@MaziyarPanahi：我在Mac Studio上体验了Thinking Machines的新Inkling，一个2分钟的问诊。患者因膝盖问题前来……

X AI KOLs Timeline 模型
thinking-machines inkling 975b-params medical-ai llama-cpp gguf local-ai

摘要

Thinking Machines的Inkling是一个975B参数模型，通过llama.cpp在Mac Studio上本地运行。它听取了一段问诊音频，从闲聊中的细微线索准确诊断出心力衰竭，展示了无需离开本机的先进医学推理能力。

我在Mac Studio上体验了Thinking Machines的新Inkling，进行了一次2分钟的问诊。 患者因膝盖问题前来就诊。Inkling听了整个过程，却指出了心力衰竭。 它听取的是真实的音频，而非转录文本。975B参数，1-bit GGUF（来自@UnslothAI），运行在llama.cpp上（@huggingface）。没有任何数据离开本机。 膝盖问题是简单的部分。隐藏在闲聊中的线索：爬坡时喘不上气，睡四个枕头，脚踝肿得像气球，还有她在春天悄悄停掉了利尿药。五个信号，一个诊断，没有一条是她预约的原因。 她最后说：“我是不是该说点什么？我只是来看膝盖的。” 一个975B模型刚刚完成了医学中最难的事情：它倾听了患者认为不值得提及的内容。 它接下来应该听什么？
查看原文
查看缓存全文

缓存时间: 2026/07/17 00:24

我在我的 Mac Studio 上体验了 Thinking Machines 的新 Inkling——一场 2 分钟的医生问诊

病人来看膝盖。Inkling 听完了全程，却标记出了心力衰竭。

它听到的是真实音频，不是文字转录。975B 参数，1-bit GGUF 格式（@UnslothAI），运行在 llama.cpp 上（@huggingface）。数据从未离开机器。

膝盖很容易处理。但闲聊中藏着线索：爬山时气喘吁吁，睡四个枕头，脚踝肿得像气球，还有她春天悄悄停了利尿药。五个信号，一个诊断，没有一条是她就诊的原因。

她最后说：“我是不是该说点什么？我只是来看膝盖的。”

一个 975B 的模型做到了医学中最难的事：它听懂了病人认为不值得提的那些话。

下一步，它该听什么？

相似文章

欢迎使用 Thinking Machines 的 Inkling

Hugging Face Blog

Thinking Machines 的 Inkling 是一个大型开放多模态 LLM，约有1万亿参数、100万上下文窗口，原生支持图像、音频和文本。它采用混合专家架构，可在 Hugging Face 上获取，并提供首日推理支持。

thinkingmachines/Inkling

Hugging Face Models Trending

Inkling is a large open-weights multimodal model (975B total, 41B active parameters) using a sparse MoE architecture, accepting text, image, and audio inputs and generating text outputs, intended for agentic systems, coding assistants, and chatbots.

Thinking Machines Lab 发布首个模型

Wired

由前 OpenAI 高管创立的 Thinking Machines Lab 发布了其首个开源权重 AI 模型 Inkling，该模型拥有 9750 亿参数，具备推理、编程以及处理音频、视频和文本的能力。