inclusionAI: Ling 3.0 Flash

Ling 3.0 Flash ist ein Textmodell von inclusionAI, das vom Anbieter am 2026-07-23 veröffentlicht wurde. Es ist ein Mixture-of-Experts-Modell (MoE) mit 124B Parametern, bei dem pro Token etwa 5,1B Parameter aktiviert werden. Die vom Anbieter genannten Designprioritäten sind Token-Effizienz und agentische Inferenz im Produktionsmaßstab, was es als Modell positioniert, das auf Entwickler abzielt, die Agent-Workloads betreiben, statt auf einmalige Chat-Nutzung.

Das Modell nimmt Text entgegen und gibt Text aus. Es akzeptiert Text-Prompts und liefert Text-Vervollständigungen, mit einem Kontextfenster von 262144 Token und einer maximalen Ausgabe von 32768 Token. Das große Kontextfenster bedeutet, dass lange Dokumente, ausgedehnte Gesprächsverläufe oder umfangreiche Tool-Ausgaben in einer einzigen Anfrage gehalten werden können, während die Ausgabengrenze begrenzt, wie viel das Modell in einer Antwort generieren kann. Reasoning-Ausgabe wird unterstützt, sodass das Modell sein Reasoning als Teil einer Antwort offenlegen kann, wenn dies angefordert wird.

Diese Fähigkeiten deuten auf einige praktische Anwendungen hin. Langkontext-Arbeit wie das Zusammenfassen oder Abfragen großer Dokumente passt zum 262144-Token-Fenster. Agentische Pipelines passen zum genannten Fokus auf agentische Inferenz im Produktionsmaßstab, besonders in Kombination mit Tool Calling und strukturierter Ausgabe. Da Reasoning offengelegt werden kann, eignet sich das Modell auch für Aufgaben, bei denen ein Entwickler das Zwischen-Reasoning prüfen möchte, etwa beim Debuggen eines mehrstufigen Workflows oder beim Validieren eines Entscheidungspfads, bevor darauf gehandelt wird.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "inclusionai/ling-3.0-flash" auf. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, temperature, tool_choice, tools, top_k, top_logprobs und top_p. Tool Calling ist über tools und tool_choice verfügbar, strukturierte Ausgabe über response_format, und die Sampling-Steuerung ist mit temperature, top_p, top_k, min_p, den Penalty-Parametern und seed möglich. Log-Wahrscheinlichkeiten können mit logprobs und top_logprobs angefordert werden, und das Reasoning-Verhalten kann mit reasoning und include_reasoning abgestimmt werden.

Die wichtigsten praktischen Einschränkungen sind die rein textbasierte Ein- und Ausgabe sowie die Obergrenze von 32768 Token für die Ausgabe. Wenn eine Aufgabe von Bild- oder Audioeingabe abhängt, deckt dieses Modell das nicht ab. Wenn eine einzelne Antwort die Ausgabengrenze überschreiten muss, muss die Arbeit auf mehrere Anfragen aufgeteilt werden. Innerhalb dieser Grenzen macht die Kombination aus einem 262144-Token-Kontext, Tool Calling, strukturierter Ausgabe und Reasoning-Steuerung es zu einer vernünftigen Standardwahl für Langkontext- und agentische Text-Workloads.