/ Модель

Характеристики

Размер весов
581 ГБ
Лицензия
Apache 2.0
Архитектура
inkling_mm_model · dense
Базовая модель
Inkling-NVFP4
Библиотека
mlx
Опубликована
15 июл 2026

Inkling-NVFP4-mlx-4bit

Генерация текстаТекст → текст3 профессии

Экспериментальная 4-битная MLX-сборка текстовой основы MoE-модели Inkling для генерации текста на системах Apple Silicon с большим объёмом объединённой памяти.

331скачиваний за 30 дней2лайкавеса обновлены17 июл 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

Это 4-битная сборка текстовой основы Inkling от Thinking Machines, подготовленная сообществом mlx-community для запуска на компьютерах Apple Silicon через MLX. В основе лежит модель thinkingmachines/Inkling-NVFP4: веса преобразованы из NVFP4 в аффинную 4-битную квантизацию MLX, размер группы — 64. Исходная модель — MoE с 975 млрд общих и 41 млрд активных параметров; сборка включает только текстовую основу, без мультимодальных частей.

Модель предназначена для генерации текста и диалогового использования. Для загрузки требуется около 580 ГБ объединённой памяти, поэтому README ориентирует на распределённый запуск на нескольких устройствах или систему с большим объёмом памяти; одной Mac Studio недостаточно. Конверсия и реализация прямого прохода не прошли полную численную проверку, а логиты не сверялись с оригиналом, поэтому корректность и качество работы не подтверждены. Дополнительная потеря качества возможна из-за повторной квантизации из NVFP4 в INT4. Лицензия — Apache-2.0.

Сценарии применения

  • экспериментальный запуск большой языковой модели на Apple Silicon
  • генерация продолжений текста через MLX
  • диалоговое взаимодействие с текстовой моделью
  • оценка загрузки и запуска крупной MoE-модели на нескольких устройствах

Ограничения

Сборка не прошла полную численную проверку: логиты и корректность реализации не сверялись с оригиналом, поэтому качество не подтверждено. Для загрузки требуется около 580 ГБ объединённой памяти; повторная квантизация из NVFP4 в INT4 может дополнительно снизить качество.

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-mlx (4-bit, text backbone)

An MLX 4-bit build of the encoder-free text backbone of Thinking Machines' Inkling (975B-total / 41B-active MoE), for running natively on Apple Silicon with mlx-lm.

This is created for people using a two Apple Mac Studio M3 Ultra with 192/512 GB. (for one Mac Studio you need 2-bit!)

Community note This is not fullly numerically-verified conversion, shared to see whether anyone can load/run a model this large on Apple Silicon and to gather feedback. Expect rough edges; please open a discussion with results (or failures).

Notes

  • Memory: the build is ~580 GB on disk (4-bit routed experts + bf16 attention / shared experts / embeddings). Loading it needs roughly that much unified memory, beyond any single Mac today (max 512 GB), so realistically it needs distributed/multi-device MLX or a very large box. This is largely a research artifact.
  • Not fully verified yet: the custom Inkling forward (factorized attention + short-conv + sigmoid MoE) is a from-reference reimplementation whose logits have not been checked against the original. Correctness is unconfirmed.

Provenance

  • Source: thinkingmachines/Inkling-NVFP4 (NVFP4) → dequantized → MLX affine 4-bit (group size 64). Only the routed MoE experts are quantized; everything else is bf16.
  • NVFP4→INT4 re-quantization, so expect small extra quality loss vs. a BF16-sourced build.

Usage (once a loader is available)

from mlx_lm import load, generate
model, tokenizer = load("mlx-community/Inkling-NVFP4-mlx-4bit")
print(generate(model, tokenizer, prompt="The capital of France is", max_tokens=64))

The custom model class lives in the conversion repo (models/inkling_mlx.py); until it's registered in mlx-lm, load via that module's load().

Blog: https://huckiyang.github.io/blog/inkling-audio-design.html

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
InklingForConditionalGeneration
Ревизия весов
6b0f47c

0 моделей