Inkling：Hugging Face上新的通用多模态开放权重模型

2026年7月14日，Hugging Face上出现名为Inkling的多模态模型，支持文本、图像和音频输入，输出文本。该模型为66层decoder-only transformer架构，使用稀疏Mixture-of-Experts，每token激活6个专家和2个共享专家。开放权重，支持多种本地部署库和第三方API，适用于聊天、代码助手、RAG等场景。

Inkling是开放权重的多模态模型，同时支持文本、图像和音频输入，可降低开发者构建多模态AI应用的门槛。此前多模态模型多由大公司闭源提供，Inkling为社区提供了可自由定制和部署的选择。

模型采用稀疏MoE架构，通过每token激活少量专家来平衡计算效率与模型容量，使其在保持性能的同时适合本地部署。开放权重和多种推理库支持（SGLang、vLLM等）降低了集成成本。

开发者可直接下载或通过API调用Inkling，用于构建聊天机器人、代码助手、多模态问答系统等。开放权重允许微调，适应特定业务场景，减少对闭源模型的依赖，但部署和维护需要技术团队投入。

• 基于Inkling开发智能客服系统，同时处理用户上传的图片和语音消息
• 集成Inkling到代码编辑器，提供上下文感知的代码建议和多模态文档理解
• 利用Inkling构建多模态内容审核工具，自动分析文本、图像和音频内容
• 针对垂直领域（如医疗影像）微调Inkling，实现专业图像+文本诊断辅助

• Inkling的具体训练数据和基准性能分数未在证据中提供
• 模型的多语言能力支持哪些语言以及效果如何？
• 稀疏MoE中256个专家的具体分配和路由机制细节未知
• 当前热度分数是否代表长期社区采用意愿？