各种精度所需内存
| 版本 | 权重 | 含上下文 | 最低配置 Mac |
|---|---|---|---|
| 8 位 | 1 TB | 1.1 TB | 超过任何 Mac |
| 6 位 | 792 GB | 856 GB | 超过任何 Mac |
| 4 位 | 548 GB | 592 GB | 超过任何 Mac |
| 3 位 质量较低 | 427 GB | 461 GB | 超过任何 Mac |
| 2 位 质量较低 | 305 GB | 329 GB | 512 GB |
在每款 Apple 芯片上
每款芯片能运行 Inkling 的最小内存容量、装得下的最佳版本，以及预计的生成速度。
| 芯片 | 需要 | 版本 | token/秒 |
|---|---|---|---|
| M6 | 没有合适的容量 | 太大 | – |
| M5 Ultra | 512 GB | 2 位 流畅运行 | 42–75 |
| M5 Max | 没有合适的容量 | 太大 | – |
| M5 Pro | 没有合适的容量 | 太大 | – |
| M5 | 没有合适的容量 | 太大 | – |
| M4 Max | 没有合适的容量 | 太大 | – |
| M4 Pro | 没有合适的容量 | 太大 | – |
| M4 | 没有合适的容量 | 太大 | – |
| M3 Ultra | 512 GB | 2 位 流畅运行 | 29–51 |
| M3 Max | 没有合适的容量 | 太大 | – |
| M3 Pro | 没有合适的容量 | 太大 | – |
| M3 | 没有合适的容量 | 太大 | – |
| M2 Ultra | 没有合适的容量 | 太大 | – |
| M2 Max | 没有合适的容量 | 太大 | – |
| M2 Pro | 没有合适的容量 | 太大 | – |
| M2 | 没有合适的容量 | 太大 | – |
| M1 Ultra | 没有合适的容量 | 太大 | – |
| M1 Max | 没有合适的容量 | 太大 | – |
| M1 Pro | 没有合适的容量 | 太大 | – |
| M1 | 没有合适的容量 | 太大 | – |
如何运行
- 最简单的方法：下载免费开源的 MLX Harness。搜索 Inkling，下载适合你 Mac 的版本，即可开始对话。它还能通过 OpenAI 兼容 API 把模型提供给你的其他 App。下载 MLX Harness免费 · Apple Silicon · macOS 14.5 或更高版本
- 在终端中使用 Apple 的 MLX：
pip install mlx-lmmlx_lm.chat --model mlx-community/Inkling-mlx-4bit版本：Hugging Face 上的 mlx-community/Inkling-mlx-4bit。其他精度的版本就在旁边。
分步指南：在 Mac 上下载并运行 LLM · 如何使用 MLX Harness · MLX、Ollama 与 llama.cpp 对比
关于 Inkling
| 开发者 | Thinking Machines Lab |
|---|---|
| 参数 | 共 975B · 激活 41B（混合专家） |
| 许可证 | Apache-2.0 |
| 发布时间 | 2026-07 |
| 输入 | 文本和图像 |
| 智能 | Artificial Analysis Intelligence Index 得分 25 |
| 权重 | thinkingmachines/Inkling |
常见问题
- Inkling 需要多少内存？
- 在 4 位 下权重约 548 GB，再加上上下文空间，总共 592 GB。这超过了目前任何一台 Mac 的内存。
- Inkling 在 Mac 上有多快？
- 生成速度取决于内存带宽。本页中运行它最快的 Mac 是 512 GB 的 M5 Ultra，每秒约 42–75 个 token（2 位）。能运行它的最低配置 Mac 是 512 GB 的 M5 Ultra，每秒约 42–75 个。
- 为什么 Inkling 运行起来比它的规模显示的更快？
- 它是混合专家模型：内存中保存 975B 参数，但每个 token 只读取 41B，所以生成速度相当于小得多的模型。
类似模型
用于你的模型卡或 README
显示能流畅运行 Inkling 的最低配置 Mac，并链接到本页。
[](https://mlx.app/run/inkling)计算方法
内存：模型参数按每个权重 8、6、4、3 或 2 位计算，加上 MLX 的分组缩放（每个权重半位），或按其原生格式计算，再留出上下文空间。macOS 默认允许 GPU 使用约 75% 的统一内存。速度：内存带宽除以每个 token 读取的字节数，就是单个对话的上限；在 llama.cpp 的 Apple Silicon 公开基准测试中，实际运行可达这个上限的约 45% 到 80%，本页显示的就是这个范围。这些是估算值，不是实测值：可以在 MLX Bench 上测量你自己的 Mac。模型数据来自各模型的官方模型卡，芯片数据来自 Apple 的技术规格。核对于 2026-10-19。数据与 mlx.app/compare 相同。