Inkling の必要VRAM

Thinking Machines初のオープン旗艦。総952B・実働41BのMoEで、画像・音声入力に対応。フロンティア級の重みのため単一のコンシューマGPUでは動かず、クラウド/自社ホスティング向け(必要VRAMの目安として掲載)。画像入力時は必要メモリがさらに増えます。

952.38B / 66層 / GQA 8ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。

Inklingとは

Inklingは、thinkingmachinesが公開するTransformer系のデータセンター級(952.38Bパラメータ)オープンモデルです。数百B〜1T規模のフラッグシップで、個人のローカル実行は対象外です(参考収載)。テキストに加えて画像入力に対応するマルチモーダル(VLM)です。

Inklingの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約577.4GB、8Kトークン分のKVキャッシュが約2.2GB、システム予約と合わせて合計約581.1GBです。 単一のコンシューマGPUに◎(快適)となるクラスはなく、実行はクラウドGPUが現実的です。 迷ったらQ4_K_M(合計約581.1GB)が基準です。VRAMに余裕があればQ8_0(約1015.6GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総952.38B・実効41B。メモリは総量952.38B分が必要ですが、生成速度は41B級の軽さです。

画像対応(VLM): 画像を入力する際は、テキストのみの目安より使用メモリが増えます。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.6GB、8Kで約2.2GB、32Kまで広げると約8.9GBになります。KVキャッシュはコンテキスト長にほぼ比例して増えるため、長文用途ではその分のVRAM余白を見込んでください。

速度の目安(理論上限)

MoEのため速度は実効41B相当(Q4で約24.9GB)で決まり、理論上限はRTX 3060 12GBで約14 tokens/秒、RTX 4090で約41 tokens/秒です(実効はこれ以下)。

動かすには

この規模はコンシューマ環境の外なので、クラウドGPUでの実行が入口になります。 RunPodでの始め方(手順ガイド)

同クラスの選択肢

Kimi K2.6(1058B) / Kimi K2.7-Code(1059B) / GLM-5.2(753B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)