01できること
長所
- パーミッシブな MIT ライセンス
- Intelligence Index 34(推論なしのオープンモデルでトップ)
- 256kコンテキスト長
- 効率的なハイブリッドアテンション
- エージェント機能とツール呼び出し機能が成熟している
知っておくべき限界
- —データセンター向けハードウェアが必要(約600 GB VRAM Q4)
- —Ollamaタグなし(HFの重みのみ)
- —推論モデルではありません
アーキテクチャ
BailingMoeV2.5 · MoE:総パラメータ数1T/アクティブ50B · エキスパート256個から上位8個を選択+共有エキスパート1個 · 80層 · MLA+Linear Attentionのハイブリッド · コンテキスト256k
トレーニング
Ling 2.6 ファミリー(Ant Group)。Contextual Process Redundancy Suppression 戦略と「Fast Thinking」でトークンのオーバーヘッドを削減。ツール呼び出しパーサーは Qwen2.5 と互換性あり。
おすすめの用途
オープンチャットの境界長コンテキストツール呼び出しエージェント
05インストール
インストール Ollama お使いのOS向け。ダウンロード前にモデルと量子化を確認してください。まずはコンテキストを4096トークンに設定し、その後、ollama ps でモデルの配置先を確認してください。以下にコマンドが記載されていることは、お使いのマシンでテストが実行された証拠にはなりません。
$# HuggingFace : inclusionAI/Ling-2.6-1T
LM Studio
グラフィカルインターフェース、CLI不要
→ ガイドを見る
llama.cpp
純粋な性能、ソースからのビルド
→ ガイドを見る
vLLM
OpenAI互換の本番サーバー
→ ガイドを見る
Jan / GPT4All
オールインワンデスクトップアプリ
→ ガイドを見る
⚠
初回ダウンロード:選択した量子化により 2 GB から 40 GB。ディスク容量を確保し、安定した接続を推奨します。その後の起動は即時です。
02必要なメモリ
このモデルを動作させるためのGPU VRAMの概算値(4kトークンのコンテキストオーバーヘッドを含む)。より長いコンテキストが必要な場合は、8kトークンごとに約1 GBを追加してください。
Q4_K_M
最も軽量、損失約 5%
580 GB
Q5_K_M
品質とサイズのバランスが良好
710 GB
Q8_0
FP16とほぼ区別がつかない
1070 GB
FP16
フル精度 — サーバー用途
2000 GB
CPU フォールバック ・GPUがない場合は、 700 RAM(GB) このモデルを低速で実行するための最低要件。
Ling 2.6 1Tに必要なハードウェアは?
実行するには Ling 2.6 1T ローカルで Q4 量子化の場合、約 580 GBのVRAM。比較検討する選択肢: GMKtec EVO-X2 128GB / 1TB (Ryzen AI Max+ 395) — このモデルは、このミニPCのGPUメモリ容量を超えています。より小さいモデルか、適切な構成のシステムを選んでください。
現在のオファー: GMKtec EVO-X2 128GB / 1TB (Ryzen AI Max+ 395)
Amazon価格を見る →なぜこの選択か? 完全な解説はこちら: GMKtec EVO-X2 128GB / 1TB (Ryzen AI Max+ 395) →
アフィリエイトリンク — 追加費用なしで手数料を受け取る場合があります。独立したおすすめ情報です。Amazonアソシエイトとして、ローカルLLMナビは条件を満たす購入から利益を得ています。
クラウドを使わず、このモデルを自分専用のChatGPTで利用
お使いのマシンにはモデルが大きすぎますか?キットでは、あなたのVRAMに収まるモデルを提供します。
- 永久に利用できるオンラインスペース
- PDF + ファイル
- 30日間返金対応
03予想速度
Q4_K_M、コンテキスト 4k での毎秒生成トークン数。 20 t/sを超えると快適に読めます。 10 t/s未満では、試用にとどまります。
04パブリックベンチマーク
スコアはモデルカード、またはMMLU-Pro/コミュニティの資料から転載したものです。単位:正答率(%)。
AA Intelligence Index
34
QuelLLM キット用途別のリファレンスガイド
すべてのキットを永久に利用 — 49 €