01 / 模型卡片
模型卡片
Inkling 是由 thinkingmachines 开发的一款多模态大模型，核心能力在于实现“图像+文本”到“文本”的高质量转换。简单来说，它不仅能读懂图片，还能结合你输入的文字指令，对图像内容进行深度理解、描述或逻辑推理。对于开发者而言，这款模型基于 Apache-2.0 开源协议，这意味着它在商用集成时具有极高的友好度。无论你是想做自动化图像标注、构建智能视觉问答系统，还是开发具备视觉理解能力的 AI 助手，Inkling 都是一个非常扎实的底层基座。相比于一些闭源的视觉模型，它的上手门槛较低，通过 Hugging Face 即可快速部署测试，是构建轻量化多模态应用的高性价比选择。
模型类型image text to text
提供方thinkingmachines
许可状态apache-2.0
02 / 文件与版本
模型文件与版本
03 / 模型下载
下载模型
推荐使用 ModelScope 命令行或 SDK 下载。下载前请先安装 ModelScope，并根据需要选择完整模型、单个文件、SDK 或 Git LFS 方式。
当前条目来源为 Hugging Face；以下命令使用同名 ModelScope 仓库格式，请先确认该仓库在 ModelScope 中可用。 模型仓库:
thinkingmachines/Inkling安装 ModelScope
下载前先安装命令行和 SDK 依赖。
pip install modelscope命令行下载完整模型库
下载完整模型权重、配置和模型卡片。
modelscope download --model thinkingmachines/Inkling下载单个文件到指定目录
这里以 README.md 为例，也可以替换为仓库内的其他文件。
modelscope download --model thinkingmachines/Inkling README.md --local_dir ./dirSDK 下载
适合在 Python 项目或自动化脚本中使用。
from modelscope import snapshot_download
model_dir = snapshot_download('thinkingmachines/Inkling')Git 下载
请确保 Git LFS 已正确安装。
git lfs install
git clone https://www.modelscope.cn/thinkingmachines/Inkling.git跳过 LFS 大文件下载
先获取仓库结构，之后再按需拉取大文件。
GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/thinkingmachines/Inkling.git04 / 使用方法
如何使用
- 01步骤 1
阅读模型卡片和来源信息。
- 02步骤 2
从小型、非敏感任务开始评估。
- 03步骤 3
核对输出质量、许可和使用限制。
- 04步骤 4
验证通过后再纳入工作流。
05 / 讨论
讨论与反馈
这里保留讨论入口，方便继续核对来源、使用体验和维护状态。
前往来源页面