Inkling
Réseau Neuronal
Inkling est le modèle multimodal ouvert de Thinking Machines Lab pour le raisonnement, le code et les tâches d'agent.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Inkling?
Inkling est un modèle multimodal à poids ouverts de Thinking Machines Lab basé sur l'architecture mixture-of-experts : sur 975 milliards de paramètres, 41 milliards sont actifs à chaque étape, offrant la puissance d'un grand réseau avec une inférence économique. Conçu pour le raisonnement universel, la programmation, les systèmes d'agents et l'utilisation d'outils, sa multimodalité permet d'entrer du texte et des images. Sur BotHub, accédez à Inkling sans VPN ni carte étrangère : paiement en roubles par cartes russes, les jetons n'expirent pas. Comparez facilement les réponses avec d'autres modèles dans la même fenêtre sans réécrire l'intégration : accès via une API compatible OpenAI, requêtes chiffrées AES-GCM, et pour les équipes : contrat, facture, GED et panneau d'administration avec limites. Utile pour analyser et réécrire du code, déboguer des tests, créer des agents avec appels de fonctions et outils externes, extraire le sens de schémas et captures d'écran, ou résoudre des tâches complexes nécessitant un raisonnement approfondi.Questions fréquentes sur Inkling
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel avec entrée multimodale : il accepte du texte, des documents et des images, et répond par du texte. Adapté à l'analyse de grands documents, à l'écriture et au refactoring de code, au débogage, à l'analyse de logs, aux tâches STEM et aux scénarios d'agents avec appel d'outils.
La limite de sortie est de 471 859 jetons, et la fenêtre de contexte atteint 1 048 576 jetons. Cela suffit pour charger une documentation volumineuse ou une base de code et obtenir en réponse un document complet, un grand module de code ou une analyse détaillée sans fragmentation.
Oui, le mode de raisonnement est confirmé : le modèle construit une chaîne d'étapes avant la réponse finale. Cela aide considérablement en mathématiques, logique, analyse des exigences et recherche de causes d'erreurs dans le code. Sur BotHub, vous payez à l'usage pour les jetons, aucun abonnement n'est requis.
Oui, l'appel de fonctions et la sortie structurée en JSON sont pris en charge. Vous pouvez connecter des outils externes, des bases de données et des services, créer des agents et analyser les réponses sans post-traitement. Via l'API compatible OpenAI de BotHub, vous changez de modèle sans réécrire l'intégration.
Selon nos données, les images et les documents sont acceptés en entrée : captures d'écran d'interfaces, schémas, diagrammes, tableaux, PDF et longs rapports. Le modèle en extrait les données et répond par du texte. Pour l'audio et la vidéo, BotHub propose des modèles spécialisés dans la même fenêtre.
Nous n'avons pas de données spécifiques sur les langues, il est donc plus fiable de tester sur votre propre tâche : chargez un document type ou un fragment de code et comparez le résultat avec d'autres modèles dans la même fenêtre BotHub. Le basculement prend quelques secondes et les jetons ne sont pas perdus.