/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
inkling_mm_model · dense
Базовая модель
Inkling-Small
Библиотека
gguf
Опубликована
9 сен 2026

Inkling-Small-GGUF

Изображение и текст → текст3 профессии

Baekpica/Inkling-Small-GGUF — это независимая GGUF-конверсия модели Inkling-Small от Thinking Machines, подготовленная Baekpica.

357скачиваний за 30 дней0лайковвеса обновлены11 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Репозиторий содержит промежуточные артефакты для смешанной квантованной версии модели и предназначен для экспериментов с локальным инференсом и мультимодальным обслуживанием на совместимом оборудовании, включая DGX Spark. Указана лицензия Apache-2.0.

Модель имеет архитектуру Inkling с 42 декодерными слоями и 256 экспертами в каждом разреженном слое. Основной артефакт Q8_0 состоит из 20 шардов общим размером 262,704 GiB; отдельный MTP-BF16 sidecar занимает 4,183 GiB и содержит восемь плотных draft-слоёв. Квантование применяется преимущественно к матрицам Q8_0, тогда как attention, vision/audio-компоненты, нормализации, свёртки и параметры маршрутизатора сохраняются в исходных форматах BF16/F32. Заявлена поддержка текстового ввода, изображений PNG/JPEG и аудио WAV с частотой 16 кГц и текстовым выводом через специальную интеграцию ds4-dfm-rs.

Сильными сторонами являются сохранение всех исходных экспертов, тензоров, токенизатора, конфигурации и мультимодального процессора, а также подробная структурная верификация файлов и контрольных сумм. При этом Q8_0-артефакт не квалифицирован для собственного запуска, совместимость с llama.cpp и результаты для длинного контекста не заявлены. Проверки подтверждают структуру и целостность файлов, но не качество ответов модели и не общую поддержку сторонними средами выполнения; опубликованные показатели производительности относятся к отдельному MQ85GB-артефакту, а не к Q8_0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Inkling-Small — intermediate GGUF artifacts

Intermediate artifacts for Inkling-Small Mixed Quant. Independent conversion from thinkingmachines/Inkling-Small revision 8cc5877b44d343f88b92086aa1fb72897950f06a.

MTP-BF16 sidecar verified with multimodal MQ85GB serving (2026-09-10): Paired with the separate MQ85GB main artifact, ds4-dfm-rs on one DGX Spark serves text, PNG/JPEG image and 16 kHz WAV audio input with text output and checks this eight-layer draft stack on and off over HTTP. The Q8_0 main artifact in this repository is a structurally verified conversion and is not qualified for native serving. HTTP evidence runtime: ds4-dfm-rs@4c32556, PR #28.

The MTP-BF16 sidecar is used with the separate MQ85GB main artifact in ds4-dfm-rs's DGX Spark integration. All eight draft layers have short CLI and serial HTTP MTP on/off checks. This does not qualify the 262.704 GiB Q8_0 main artifact for native serving. The separate GB10 performance report (PR #30) applies to MQ85GB with MTP off; it does not establish Q8_0-main throughput or an MTP speedup. No llama.cpp compatibility or long-context result is claimed.

ArtifactTensorsShardsSize
Q8_0 reference, protected BF16 ingress/attention88820262.704 GiB
MTP BF16 sidecar, all 8 dense draft layers16014.183 GiB

The Q8_0 reference uses Q8_0 for embedding/head, dense MLP matrices, shared experts and all routed experts. Attention, vision/audio, norms, convolutions, router weights/bias/scales preserve their original BF16/F32 bytes. It is a Q8 matrix reference with native anchors, not a uniformly Q8 model. It was quantized directly from the original BF16 checkpoint, without imatrix. MTP is kept separately and is not required for ordinary decoding.

general.architecture = inkling, inkling.tensor_layout = source-interleaved-v1. Every tensor keeps its original checkpoint name, shape and row order. w13 rows are [gate0, up0, gate1, up1, ...]; experts are never removed, merged or reordered. All 42 decoder layers and 256 experts per sparse layer are present. Full tokenizer/config/processor JSON and chat template are embedded in the first shard and also supplied as sidecars. This is a custom explicit contract, not an existing llama.cpp tensor-name convention.

Each artifact directory contains tensor-plan.json, audit.json and SHA256SUMS. Audits check all tensor names/shapes/types/byte counts, native payload bit equality, sampled Q8 dequantization error and every file hash. These structural checks do not establish model-output quality or runtime support.

hf download Baekpica/Inkling-Small-GGUF --include 'Q8_0/*' --local-dir ./inkling
cd inkling/Q8_0
sha256sum -c SHA256SUMS

Source: Thinking Machines Inkling-Small, Apache-2.0. GGML quantizers: Baekpica/ds4-dfm-rs, pinned 0bf398f459987c611293aa889772c80e272f045d.

Support my work

I work on making large language models practical on hardware they were never really designed to fit on — through mixed quantization, inference optimization, custom kernels, and serving experiments.

While much of the development happens on local hardware, calibration, profiling, and large-scale validation often require expensive on-demand GPUs.

Contributions help pay for that compute, storage, and testing infrastructure, so I can keep experimenting and publishing the results openly.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Класс архитектуры
InklingForConditionalGeneration
Ревизия весов
f7410e3

0 моделей