4) locally?
No Ollama library entry. Thinking Machines' documented serving routes are SGLang and vLLM. Running the published tag would send your prompts to a hosted GPU rather than your own machine.
What other sizes does Inkling come in?
Inkling (NVFP4) (589 GB), Inkling (BF16) (589 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.