inkling 2 mini本地网页研究ollama干净 markdownweb2md

如何把网页喂给本地的 Inkling 2 Mini

Zephyr Whimsy2026-11-2211 min read

本地跑着的 Inkling 2 Mini 看不见你浏览器里打开的那一页。要让它读某一页,先用 Web2MD 收成干净 Markdown,再贴进本地对话,或把存好的文件交进去。Ollama 只是官方点名的一种跑法。Web2MD 不负责启动模型。

下面 Thinking Machines Lab 的事实核对过公告、模型卡和 Tinker 页面,文中标 verified on 2026-11-22。

Short answer

用 Web2MD 把这一页收成干净 Markdown,写上来源 URL 和抓取日期,再贴进或载入本地的 Inkling 2 Mini。模型卡把 Ollama 列在 Apple 芯片上。Web2MD 不会替你把模型拉起来。

这次发布的模型,笔记本能扛住什么?

Thinking Machines Lab 在 2026年11月20日放出 Inkling 2 Mini 的开源权重。公告写成混合专家:总参数 26.4B,激活 3.4B;中间层循环,所以权重激活记成 5.4B。模型卡(verified on 2026-11-22)重复这组数字,并写每多绕一圈大约再增加 1.0B 有效激活参数。许可证是 Apache 2.0。

公告写占用 ~20GB。模型卡是约 20GB 的检查点,NVFP4 混 MXFP8,并点名一块 NVIDIA DGX Spark、32GB 及以上内存的 Apple 芯片,其他显卡建议 32GB 及以上显存。离线演示是飞行模式下的 MacBook Pro(M5 Pro,48GB)。

上下文也不是一个数。公告没有单一窗口。模型卡写最多 1M token。同一天的 Tinker 页面写成总参数 26.4B、激活 5.4B、256K max context。GraphWalks BFS 256K 是评测标签,不是窗口长度。

Hacker News 上的讨论是 item 50581260,verified on 2026-11-22 时 1,371 分,分数还会变。权重可以留在你的机器上,那一页的文字仍得你交进去。

为什么干净 Markdown 对本地模型更要紧?

云端大窗口吞得下乱粘贴。本地的 Inkling 2 Mini 先得放下检查点。模型卡的门槛是 Apple 芯片 32GB 内存,或其他显卡 32GB 显存,检查点大约 20GB。导航、Cookie 条和页脚占的是剩下的位置。官方没写载入权重后还剩多少 token,这里也不编余量。

循环让多余文字更慢。公告写中间两个块跑三遍。模型卡写每 token 计算高于激活参数的印象,推理力度调到最低也关不掉推理,本地对循环模型的支持还新。没打算送的菜单仍要解码再过那几层。1M 和 256K 不可能同时是你打开的窗口。干净 Markdown 只是把位置留给正文。

Web2MD 主页自己的数字是比原始 HTML 大约少 65% token,安装量 1,000+。这是站点自己的说法。公开基准 量的是 MDN 和 Wikipedia 两页的字符和结构,没有 token 百分比。

| | 整页复制 | 同一页的干净 Markdown | | --- | --- | --- | | 本地模型读到什么 | 正文,加上菜单、广告、Cookie 文案和侧栏 | 标题、小标题、正文,以及你写上的来源行 | | 笔记本多付出什么 | 多出来的预填充,还要再过循环的中间层 | 你本来就要送的那份来源 | | 什么时候用 | 你确实需要那些边角 | 你要的是文章、文档的一节或讨论串 |

先把网页收成 Markdown 再谈 token 讲的是别的模型上的同一件事。这里卡住你的是笔记本,不是一张 API 账单。

一页网页怎样变成模型能读的文件?

  1. 打开那个 URL,等你要的文字出现在屏幕上。折叠的章节先展开。转换器只能留下已经渲染出来的内容。
  2. 把这一屏收成 Markdown。公开页面可以在浏览器里转换,或用免费档:每天 3 个公开 URL,由服务器转换,分工写在 llms.txt。从链接出发见网页转 Markdown。
  3. 开头写下标题、URL 和抓取日期。一页一个文件。线上改了,文件不跟着改。
  4. 公开 URL 也可以用 CLI 落盘。页面上的命令是 npx web2md-cli https://example.com --meta -o article.md。它抓 URL,不启动 Inkling,也不带登录。
  5. 用模型卡为你的硬件点名的运行时启动模型。Apple 芯片上是 Ollama 和 Exo Labs。贴进对话,或在客户端能读文件时载入。两页都没印 Ollama 标签,用运行时自己公布的名字,这里不编。
  6. 让它摘文件里的一句,并说出这句上面的小标题,再问文件里没有什么。答不出小标题,就说明它没用上你存的那份来源。

价格页 列出免费档、每月 9 美元的 Pro、15 美元的 30 天通行证、年付 49.99 美元和终身 149 美元。登录后才看得到的页面走 Pro。把 Markdown 贴进 Ollama,任何一个方案里都没有写成集成。

文件该交给哪个运行时?

公告和模型卡的软件名单并不相同。两页都是 verified on 2026-11-22。跟你正在看的那一页走,再去读那个运行时自己的安装说明。

| | 公告 | 模型卡 | | --- | --- | --- | | 点名的本地推理 | SGLang、vLLM、Ollama、Unsloth、NVIDIA Dynamo、TokenSpeed、Llama App | Apple 芯片:Ollama、Exo Labs。NVIDIA:SGLang、vLLM、Unsloth、NVIDIA Dynamo、Tokenspeed。GGUF 经 Unsloth 和 llama.cpp | | 点名的微调 | SkyRL、Miles、NVIDIA AutoModel | Miles、SkyRL、NVIDIA NeMo AutoModel | | 另外的获取方式 | Tinker 上推理和定制,Tinker Playground 聊天,权重在 Hugging Face | 同样这些途径,页面上没有 Ollama 标签 |

Ollama、vLLM 和 SGLang 两页都有。两页都没有 ollama run 的标签,也没有一条启动命令。猜一个参数就等于编一套安装步骤。交接停在文件上:Markdown 进去,针对这份文件提问出来。

模型卡写它接收文字和图像、输出文字。这里要的是页面文字。Web2MD 产出 Markdown,不是图像提示。Tinker 的 256K 是托管列表上的标注,不是笔记本显卡的实测。

模型卡另写:英语以外的输出可能更差,中文测试里见过被截短的说法和中英夹杂。那是模型本身的说明,不是转换器的产物。让它引用文件里的原句。

登录之后才看得到的页面怎么办?

主页写明 Agent Bridge 接到你现有的 Chrome 会话,不绕过身份验证。Agent Bridge 说明 写桥只交回这个会话已经能渲染的内容。登录和验证要你自己完成。Chrome 和扩展都得开着。登记的客户端有 Claude Code、Cursor、Claude Desktop 和 Codex,没有 Ollama。先在浏览器里转换,存成文件,再贴进去。

免费档在服务器上转公开页面,不带浏览器会话。CLI 页面是同一条分界:公开 URL 由它直接抓,依赖登录的页面走浏览器桥。

公告写知识主要看总参数,循环并不多记住事实。只贴一份文件,不会带上搜索工具。还要第二页,就把第二页也转出来。

哪些事实需要你自己再核对?

运行时和上下文标注会变。下面与 2026年11月22日读到的公告、模型卡、Tinker 页面和 Hacker News 条目一致。

本地的 Inkling 2 Mini 会自己去抓网页吗?

不会。工具分数是评测结果。本地对话只读你交进去的文字。

官方公布的上下文到底是多长?

模型卡最多 1M token,Tinker 标 256K,公告没给单一数字。verified on 2026-11-22。

Thinking Machines 点了哪些本地运行时?

公告有 SGLang、vLLM、Ollama、Unsloth、NVIDIA Dynamo、TokenSpeed、Llama App。模型卡按硬件拆开,并多了 Exo Labs 和 llama.cpp。没有 Ollama 标签。

Web2MD 会把 Markdown 发给 Ollama 或 Inkling 2 Mini 吗?

不会。Send to AI 交给 Claude、ChatGPT、Gemini、Perplexity、Grok 或 DeepSeek。文件自己载入。

Web2MD 会绕过登录或付费墙吗?

不会。桥只用已有的 Chrome 会话。免费档转公开页。

主页上的省 token 和安装量是独立测量吗?

不是。少约 65% token 和 1,000+ 安装是站点自己的数字。基准没有 token 百分比。

Related Articles

Most Read

last 30 days
  1. #1为什么 Claude / ChatGPT 读不了 Reddit 帖子?(2026 实战解决)
  2. #2面向 LLM 的 Markdown vs HTML:Token 省 67%、回答更优(2026 实测)
  3. #3如何节省 LLM Token 成本:6 个实战方法(2026 更新)
  4. #42026 年最佳网页剪藏工具:MarkDownload 下架后的选择

Latest Articles