API Múnla Inkling gan chinsireacht
Tógáil gan chinsireacht atá in ann fís a dhéanamh de bhunmhúnla Meascáin Saineolaithe Inkling 975B ó Thinking Machines — comhthéacs 262K, ionchur íomhá, gan chiseal diúltaithe.
Achoimre
Is é inkling-W4A16-AUTOROUND-REAP ár n-imlonnú de Inkling, an MoE meáchan-oscailte le 975B paraiméadar a d'eisigh Thinking Machines Lab an 15 Iúil 2026. Tá sé in ann fís a dhéanamh, déanann sé glaonna uirlisí agus rialú iarrachta réasúnaíochta, agus ritheann sé gan chiseal diúltaithe agus gan scagadh aschuir ar ár mbraisle GPU féin. Is é an comhthéacs 262,144 comhartha, an t-aschur suas le 16,384. Is é an praghas $1.42 isteach / $6.07 amach in aghaidh an mhilliúin comhartha — meán-phréimh, os cionn ár leibhéil urláir $0.50 agus i bhfad faoi bhun cheannmhúnla Kimi-K3. Aon chaveat amháin le pleanáil ina thaobh: tacaíonn sé le response_format ach ní thacaíonn sé le json_schema.
Is múnlaí téacs amháin iad formhór an dá mhúnla dhéag ar ár ngeata. Níl ceathrar acu amhlaidh, agus i measc na gceathrar sin tá suíomh sonrach ag Inkling: an múnla físe a shroicheann tú nuair is é an pictiúr an chuid dheacair den fhadhb ach nuair nach síneann an buiséad chuig ceannmhúnla. Clúdaíonn an cárta seo cárb as don bhunmhúnla, cad a rinne an iarmhír W4A16-AUTOROUND-REAP dó, cad a dhéanfaidh sé agus nach ndéanfaidh sé ag dromchla an API, agus — go macánta — cathain ar rogha níos fearr é múnla níos saoire sa chatalóg chéanna.
01Cad é Inkling, agus cé a thóg é?
Is é Inkling an chéad mhúnla meáchan-oscailte ó Thinking Machines Lab, foilsithe an 15 Iúil 2026. Murab ionann agus formhór na n-eisiúintí a chuirtear i láthair mar rud "oscailte", seoladh é le meáchain iníoslódáilte iomlána ar Hugging Face agus le tacaíocht ó lá a náid i transformers, SGLang, vLLM agus llama.cpp — agus is mar sin a d'éirigh leis a bheith inrite ar bhonneagar mar ár gcuidne ar chor ar bith. Na huimhreacha ceannlíne, ó ábhair eisiúna Thinking Machines féin:
Is leagan amach Meascáin Saineolaithe gann é sin: 66 sraith díchódóra ag méid folaigh 6,144, an chéad dá cheann dlúth, agus na 64 atá fágtha ag iompar 256 saineolaí ródaithe móide 2 shaineolaí comhroinnte, le 6 shaineolaí ródaithe gníomhach in aghaidh an chomhartha. Lasann thart ar 4% de na paraiméadair ar aon chomhartha ar leith — agus is é sin a fhágann gur féidir múnla beagnach trilliún paraiméadar a fhreastal ar chor ar bith.
Tá dhá rogha ailtireachta neamhghnách go leor le hainmniú. Tá an aire fite — 55 sraith d'aire fuinneoige sleamhnáin thar fhuinneog 512 comhartha i gcoinne 11 sraith dhomhanda, i bpatrún athráiteach 5:1. Agus ní úsáideann Inkling RoPE: úsáideann sé laofacht suímh choibhneasta foghlamtha agus ionchur-spleách, taobh le confhilleadh gairid cúisíoch ar na teilgin eochrach/luacha agus ar na brainsí iarmharacha. Ainmníonn nótaí ailtireachta Sebastian Raschka an dá cheann mar fhíorimeachtaí ó ghnáthoideas 2026. Bhain an oiliúint úsáid as Muon do na paraiméadair mhaitrís mhóra agus as Adam don chuid eile, agus ansin as os cionn 30 milliún rolladh amach RL asincrónach san iar-oiliúint.
Ní hé an mionrud an pointe do thomhaltóir API. Is é ná gur bunmhúnla ar scála teorann, illmhódach go dúchasach é seo a oileadh ar 45 trilliún comhartha a chuimsíonn téacs, íomhánna, fuaim agus físeán — ní múnla téacs a bhfuil cuibheoir físe boltáilte air níos déanaí. Ionchódaítear íomhánna mar phaistí 40×40 picteilín trí phaisteálaí MLP ordlathach ceithre shraith agus próiseáiltear go comhpháirteach le téacs sa díchódóir céanna iad. Bhí an tuiscint amhairc i gcuspóir na réamhoiliúna.
02Cad a chiallaíonn W4A16-AUTOROUND-REAP?
Tá trí theicníc ar leith cruachta san iarmhír sin, agus déanann siad poist dhifriúla. Is fiú é a thuiscint, mar is í an iarmhír an difríocht is mó idir an múnla ar a nglaonn tú ar ár API agus an seicphointe a d'fhoilsigh Thinking Machines.
REAP — na saineolaithe nach ródaíonn éinne chucu a bhearradh
Is é REAP Router-weighted Expert Activation Pruning, ó Cerebras Research (arXiv 2510.13999, glactha ag ICLR 2026). I MoE le 256 saineolaí in aghaidh na sraithe ní dháileann an ródaire an obair go cothrom: buailtear ar chuid de na saineolaithe i gcónaí, lasann cuid eile go hannamh agus is beag a chuireann siad leis nuair a lasann siad. Scórálann REAP gach saineolaí ar an dá rud — luachanna geata an ródaire agus noirm ghníomhachtaithe an tsaineolaí — mar is lú tábhacht le saineolaí a roghnaítear go minic ach a chuireann nuashonruithe ar bheagán méide leis ná mar a thugann a líon roghnúcháin le fios — agus scriosann sé na cinn ar bheagán suntais in aon urchar amháin, roimh an gcainníochtú.
Is é an chúis a n-úsáidimid an bearradh seachas cumasc saineolaithe atá níos faiseanta ná go n-imíonn an dá cheann óna chéile de réir cineál taisc. Breathnaíonn an cumasc iomaíoch ar thagarmharcanna idirdhealaitheacha agus titeann sé as a chéile ar chinn ghiniúna. Tuairiscíonn údair REAP go gcaomhnaíonn an bearradh an cháilíocht níos fearr go beacht ar na hualaí oibre a gceannaíonn daoine API dóibh — sintéis cóid, glaonna uirlisí, réasúnaíocht il-bhabhta — ag cóimheasa comhbhrúite os cionn 50%, trasna múnlaí ó 20B go 1T paraiméadar. Scriosann an cumasc speisialtóireacht an ródaire; fágann an bearradh na saineolaithe a mhaireann agus an ródú eatarthu slán.
AutoRound — foghlaim cá slánaítear
Is é AutoRound modh cainníochtaithe iar-oiliúna Intel (arXiv 2309.05516, foilsithe mar SignRound). Slánaíonn cainníochtú saonta gach meáchan go dtí an luach 4-ghiotán inléirithe is gaire — réamhshocrú réasúnta agus ceann olc ar scála, mar níl na hearráidí slánaithe neamhspleách agus carnann siad trí chruach 66 sraith. Caitheann AutoRound leis an gcinneadh slánaithe mar rud le hoptamú: tiúnann fánadh grádáin sínithe treo an tslánaithe agus raonta bearrtha na meáchan go comhpháirteach thar chúpla céad céim, ag fáil cruinneas na hoiliúna feasaí ar chainníochtú ar iasacht gan athoiliúint. Tuairiscíonn Intel na gnóthachain is mó ag socruithe an-íseal-ghiotán agus buntáiste iomaíoch ag INT4.
W4A16 — cá dtéann na giotáin
Is é W4A16 an fhormáid uimhriúil: meáchain 4-ghiotán, gníomhachtuithe 16-giotán. Crapann na meáchain — atá i gceannas ar an gcuimhne i múnla 975B — go thart ar cheathrú de lorg BF16, agus fanann an uimhríocht ag 16 ghiotán. Tá tábhacht leis an scoilt sin do mhúnla físe go sonrach: gortaíonn scéimeanna a chainníochtaíonn na gníomhachtuithe go beacht an obair uimhriúil mhínghráinneach a bhfuil an tuiscint íomhánna ag brath uirthi — lipéad beag aise a léamh, líne thanaí i léargram a réiteach, dhá scáth cosúla a scaradh. Cosnaíonn na gníomhachtuithe a choinneáil ag 16 ghiotán bandaleithead agus ceannaíonn sé ar ais an beachtas san áit a dtugann ualach oibre físe faoi deara é.
Cruachta, tugann an trí cinn múnla a oireann agus a fhanann tapa gan aill cháilíochta an leibhéil ionsaithigh 3BIT-REAP a úsáidimid ar na bunmhúnlaí is mó ar fad. Is í sin an mhalairt a léiríonn an praghas.
03Fís: API anailíse íomhánna gan diúltuithe
Is ceann de cheithre mhúnla inár gcatalóg atá in ann fís a dhéanamh é Inkling, taobh le Kimi-K3, Kimi-K2.6 agus MiniMax-M3. Is iad torthaí físe foilsithe an bhunmhúnla, ó eisiúint Thinking Machines, ná 73.3% ar MMMU Pro (Standard 10) agus 78.1% ar cheisteanna réasúnaíochta CharXiv — ag ardú go 82.0% nuair a cheadaítear don mhúnla Python a rith i gcoinne na cairte. Is figiúirí na saotharlainne féin don seicphointe neamh-chainníochtaithe iad sin; caith leo mar uasteorainn an teaghlaigh, ní mar thomhas ar ár dtógáil.
Is é CharXiv an ceann is fiú machnamh a dhéanamh air, mar mapálann sé ar an gcúis a gceannaíonn daoine API físe seachas seirbhís OCR. Tástálann sé an réasúnaíocht thar chairteacha eolaíocha — luach a léamh ó ais, dhá shraith a chur i gcomparáid, treocht ag aisiompú a thabhairt faoi deara. Ní "cén téacs atá san íomhá seo" ach "cad a mhaíonn an figiúr seo, agus an seasann an maíomh". Sin a chosnaíonn pictiúr a sheoladh chuig múnla réasúnaíochta 975B in ionad chuig fotheidealóir beag.
Is gnáthobair chomhoiriúnach le OpenAI é íomhá a sheoladh — cuid ábhair image_url ar /v1/chat/completions, bloc image i stíl Anthropic ar /v1/messages, nó a chomhionann ar /v1/responses. Buaileann na trí chanúint na meáchain chéanna agus srutháileann an trí cinn; pioc pé ceann a labhraíonn do SDK reatha cheana. Tá sampla oibrithe i rannóg 09.
Tá níos mó tábhachta leis an gcuid gan chinsireacht don fhís ná don téacs. Tá ciseal diúltaithe ar chríochphointe físe neamhghnách lom, mar aicmíonn sé an íomhá de ghnáth sula bhfuil réasúnú déanta ag an múnla faoin iarratas. Beirtear ar obair dhlisteanach i gcónaí: grianghraf créachta i bpíblíne nótaí cliniciúla, gabháil scáileáin fhóiréinseach i dtuarascáil teagmhais, fráma as scannán atá á anailísiú do phíosa critice, scanadh leighis, íomhá de cháipéis a bhfuil ainm inti. Níl aicmitheoir mar sin os comhair Inkling ar ár ngeata. Breathnaíonn sé ar an rud a sheol tú agus freagraíonn sé an cheist a chuir tú. Sin an táirge.
04Aschur struchtúrtha: response_format tá, json_schema níl
Is é seo an t-aon áit ina bhfuil Inkling níos lú cumasach ná formhór na catalóige, agus is fearr pleanáil dó ná é a fháil amach sa táirgeadh.
| Cumas | inkling | Kimi-K2.6 | MiMo-V2.5 | Laguna-S-2.1 |
|---|---|---|---|---|
| Fís (ionchur íomhá) | Tá | Tá | Tá | Níl |
response_format | Tá | Tá | Tá | Níl |
json_schema | Níl | Tá | Tá | Níl |
| Glaonna uirlisí | Tá | Tá | Tá | Tá |
| Iarracht réasúnaíochta | Tá | Tá | Tá | Tá |
Oibríonn response_format: {"type": "json_object"} — faigheann tú JSON atá bailí ó thaobh comhréire. Is é nach bhfaigheann tú ná díchódú srianta ag gramadach i gcoinne scéimre a sholáthraíonn tú, áit a gcoisctear go fisiciúil ar an sampláil comhartha a sháraíonn do struchtúr a astú. Is rogha an mhúnla iad ainmneacha na réimsí, ballraíocht na n-áireamh, agus láithreacht na n-eochracha riachtanacha, ní barántas.
Trí bhealach le maireachtáil leis sin, in ord ardaitheach iontaofachta:
- Leidigh an scéimre agus bailíochtaigh. Cuir an scéimre sa leid chórais mar JSON litriúil, socraigh
response_formatgojson_object, agus bailíochtaigh an freagra ar do thaobh féin. Bain triail eile as ar theip an bhailíochtaithe le teachtaireacht earráide an bhailíochtóra ceangailte. Saor, oibríonn sé, teastaíonn buiséad aththrialacha uaidh. - Bain úsáid as sainmhíniú uirlise mar scéimre. Tacaítear le glaonna uirlisí, agus is Scéimre JSON é sainmhíniú paraiméadar feidhme. Fógair aon uirlis amháin ainmnithe don eastóscadh atá uait, cuir iallach uirthi, agus léigh na hargóintí. Is é seo an rogha is láidre ar Inkling de ghnáth agus ní chosnaíonn sé faic breise ort.
- Roinn an post idir dhá mhúnla. Iarr ar Inkling an fhís agus an réasúnaíocht a dhéanamh i bprós, agus tabhair an prós sin ansin do
MiMo-V2.5-W8A16ar $0.50 / $2.00 le fíor-json_schemadon phas struchtúraithe. Dhá ghlao, ach tá an dara ceann saor, cinntitheach ó thaobh cruth, agus is é an múnla a chaithfidh a bheith cliste an ceann a chonaic an íomhá.
Is é rogha 3 an patrún a mholfaimis d'aon phíblíne eastósctha ardtoirte. Íoc an phréimh ar an gcéim a dteastaíonn sí uaithi amháin.
05Cad a cheannaíonn préimh an phraghais?
Ag $1.42 isteach / $6.07 amach in aghaidh an mhilliúin comhartha, suíonn Inkling d'aon ghnó i lár ár gcatalóige. Tá sé cinn den dá mhúnla dhéag ar an urlár $0.50 / $2.00. Is $3.83 / $19.12 é Kimi-K3 — an ceannmhúnla, atá in ann fís a dhéanamh freisin. Tá Inkling thart ar thrí oiread an urláir ar an aschur agus thart ar thrian den cheannmhúnla.
Praghas aschuir, USD in aghaidh 1M comhartha, rátaí liosta Gheata Shannon AI, Meán Fómhair 2026. Tá leithead an bharra i gcomhréir leis an bpraghas; is é an ceann is faide an ceann is daoire.
Seo an léamh macánta ar an áit a dtuilleann an phréimh sin a cuid — agus an áit nach dtuilleann.
| Ualach oibre | Inkling a úsáid? | Cén fáth |
|---|---|---|
| Réasúnaíocht ar chairteacha / léargraim | Tá | Is iad na figiúirí foilsithe CharXiv agus MMMU Pro an rud is láidre ag an mbunmhúnla seo. |
| Gníomhairí faoi thiomáint gabhálacha scáileáin | Tá | Fís móide glaonna uirlisí móide 262K de stair in aon mhúnla amháin, gan aon aistriú. |
| Cáipéisí fada le figiúirí | Tá | Roinneann an téacs agus na híomhánna aon díchódóir amháin agus aon fhuinneog chomhthéacs amháin. |
| Giniúint gnáth-théacs | Níl | Déanann sé mhúnla ar $0.50 / $2.00 é seo. Tá tú ag íoc as cosán físe nach nglaonn tú air riamh. |
| Eastóscadh scéimre ar mhórchóir | Níl | Gan json_schema. Tá MiMo-V2.5 níos saoire agus srianta. |
| Uasteorainn iomlán na teorann | Níl | Is é Kimi-K3 an ceannmhúnla. Íoc an 3.1× más í an uasteorainn an srian. |
| An fhís is saoire is féidir | Níl | Tá fís ag MiniMax-M3 ar $0.50 / $2.00. Tosaigh ansin, ardaigh má chuireann an cháilíocht iallach ort. |
Léigh é sin mar riail ródaithe, ní mar rangú. Tá Inkling ceart do bhanda oibre níos cúinge ná mar a mhaífeadh leathanach margaíochta, agus taobh istigh den bhanda sin tá sé deacair é a shárú ar an bpraghas. Lasmuigh de, b'fhearr linn an múnla is saoire a dhíol leat agus tú a choinneáil.
json_schema — an chéad stad nádúrtha sula n-ardaíonn tú. Féach an cárta múnla MiniMax-M3 gan chinsireacht le feiceáil conas atá an dá cheann difriúil sa chleachtas.
06An fhuinneog chomhthéacs 262K, agus a n-oireann inti i ndáiríre
Freastalaítear an dá mhúnla dhéag ar an ngeata le comhthéacs ionchuir 262,144 comhartha agus le huasaschur 16,384 comhartha in aghaidh an iarratais. Aonfhoirmeach d'aon ghnó: níor cheart go n-éireodh láimhseáil an chomhthéacs ina craobh in aghaidh an mhúnla i do chód, agus níor cheart go n-athródh inkling a mhalartú ar MiniMax-M3 i gcomhad cumraíochta go ciúin a n-oireann.
Tabhair faoi deara an bhearna i gcoinne an bhunmhúnla fhoilsithe: doiciméadaíonn Thinking Machines Inkling ag 1,048,576 comhartha, agus freastalaímid slis 262K de sin. Má tá fíorualach oibre milliún comhartha in aon iarratas amháin agat, ní sinne an críochphointe dó, agus is fearr duit fios a bheith agat sula dtógann tú.
Le haghaidh scála ag 262K: PDF teicniúil 400 leathanach lena fhigiúirí, bunchód meánmhéide, roinnt uaireanta an chloig de thrascríbhinn, nó seisiún fada gníomhaireachta ag iompar mórán torthaí uirlisí agus dornán gabhálacha scáileáin — oireann gach ceann acu in aon iarratas amháin. Ar mhúnla físe, cuimhnigh go n-itheann íomhánna an comhthéacs freisin; níl gabháil scáileáin dhlúth saor in aisce, agus líonann seisiún a shrutháileann frámaí an fhuinneog níos tapúla ná ceann téacs amháin. Oireann an ailtireacht go maith dó seo: ciallaíonn an patrún 5:1 idir an fhuinneog sleamhnáin agus an aire dhomhanda go bhfreastalaíonn formhór na sraitheanna laistigh de chomharsanacht 512 comhartha, agus na sraitheanna domhanda ag tarraingt struchtúir fhad-raoin ar ais isteach go tréimhsiúil.
07Iarracht réasúnaíochta: íoc as an smaointeoireacht nuair atá sí de dhíth ort amháin
Nochtann Inkling iarracht réasúnaíochta inrialaithe — ceann de na cnaipí is úsáidí sa chatalóg. Glacann an múnla thuas an sruth le leibhéil ó none agus minimal trí low, medium, high, xhigh, suas go max, nochta ar na trí chanúint tríd an ngnáthpharaiméadar reasoning_effort.
{
"model": "inkling-W4A16-AUTOROUND-REAP",
"reasoning_effort": "low",
"messages": [ ... ]
}Is luamhán costais le fiacla é seo, mar billeáiltear comharthaí réasúnaíochta mar chomharthaí aschuir ar $6.07 in aghaidh an mhilliúin. Tuairiscíonn Thinking Machines go sroicheann Inkling ar Terminal Bench 2.1 scóir inchomparáide le Nemotron 3 Ultra ar thart ar thrian de na comharthaí — is sprioc dearaidh luaite den chóras iarrachta í an éifeachtúlacht comharthaí, ní taisme.
Sa chleachtas: rith low nó minimal do fhotheidealú, d'aicmiú, agus d'eastóscadh simplí, áit a bhfuil an freagra san íomhá agus nach bhfuil aon slabhra tátail de dhíth. Coinnigh high agus os a chionn do réasúnaíocht ar chairteacha, do chomparáid amhairc ilchéimeanna, agus do bhabhtaí gníomhaireachta ina bhfuil céim idirmheánach mhícheart costasach. Ní shocraíonn formhór na bhfoirne an paraiméadar ar chor ar bith, agus fágann siad difríocht costais aschuir de roinnt oiread ar an mbord.
08Cad a chiallaíonn "gan chinsireacht" anseo — agus cad nach gciallaíonn sé
Go nithiúil: ritheann muid an múnla seo gan chiseal diúltaithe agus gan scagadh ar an aschur. Ní léann aicmitheoir ar bith do leid agus ní chinneann sé an bhfuil cead ag an múnla freagairt, agus ní léann ceann ar bith an freagra sula sruthaíonn sé. Nuair atá an múnla éiginnte nó nuair atá an t-eolas in easnamh air, deir sé é sin — is é an múnla é sin, ní polasaí. Is é an rud nach bhfaighidh tú ná diúltú aisfhreagrach ar ábhar a gcaitheann táirge do ghnáththomhaltóirí leis mar rud atá as teorainn.
Don fhís is é seo an tairiscint luacha ar fad. Tá aicmitheoirí íomhánna os comhair API-anna físe neamhbheacht, agus titeann an ráta fabhtdhearbhaithe is troime ar an obair ghairmiúil is mó a bhfuil an cumas de dhíth uirthi: taighde slándála, comhthéacsanna cliniciúla, iriseoireacht agus fóiréinsic, critic scannán agus ealaíne, uirlisí modhnóireachta a chaithfidh breathnú ar an rud a mhodhnaíonn siad. Ní féidir le críochphointe a dhiúltaíonn ar bhonn catagóire freastal go hiontaofa ar aon cheann acu.
Dhá chaveat mhacánta. Ar dtús, foilsíonn Thinking Machines measúnuithe sábháilteachta dá n-imlonnú tagartha — 78.0% ar FORTRESS aimhréidh, 95.9% ar FORTRESS neamhurchóideach, 98.6% ar StrongREJECT. Déanann na figiúirí sin cur síos ar a gcruach le a ráillí cosanta i bhfeidhm. Ní dhéanann siad cur síos ar ár gceannna, agus ní luafaimid iad amhail is dá ndéanfaidís. Bhaineamar an ciseal a thomhaiseann na huimhreacha sin go páirteach; sin an táirge, agus an fhreagracht.
Sa dara háit, ní hionann "gan chiseal diúltaithe" agus "gan rialacha". Oibríonn Shannon Lab LLC faoi Pholasaí Úsáide Freagraí agus faoi dhlí infheidhme na Stát Aontaithe. Aistríonn aicmitheoir a bhaint an breithiúnas chugatsa, ní scriosann sé é. Má tá tú ag tógáil air seo, léigh an polasaí sula scálaíonn tú.
09Ag tosú
An bun-URL céanna, an eochair chéanna, trí chanúint. Má ghlaonn do chód ar OpenAI, ar Anthropic, nó ar an Responses API cheana, is é an teaghrán múnla a athrú an t-aistriú ar fad de ghnáth.
from openai import OpenAI
client = OpenAI(
base_url="https://api.shannon-ai.com/v1",
api_key=SHANNON_API_KEY,
)
stream = client.chat.completions.create(
model="inkling-W4A16-AUTOROUND-REAP",
messages=[{"role": "user", "content": [
{"type": "text", "text": "What does this figure actually show?"},
{"type": "image_url", "image_url": {"url": image_data_url}},
]}],
reasoning_effort="high",
max_tokens=4000,
stream=True,
)
for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
print(delta, end="")Tá tagairt iomlán na bparaiméadar, cruthanna /v1/messages agus /v1/responses, formáidí na n-imeachtaí sruthaithe, agus clós súgartha beo sna cáipéisí API. Tá cártaí múnla don aon mhúnla dhéag eile i dTaighde Shannon.
Tagann gach figiúr bunmhúnla agus modha thuas ó bhunfhoinse phoiblí. Níl aon rud anseo ina thagarmharc tomhaiste ag Shannon, agus ní chuirimid i láthair mar cheann é — seiceáil na bunleaganacha.
Is uimhreacha foilsithe Thinking Machines Lab don seicphointe Inkling neamh-chainníochtaithe iad na figiúirí bunmhúnla agus déanann siad cur síos ar uasteorainn an teaghlaigh, ní ar ár dtógáil chainníochtaithe. Is luachanna liosta Gheata Shannon AI amhail Meán Fómhair 2026 iad na praghsanna agus na bratacha cumais.
10Ceisteanna coitianta
Cad é an API múnla Inkling gan chinsireacht?
Imlonnú Shannon AI de Inkling, an MoE meáchan-oscailte le 975B paraiméadar a d'eisigh Thinking Machines Lab an 15 Iúil 2026. Freastalaímid é mar inkling-W4A16-AUTOROUND-REAP le comhthéacs 262,144 comhartha, ionchur íomhá, glaonna uirlisí, agus rialú iarrachta réasúnaíochta, ar ár mbraisle GPU féin, gan chiseal diúltaithe agus gan scagadh aschuir.
An dtacaíonn Inkling le hionchur íomhá ar an API Shannon?
Tacaíonn — ceann de cheithre mhúnla sa chatalóg atá in ann fís a dhéanamh. Seol cuid ábhair image_url ar /v1/chat/completions, nó bloc image ar /v1/messages. Gan chiseal diúltaithe, déanann sé cur síos ar a bhfuil sa fhráma seachas diúltú ar bhonn catagóire.
An dtacaíonn Inkling le haschur struchtúrtha json_schema?
Ní thacaíonn. Oibríonn response_format don mhodh oibiachta JSON; ní oibríonn json_schema forfheidhmithe ag gramadach. Bain úsáid as Kimi-K2.6 nó as MiMo-V2.5 má tá sé de dhíth ort, nó ar Inkling bain úsáid as sainmhíniú uirlise faoi iallach mar do scéimre agus bailíochtaigh ar do thaobh féin.
Cad a chiallaíonn W4A16-AUTOROUND-REAP?
Meáchain 4-ghiotán le gníomhachtuithe 16-giotán; AutoRound (Intel) ag foghlaim an tslánaithe agus an bhearrtha le fánadh grádáin sínithe in ionad slánú go dtí an ceann is gaire; agus REAP (Cerebras) ag bearradh aon-urchair na saineolaithe MoE ar bheagán suntais atá scóráilte ar luachanna geata an ródaire agus ar noirm ghníomhachtaithe.
Cé mhéad a chosnaíonn sé, agus an fiú an phréimh í?
$1.42 isteach / $6.07 amach in aghaidh an mhilliúin comhartha — thart ar 3× ár leibhéal urláir agus thart ar thrian de cheannmhúnla Kimi-K3. Is fiú é do réasúnaíocht ar chairteacha, do ghníomhairí gabhálacha scáileáin, agus do cháipéisí atá trom ar fhigiúirí. Ní fiú é do ghnáth-théacs ná d'eastóscadh scéimre ar mhórchóir.
Cad í an fhuinneog chomhthéacs?
262,144 comhartha ionchuir agus 16,384 comhartha aschuir in aghaidh an iarratais, comhionann trasna an dá mhúnla dhéag ar fad. Doiciméadaíonn an bunmhúnla thuas an sruth 1,048,576 comhartha; freastalaímid slis 262K ionas nach n-éireoidh iompar an chomhthéacs riamh ina chás speisialta in aghaidh an mhúnla.
Bain triail as an API Inkling gan chinsireacht
Fís, comhthéacs 262K, trí chanúint API, gan chiseal diúltaithe.
Léigh na Cáipéisí API Brabhsáil Gach Cárta MúnlaShannon Lab LLC · Nua-Mheicsiceo, SAM · á oibriú faoinár bPolasaí Úsáide Freagraí
Foinsí: Thinking Machines Lab — Introducing Inkling · Hugging Face — Welcome Inkling · REAP the Experts (arXiv 2510.13999) · Optimize Weight Rounding via Signed Gradient Descent (arXiv 2309.05516) · Sebastian Raschka — nótaí ailtireachta agus tagarmhairc Inkling. Is tuairiscithe ag an tsaotharlann don seicphointe neamh-chainníochtaithe iad tagarmharcanna an bhunmhúnla.