Inkling 登陆 Modal 端点
andersonbcdefg · x · 2026-07-16
帖子转述了 Inkling 的上线信息：这个模型已经可以在 Modal 的首个端点上使用，并采用基于 token 的计费方式。
文中还提到两点实现细节：其一，Inkling 由 @thinkymachines 发布；其二，Modal 使用了自定义的 DFlash speculator，据称能带来 67% 更高的吞吐量和交互性。目前它运行在 Modal Auto Endpoints 上，并使用 SGLang。
所属事件:Modal 接入 Inkling并主打 DFlash 加速(5 条相关)→
「Infra」频道最新
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11