Ir al contenido
AI.info

The Pulse

Ollama lleva Inkling 2 Mini a los Mac para su uso local en versión preliminar

Inkling 2 Mini, de Thinking Machines, puede ejecutarse localmente mediante una versión preliminar de Ollama 0.40.17. El modelo de pesos abiertos acepta texto e imágenes; Ollama indica que la descarga ocupa 20 GB y que tiene una ventana de contexto de 1 millón de tokens.

Ollama lleva Inkling 2 Mini a los Mac para su uso local en versión preliminar

Inkling 2 Mini, de Thinking Machines, ya puede ejecutarse localmente a través de Ollama, con compatibilidad disponible en la versión preliminar 0.40.17, según dijo Ollama en una publicación del 20 de noviembre. El modelo de pesos abiertos está disponible en la versión de prueba para Mac.

Ollama dice que puede ejecutarse en un Mac con 32 GB o más de memoria. El modelo está destinado a tareas de programación, flujos de trabajo que implican el uso de computadoras, diseño y finanzas.

Cómo ejecutar el modelo

Los usuarios pueden iniciar el modelo con el comando ollama run inkling-2-mini. La biblioteca de Ollama incluye un modelo de 20 GB con una ventana de contexto de 1 millón de tokens y entradas de texto e imagen.

La biblioteca también ofrece ejemplos para usar el modelo a través de su API de chat, Python y JavaScript. Incluye comandos de inicio para aplicaciones como Claude Code, OpenCode, Hermes Agent y OpenClaw; la publicación de la empresa también muestra un comando para Pi.

Dentro de Inkling 2 Mini

El modelo acepta texto e imágenes y genera texto, según la ficha del modelo de Thinking Machines. El desarrollador publicó sus pesos el 20 de noviembre bajo la licencia Apache 2.0 para usos como la investigación, el fine-tuning y la integración en otros productos.

La ficha del modelo indica que tiene 26,4 mil millones de parámetros, de los cuales 3,4 mil millones están activos. Sus 12 capas intermedias se ejecutan tres veces con pesos compartidos; con esas pasadas adicionales, Thinking Machines indica que tiene 5,4 mil millones de parámetros activos efectivos por token.

El modelo utiliza una arquitectura de mezcla de expertos, que dirige cada token a ocho de 128 expertos en cada capa. Su arquitectura completa tiene 24 capas, y las capas intermedias repetidas dan lugar a 48 aplicaciones de capa por token.

Puntuaciones de pruebas reportadas

Ollama indica puntuaciones de 79,2 % en SWE-Bench Verified y de 48,2 % en DeepSWE, junto con un 82,7 % en MCP Atlas, para el uso de herramientas por agentes, y un 85,3 % en DeepSearchQA, para la investigación en profundidad. También informa de un 76,5 % en ScreenSpot Pro, que evalúa la capacidad de encontrar elementos en una pantalla, y de un 92,8 % en OmniDocBench, para la lectura de documentos.

Fuentes

  1. Fuente original · Publicación en redes sociales Ollama · página 1 x.com

Otras páginas leídas

  1. Ollama · página 2 ollama.com
  2. Thinking Machines Lab huggingface.co

Empresas en esta noticia

Noticias relacionadas

Explora

Más artículos