01Lo que sabe hacer
- Multimodal completo: imagen, audio y texto
- Contexto masivo de hasta 1M tokens
- MoE: solo 41B activos de un total de 975B
- Licencia Apache 2.0 permisiva
- —Extremadamente pesado: ~566 GB de VRAM en Q4, reservado a servidores multi-GPU
- —Baja velocidad de generación en local (~5 tok/s en Q4)
- —Sin etiqueta de Ollama — instalación a través de HuggingFace
04Instalar
Instala Ollama para tu SO. Verifica el modelo y su cuantización antes de la descarga. Comienza con 4096 tokens de contexto y luego controla la asignación con ollama ps. Un comando a continuación no es prueba de que se haya ejecutado una prueba en tu máquina.
02Memoria requerida
VRAM de GPU aproximada para ejecutar este modelo, incluido el sobrecoste de contexto de 4k tokens. Para un contexto más largo, añade ~1 GB por cada tramo de 8k tokens.
¿Qué hardware necesitas para Inkling?
Para ejecutar Inkling en local con cuantización Q4, necesitas aproximadamente 566 GB de VRAM. Una opción para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — este modelo supera la capacidad de la GPU de este mini-PC: elige un modelo más pequeño o una infraestructura adecuada.
Enlaces de afiliados — posible comisión sin coste adicional para ti, recomendación independiente. Como socio de Amazon, QuelLLM obtiene un beneficio de las compras que cumplen las condiciones requeridas.
¿Demasiado grande para tu máquina? El kit te da el modelo que cabe en tu VRAM
- Espacio en línea de por vida
- PDF + archivos
- Reembolsado 30 j
03Velocidad estimada
Tokens generados por segundo en Q4_K_M, contexto 4k. Por encima de 20 t/s, la lectura es cómoda. Por debajo de 10 t/s, es solo para probar.