01Cosa sa fare
- Multimodale completo: immagine, audio e testo
- Contesto esteso fino a 1M token
- MoE: solo 41B attivi su 975B
- Licenza Apache 2.0 permissiva
- —Estremamente pesante: circa 566 GB di VRAM in Q4, riservato ai server multi-GPU
- —Bassa velocità di generazione in locale (~5 tok/s in Q4)
- —Nessun tag Ollama — installazione tramite HuggingFace
04Installare
Installa Ollama per il tuo OS. Verifica il modello e la sua quantizzazione prima del download. Inizia con 4096 token di contesto, poi controlla l'allocazione con ollama ps. Un comando qui sotto non dimostra che sia stato eseguito un test sulla tua macchina.
02Memoria richiesta
VRAM GPU approssimativa per far girare questo modello, overhead del contesto di 4k token incluso. Per un contesto più lungo, aggiungi ~1 GB per ogni blocco di 8k token.
Quale hardware serve per Inkling?
Per eseguire Inkling in locale con quantizzazione Q4, servono circa 566 GB di VRAM. Un’opzione da confrontare: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — questo modello supera la capacità GPU di questo mini-PC: scegli un modello più piccolo o un'infrastruttura adeguata.
Perché questa scelta? La nostra scheda completa su GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Link affiliati — possibile commissione senza costi aggiuntivi per te, raccomandazioni indipendenti. In qualità di Partner Amazon, QualeLLM realizza un profitto sugli acquisti idonei.
Troppo grande per il tuo computer? Il kit ti fornisce il modello che sta nella tua VRAM
- Spazio online a vita
- PDF + file
- Aggiornamenti a vita
03Velocità prevista
Token generati al secondo in Q4_K_M, contesto 4k. Oltre 20 t/s, la lettura è confortevole. Al di sotto di 10 t/s, va bene solo per fare delle prove.