Inkling
8348°
Thinking Machines | 524,288 代幣上下文 | $1.00/M 輸入，$4.05/M 輸出。Inkling 是 Thinking Machines Lab 推出的開放權重多模態混合專家模型，擁有 9750 億總參數中 410 億活躍參數。設計用於通用推理、編碼、代理及工具使用系統、檢索增強生成、指令遵循及多語言對話應用。原生支援圖像與音訊理解，能與文字並行進行多模態分析。
本模型的指南
2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型
我到底需要多少 VRAM 才能在本地跑 AI？
開放權重、開源與僅API：你到底能做什麼
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
船長筆記
2026-10-13 的筆記
Inkling 是 Thinking Machines Lab 推出的 9750 億參數稀疏專家混合模型，每個標記啟用 410 億參數。開放權重，原生支援文字、影像與音訊多模態，擁有 524K 標記上下文視窗，目標用於開發代理流程、檢索增強生成（RAG）系統與程式碼助理。MoE 架構使推理成本低於總參數數量所暗示的水平。
以...聞名
- 原生文字、影像與音訊理解，於共享解碼器中處理
- 524,288 標記上下文視窗，輕鬆處理超長文件
- 稀疏 MoE 路由：每標記啟用 410 億參數，總參數量 9750 億
- 開放權重，提供 SGLang、vLLM、Unsloth 與 Hugging Face 部署方案
- 專為代理與工具使用應用開發設計
注意
- 9750 億總參數意味著本地部署硬體需求嚴苛——下載前請確認 VRAM 容量
- 音訊輸入必須為 16kHz WAV；影像尺寸建議介於 40px 至 4096px 以獲最佳效果
- 權重開放但受可接受使用政策約束，非完全自由授權
可嘗試的提示詞
代理工具使用計畫
你正在打造一個研究助理，能搜尋網路、閱讀 PDF 並發送郵件摘要。請用 Python 函式呼叫設計工具架構與代理迴圈。展示工具定義、主迴圈邏輯，以及如何處理工具執行中途回傳錯誤。
多模態音訊分析
我附上一段客戶支援通話的短 WAV 錄音。請轉錄內容，找出客戶主要抱怨，根據 1 到 5 分評價客服回應品質並說明理由，並提出一項具體改進建議。
長文件推理
這是一份 200 頁的技術規格文件。請找出所有相互矛盾的需求，引用兩段內容，解釋衝突，並建議優先採納哪一方及原因。請詳盡列出，勿選擇性回答。
比較
- Inkling Small開放權重模型524,288 代幣上下文 · $0.45/M 輸入，$1.20/M 輸出
- GPT-6 Luna僅限 API 模型1,050,000 代幣上下文 · $0.10/M 輸入，$0.50/M 輸出
- GPT-5.6 Luna僅限 API 模型1,050,000 代幣上下文 · $0.20/M 輸入，$1.20/M 輸出
- Claude Opus 5.5僅限 API 模型1,000,000 代幣上下文 · $4.00/M 輸入，$20.00/M 輸出
更多來自 thinkingmachines 的文字模型
常見問題
- Inkling 可以本地運行嗎？
- 可以——權重開放，Thinking Machines 提供 SGLang、vLLM、Unsloth、TokenSpeed 與 Hugging Face 的部署方案。不過模型有 9750 億參數，需大量硬體資源；請先參考 VRAM 指南。
- Inkling API 費用是多少？
- Thinking Machines 定價為每百萬輸入標記 1.00 美元，每百萬輸出標記 4.05 美元，擁有 524,288 標記上下文視窗。第三方推理服務價格可能不同。
- Inkling 與同等能力的密集模型有何不同？
- 其稀疏 MoE 架構使每個標記只經過 410 億參數，較同等總參數密集模型降低每標記計算成本——但載入時仍需完整權重。
船長評語一款嚴肅的開放權重前沿模型，適合需要多模態、長上下文與代理能力且願意投入硬體資源的開發者。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #62 Hottest Text / LLM model · #62 Hottest Text / LLM text model
Not this creator?
Get your own badge
Inkling 熱度趨勢
熱度分數，自 17 Jul 2026 起
熱度分數
8,348°
本週
▲
7.2%
8,338° 當時，8,348° 現在
本月
▲
41.3%
8,300° 當時，8,348° 現在
過去一年
n/a
尚未發布/追蹤
7,000°
基準值
分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們會有一個替代數字，讓列表保持完整。7,000° 是有測量數據開始的地方：有真實數據但幾乎沒下載的模型會在基準值，之後的度數才是測量結果。基準值本身不代表模型好壞，只有基準值以上的度數才會區分模型。
+1,348°
OpenRouter 代幣
此模型在過去30天內透過 OpenRouter 處理了 311,584,593,096 代幣，包含提示和回答。每 10,000,000 代幣算作一次下載，共 31,158 次；最後一天的代幣會加入採用率。來源：OpenRouter (openrouter.ai/rankings)。
顯示詳細分析
這個網站上的每個數字都可以查證。這個模型的熱度分數是 8,348°，這裡會一步步拆解它的組成，每加一項就會顯示目前的總分：基準值、每個來源增加的度數、模型類型的加分，以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。
- 1從基準值開始。為什麼是 7,000° 而不是零：分數範圍是 0° 到 9,999°，低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們有替代數字，讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡；之後的度數是測量結果，基準值以上有十個十倍下載的階段，每階段增加 300°。基準值對所有模型都一樣，不會決定排名；真正區分模型的是基準值以上的度數。7,000°累計總和
- 2加入下載量。總共 31,158 個下載等值，來自 OpenRouter 代幣。下載量增加十倍會增加相同的 300°，所以大小很重要，但不會主導分數。+1,348°8,348°累計總和
- =熱度分數。這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。8,348°
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
這個模型的受歡迎程度跟整個目錄相比的變化：它在每個時期的下載量、喜歡數和使用量的成長，跟同一時期一般模型的成長相比，還有當時的熱度分數。高於一般成長代表上升，低於則是下降。過去的數據是從今天的總數、模型的第一天和有兩次讀數時的下載速度推算出來的；如果模型在某時期開始時不存在，會顯示 n/a。
Inkling 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153