01Was es kann
- Vollständig multimodal: Bild, Audio und Text
- Sehr großes Kontextfenster mit bis zu 1 Mio. Tokens
- MoE: nur 41 Milliarden aktive Parameter von insgesamt 975 Milliarden
- Permissive Apache 2.0-Lizenz
- —Extrem hoher Speicherbedarf: ~566 GB VRAM mit Q4, nur für Multi-GPU-Server geeignet
- —Niedriger Durchsatz lokal (~5 tok/s in Q4)
- —Kein Ollama-Tag – Installation über HuggingFace
04Installieren
Installieren Sie Ollama für Ihr Betriebssystem. Prüfen Sie das Modell und seine Quantisierung vor dem Download. Beginnen Sie mit einem Kontext von 4096 Tokens und prüfen Sie anschließend mit ollama ps, wo das Modell ausgeführt wird. Ein unten aufgeführter Befehl ist kein Beweis dafür, dass ein Test auf Ihrem Computer ausgeführt wurde.
02Benötigter Speicher
Ungefähr benötigter GPU-VRAM zum Ausführen dieses Modells, einschließlich des Speicherbedarfs für einen Kontext von 4k Tokens. Für einen längeren Kontext rechnen Sie mit zusätzlich ca. 1 GB je 8k Tokens.
Welche Hardware eignet sich für Inkling?
Um Inkling lokal mit Q4-Quantisierung auszuführen, benötigen Sie etwa 566 GB VRAM. Eine Option zum Vergleich: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — dieses Modell überschreitet die GPU-Kapazität dieses Mini-PCs: Wählen Sie ein kleineres Modell oder eine geeignete Infrastruktur.
Warum diese Wahl? Unsere vollständige Übersicht zu GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Affiliate-Links — mögliche Provision ohne zusätzliche Kosten für Sie, unabhängige Empfehlung. Als Amazon-Partner verdient WelchesLLM an qualifizierten Käufen.
Zu groß für Ihren Rechner? Das Kit liefert Ihnen das Modell, das in Ihren VRAM passt
- Lebenslanger Online-Zugang
- PDF + Dateien
- Lebenslange Updates
03Erwartete Geschwindigkeit
Generierte Tokens pro Sekunde in Q4_K_M, Kontext 4k. Jenseits von 20 t/s, lässt es sich angenehm lesen. Bei weniger als 10 t/s, eignet es sich nur zum Testen.