inclusionAI: Ling 3.0 Flash

Ling 3.0 Flash es un modelo de texto de inclusionAI, publicado por el proveedor el 2026-07-23. Es un modelo de Mezcla de Expertos (MoE) de 124B parámetros con aproximadamente 5.1B parámetros activados por token. Las prioridades de diseño indicadas por el proveedor son la eficiencia de tokens y la inferencia agéntica a escala de producción, lo que lo posiciona como un modelo dirigido a desarrolladores que ejecutan cargas de trabajo de agentes en lugar de chat puntual.

El modelo es texto de entrada y texto de salida. Acepta prompts de texto y devuelve completaciones de texto, con una ventana de contexto de 262144 tokens y una salida máxima de 32768 tokens. La gran ventana de contexto significa que documentos largos, historiales de conversación extensos o salidas de herramientas considerables pueden mantenerse en una sola solicitud, mientras que el límite de salida acota cuánto puede generar el modelo en una respuesta. Se admite la salida de razonamiento, por lo que el modelo puede exponer su razonamiento como parte de una respuesta cuando se solicita.

Esas capacidades apuntan a algunos usos prácticos. El trabajo de contexto largo, como resumir o consultar documentos grandes, encaja en la ventana de 262144 tokens. Los pipelines agénticos encajan con el enfoque declarado en la inferencia agéntica a escala de producción, especialmente combinados con el llamamiento de herramientas y la salida estructurada. Dado que el razonamiento puede exponerse, el modelo también es adecuado para tareas en las que un desarrollador quiere inspeccionar el razonamiento intermedio, como depurar un flujo de trabajo de varios pasos o validar una ruta de decisión antes de actuar sobre ella.

Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "inclusionai/ling-3.0-flash". Los parámetros de solicitud admitidos son 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 y top_p. El llamamiento de herramientas está disponible mediante tools y tool_choice, la salida estructurada mediante response_format, y el muestreo puede controlarse con temperature, top_p, top_k, min_p, los parámetros de penalización y seed. Las probabilidades logarítmicas pueden solicitarse con logprobs y top_logprobs, y el comportamiento de razonamiento puede ajustarse con reasoning e include_reasoning.

Las principales restricciones prácticas son la entrada y salida solo de texto y el techo de salida de 32768 tokens. Si una tarea depende de entrada de imagen o audio, este modelo no la cubre. Si una sola respuesta necesita superar el límite de salida, el trabajo tiene que dividirse en varias solicitudes. Dentro de esos límites, la combinación de un contexto de 262144 tokens, llamamiento de herramientas, salida estructurada y controles de razonamiento lo convierten en una opción predeterminada razonable para cargas de trabajo de texto de contexto largo y de estilo agéntico.