inclusionAI: Ling 3.0 Flash

Ling 3.0 Flash est un modèle de texte d'inclusionAI, publié par le fournisseur le 2026-07-23. C'est un modèle Mixture-of-Experts (MoE) de 124 milliards de paramètres, avec environ 5,1 milliards de paramètres activés par token. Les priorités de conception énoncées par le fournisseur sont l'efficacité des tokens et l'inférence agentique à l'échelle de la production, ce qui le positionne comme un modèle destiné aux développeurs exécutant des charges de travail agentiques plutôt qu'à des conversations ponctuelles.

Le modèle prend du texte en entrée et produit du texte en sortie. Il accepte des invites textuelles et renvoie des complétions textuelles, avec une fenêtre de contexte de 262144 tokens et une sortie maximale de 32768 tokens. La grande fenêtre de contexte signifie que de longs documents, des historiques de conversation étendus ou des sorties d'outils volumineuses peuvent être contenus dans une seule requête, tandis que le plafond de sortie limite ce que le modèle peut générer en une seule réponse. La sortie de raisonnement est prise en charge, donc le modèle peut exposer son raisonnement dans le cadre d'une réponse lorsque cela est demandé.

Ces capacités indiquent quelques usages pratiques. Le travail sur contexte long, comme le résumé ou l'interrogation de grands documents, correspond à la fenêtre de 262144 tokens. Les pipelines agentiques correspondent à l'accent déclaré sur l'inférence agentique à l'échelle de la production, en particulier combinés à l'appel d'outils et à la sortie structurée. Comme le raisonnement peut être exposé, le modèle convient aussi aux tâches où un développeur souhaite inspecter un raisonnement intermédiaire, par exemple pour déboguer un flux de travail à plusieurs étapes ou valider un chemin de décision avant d'agir.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "inclusionai/ling-3.0-flash". Les paramètres de requête pris en charge sont 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 et top_p. L'appel d'outils est disponible via tools et tool_choice, la sortie structurée via response_format, et l'échantillonnage peut être contrôlé avec temperature, top_p, top_k, min_p, les paramètres de pénalité et seed. Les probabilités logarithmiques peuvent être demandées avec logprobs et top_logprobs, et le comportement de raisonnement peut être ajusté avec reasoning et include_reasoning.

Les principales contraintes pratiques sont l'entrée et la sortie uniquement textuelles et le plafond de sortie de 32768 tokens. Si une tâche dépend d'une entrée image ou audio, ce modèle ne la couvre pas. Si une seule réponse doit dépasser le plafond de sortie, le travail doit être réparti sur plusieurs requêtes. Dans ces limites, la combinaison d'un contexte de 262144 tokens, de l'appel d'outils, de la sortie structurée et des contrôles de raisonnement en fait un choix par défaut raisonnable pour les charges de travail textuelles à contexte long et de style agentique.