Inkling
8348°
Esegui questo modello
Offerte / Annunci
Thinking Machines | contesto da 524.288 token | $1.00/M input, $4.05/M output. Inkling è un modello multimodale mixture-of-experts open-weight di Thinking Machines Lab, con 41B parametri attivi su 975B totali. È progettato per ragionamento generale, coding, sistemi agentici e uso di strumenti, generazione aumentata da recupero, esecuzione di istruzioni e applicazioni conversazionali multilingue. La sua comprensione nativa di immagini e audio supporta analisi multimodale insieme al testo.
Guide per questo modello
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
Quanta VRAM serve davvero per l'AI locale?
Pesi aperti vs open source vs solo API: cosa puoi davvero fare
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
Note del capitano
Note del 2026-10-13
Inkling è un modello sparse mixture-of-experts da 975 miliardi di parametri di Thinking Machines Lab, con 41 miliardi di parametri attivi per token. Pesi aperti, nativamente multimodale su testo, immagine e audio, e costruito con una finestra di contesto da 524K token, è pensato per sviluppatori che costruiscono pipeline agentiche, sistemi RAG e assistenti di codifica. L'architettura MoE mantiene i costi di inferenza più bassi rispetto al conteggio totale dei parametri.
Conosciuto per
- Comprensione nativa di testo, immagine e audio elaborati in un decoder condiviso
- Finestra di contesto da 524.288 token — gestisce comodamente documenti molto lunghi
- Routing MoE sparso: 41 miliardi di parametri attivi da un pool di 975 miliardi per token
- Pesi aperti con ricette per SGLang, vLLM, Unsloth e Hugging Face
- Costruito esplicitamente per sviluppo di applicazioni agentiche e uso di strumenti
Attenzione a
- 975 miliardi di parametri totali significa requisiti hardware seri per il deployment locale — controlla la VRAM prima di scaricare
- L'input audio deve essere WAV a 16kHz; le dimensioni delle immagini dovrebbero rimanere tra 40px e 4096px per risultati ottimali
- I pesi sono aperti ma rilasciati sotto una policy di uso accettabile, non una licenza completamente permissiva
Prompt da provare
Piano di uso agentico di strumenti
Stai costruendo un assistente di ricerca che può cercare sul web, leggere PDF e inviare riepiloghi via email. Progetta lo schema degli strumenti e il ciclo agentico in Python usando function calling. Mostra le definizioni degli strumenti, la logica del ciclo principale e come gestisci un errore restituito da uno strumento a metà esecuzione.
Analisi audio multimodale
Sto allegando una breve registrazione WAV di una chiamata al supporto clienti. Trascrivila, identifica il reclamo principale del cliente, valuta la qualità della risposta dell'agente su una scala da 1 a 5 con motivazioni, e suggerisci un miglioramento concreto che l'agente avrebbe potuto fare.
Ragionamento su documenti lunghi
Ecco un documento tecnico di 200 pagine. Identifica ogni punto in cui un requisito contraddice un altro requisito, cita entrambi i passaggi, spiega il conflitto e suggerisci quale dovrebbe prevalere e perché. Sii esaustivo, non selettivo.
Confronta con
- Inkling SmallModello con pesi apertiContesto di 524,288 token · Input $0.45/M, output $1.20/M
- GPT-6 LunaModello solo APIContesto di 1,050,000 token · Input $0.10/M, output $0.50/M
- GPT-5.6 LunaModello solo APIContesto di 1,050,000 token · Input $0.20/M, output $1.20/M
- Claude Opus 5.5Modello solo APIContesto di 1,000,000 token · Input $4.00/M, output $20.00/M
Altri modelli di testo da thinkingmachines
Domande frequenti
- Inkling può essere eseguito localmente?
- Sì — i pesi sono aperti e Thinking Machines pubblica ricette di deployment per SGLang, vLLM, Unsloth, TokenSpeed e Hugging Face. Detto questo, il modello ha 975 miliardi di parametri totali, quindi serve hardware sostanziale; controlla la guida VRAM prima di procedere.
- Quanto costa Inkling via API?
- Thinking Machines lo prezza a $1,00 per milione di token in input e $4,05 per milione di token in output, con una finestra di contesto da 524.288 token. I provider terzi di inferenza potrebbero avere prezzi diversi.
- Cosa rende Inkling diverso da un modello denso con capacità simili?
- La sua architettura MoE sparsa instrada ogni token attraverso solo 41 miliardi dei 975 miliardi di parametri totali, riducendo il costo computazionale per token rispetto a un modello denso di pari dimensioni totale — anche se l'intero peso è comunque caricato in memoria.
Verdetto del capitanoUn modello frontier serio con pesi aperti per sviluppatori che hanno bisogno di capacità multimodali, contesti lunghi e agenticità e sono disposti a fornire l'hardware necessario.
Scheda modello su Hugging Face
Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.
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
Tendenza di popolarità di Inkling
Punteggio di calore da 17 Jul 2026
Punteggio di popolarità
8,348°
Questa settimana
▲
7.2%
8,338° allora, 8,348° ora
Questo mese
▲
41.5%
8,300° allora, 8,348° ora
Ultimo anno
n/a
Non ancora rilasciato/tracciato
7,000°
Floor
La scala va da 0° a 9.999°. Tutto ciò che sta sotto 7,000° è riservato ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete. 7,000° è dove iniziano i dati misurati: un modello con dati reali ma quasi nessun download sta al floor, e le misurazioni riempiono i gradi sopra di esso. Il floor non dice nulla sul modello; solo i gradi sopra lo fanno, e sono quelli che distinguono un modello dall'altro.
+1,348°
Token OpenRouter
311,584,593,096 token processati da questo modello tramite OpenRouter negli ultimi 30 giorni, prompt e risposte insieme. Ogni 10,000,000 token conta come un download nel termine di download, 31,158 in totale; i token dell'ultimo giorno contribuiscono al tasso di adozione. Fonte: OpenRouter (openrouter.ai/rankings).
Mostra dettagli
Ogni numero su questo sito può essere verificato. Il punteggio heat di questo modello è 8,348°, ed è costruito un ingrediente alla volta, con il totale progressivo dopo ogni passaggio: il floor, i gradi che ogni fonte aggiunge, il bonus per il tipo di modello e cosa toglie l'età dei suoi pesi. I colori corrispondono alle bande del grafico sopra. Il glossario alla fine definisce ogni termine.
- 1Inizia dal floor.Perché 7,000° e non zero: la scala va da 0° a 9.999°, e la parte sotto 7,000° è riservata ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete e non superare mai un modello con dati. 7,000° è dove iniziano i dati misurati. Un modello con dati reali ma quasi nessun download sta qui; tutto ciò che segue è misurazione, e lo spazio sopra il floor contiene dieci passi decuplici nei download a 300° ciascuno. Il floor è uguale per ogni modello, quindi non decide nulla; lo fanno i gradi sopra di esso.7,000°totale in corso
- 2Aggiungi i download.31,158 equivalenti di download in totale, da Token OpenRouter. Dieci volte i download aggiungono lo stesso 300°, quindi la dimensione conta ma non domina mai il punteggio.+1,348°8,348°totale in corso
- =Il punteggio heat.Dove si posiziona questo modello in ogni lista di questo sito. Niente altro lo modifica.8,348°
Glossario: i termini usati qui
- Punteggio heat
- Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
- Soglia minima
- I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
- Equivalenti di download
- Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
- Scala logaritmica
- Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
- Like
- Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
- Tasso di adozione
- Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
- Misurato e stimato
- Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
- Seeder
- Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
- AI Horde
- Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
- Siti di generazione
- Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
- Token OpenRouter
- Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modello completo (checkpoint)
- I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
- LoRA e embedding
- Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
- Famiglia e pesi
- La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
- Età
- Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
- Boost famiglia
- Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
- Punteggio stand-in
- Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
- Novità! (periodo di grazia)
- Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
- Tendenza
- Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
- Modello tipico
- Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.
Come si è mosso questo modello rispetto al resto del catalogo: la sua crescita in download, like e utilizzo in ogni periodo, misurata rispetto alla crescita tipica dei modelli nello stesso periodo, con il suo punteggio di popolarità al momento. Sopra la crescita tipica indica un aumento, sotto una diminuzione. Il passato è ricostruito dai totali di oggi, dal primo giorno del modello e dalla sua velocità di download misurata quando ci sono due letture; un modello che non esisteva all'inizio del periodo mostra n/a.
Inkling è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.
Altri modelli Text / LLMAltri Testo / LLM Text / LLMllmthinkingmachinesvisioneaudioragionamentoprogrammazioneagenticontesto lungo
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153