inclusionai
inclusionAI: Ling 3.0 Flash
inclusionai/ling-3.0-flash
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Ling 3.0 Flash es el modelo texto-a-texto de inclusionAI con arquitectura MoE híbrida lineal, listado por OpenRouter como inclusionai/ling-3.0-flash con contexto de 262144 tokens y razonamiento activado por defecto. La documentación del proveedor describe 124B de parámetros totales y 5.1B activos por token, un diseño KDA/MLA y entrenamiento orientado a eficiencia en contexto largo y flujos agénticos. La mayoría de fortalezas son afirmaciones del proveedor; el paquete no incluye una evaluación independiente, así que valide con su carga de trabajo.[1][2]
Puntos fuertes
- La documentación del proveedor describe un diseño MoE híbrido lineal con KDA y MLA, con 124B de parámetros totales y 5.1B activos para reducir el cómputo por token.[2]
- OpenRouter lista un contexto texto-a-texto de 262144 tokens, parámetros para herramientas y formato de respuesta, y razonamiento activado por defecto pero no obligatorio.[1]
- La ficha reporta entrenamiento agéntico en muchos entornos interactivos y una integración de caché destinada a reducir recomputación y TTFT en entradas largas; trátelo como dato del proveedor.[2]
Limitaciones
- La evidencia es solo catálogo más documentación del proveedor; no hay evaluación independiente ni tablas de benchmarks legibles, por lo que hace falta validación con la carga real.[1][2]
- Solo se listan entrada y salida de texto, y el knowledge cutoff del catálogo es nulo, así que la actualidad y las modalidades no textuales quedan sin verificar.[1]
- El catálogo muestra razonamiento por defecto sin niveles de esfuerzo soportados, y la cobertura de benchmarks es escasa, con solo entradas de coding y agentic de Artificial Analysis.[1]
Dónde utilizarlo
- Podría servir para agentes de codificación o asistentes con herramientas en producción donde importen contexto largo y razonamiento configurable; haga un piloto antes de adoptarlo.[1][2]
- Candidato para análisis de documentos largos o flujos multiturno que podrían beneficiarse del caching y la reducción de TTFT reportados por el proveedor.[1][2]
- Puede encajar en despliegue autoalojado con las recetas documentadas de SGLang o vLLM cuando se necesite un interruptor explícito de thinking y endpoints estilo OpenAI.[2]
Fuentes
- [1] OpenRouter catalog · inclusionAI: Ling 3.0 FlashFuentes consultadas: 13 nov 2026
- [2] Model documentation · inclusionAI: Ling 3.0 FlashFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
*Ling-3.0-flash* is a *124B-parameter Mixture-of-Experts (MoE) model*, with approximately *5.1B parameters activated per token*. The model is designed with *token efficiency and production-scale agentic inference* as key priorities, enabling developers...
Especificaciones
- ID del modelo
- inclusionai/ling-3.0-flash
- ID canónico
- inclusionai/ling-3.0-flash-20260723
- Creador
- inclusionai
- Añadido a OpenRouter
- 23.07.2026
- Longitud de contexto
- 262,144
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.021 / salida $0.063
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | BB — siguiente 30% de la cohorte | — |
| Agentes | BB — siguiente 30% de la cohorte | parámetros: tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 50.6 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 19.3 | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Novita | 262,144 | $0.021 | $0.063 | — | — | 100% |
| DeepInfrafp4 | 131,072 | $0.060 | $0.180 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.