inclusionAI: Ling 3.1 Flash

Ling 3.1 Flash est un modèle de texte d'inclusionAI. C'est un modèle mixture-of-experts à raisonnement hybride, avec 25B de paramètres actifs sur 560B au total. Le fournisseur l'a publié le 2026-10-02. Il appartient à la catégorie texte, il est donc destiné aux tâches linguistiques plutôt qu'au travail sur image, audio ou vidéo.

Le modèle prend du texte en entrée et renvoie du texte en sortie. Sa fenêtre de contexte est de 262144 tokens, et la sortie maximale est de 235929 tokens, donc les entrées longues comme les générations longues sont possibles dans ces limites. Comme c'est un modèle à raisonnement hybride, il peut produire une sortie de raisonnement en plus de sa réponse finale, et ce comportement peut être contrôlé via les paramètres reasoning et include_reasoning. La conception mixture-of-experts signifie qu'une fraction seulement des paramètres totaux est active par token, ce qui est pertinent si vous vous intéressez au débit par rapport à un modèle dense de taille totale similaire.

Les cas d'usage pratiques découlent du contexte long et de la capacité de raisonnement. L'analyse de documents longs, le résumé de gros fichiers et la réponse à des questions sur des sources volumineuses tiennent dans la fenêtre de 262144 tokens. Le code et le travail technique bénéficient du mode raisonnement, où le modèle peut travailler un problème avant de répondre. L'appel d'outils est pris en charge, le modèle peut donc servir de couche de décision dans des workflows de type agent qui doivent appeler des fonctions externes. L'extraction structurée et la classification sur de grands lots de texte conviennent également, et le paramètre seed permet un échantillonnage reproductible lorsque vous avez besoin de sorties cohérentes d'une exécution à l'autre.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'id de modèle "inclusionai/ling-3.1-flash". Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, repetition_penalty, seed, stop, temperature, tool_choice, tools, top_k, top_logprobs et top_p. Si vous voulez des détails au niveau des tokens sur la sortie, logprobs et top_logprobs sont disponibles. Si vous voulez que le modèle utilise des fonctions externes, passez tools et tool_choice. Le comportement d'échantillonnage est contrôlé avec temperature, top_p, top_k, repetition_penalty, presence_penalty et frequency_penalty, et les séquences stop sont prises en charge.

Une chose à garder en tête est que le modèle est uniquement texte. Si votre application doit traiter directement des images ou de l'audio, ce modèle n'acceptera pas ces entrées. Le mode raisonnement est optionnel et peut être activé ou désactivé, vous pouvez donc décider à chaque requête si la sortie de raisonnement supplémentaire est utile ou ajoute simplement des tokens dont vous n'avez pas besoin. Pour des tâches de texte courtes et simples, un modèle plus petit ou sans raisonnement peut être plus simple à exploiter, tandis que Ling 3.1 Flash convient mieux lorsque la longueur de contexte, le raisonnement ou l'appel d'outils sont les facteurs décisifs.