inclusionAI: Ling 3.0 Flash

Ling 3.0 Flash adalah model teks dari inclusionAI, dirilis oleh penyedia pada 2026-07-23. Ini adalah model Mixture-of-Experts (MoE) dengan 124B parameter dengan sekitar 5.1B parameter yang diaktifkan per token. Prioritas desain yang dinyatakan oleh penyedia adalah efisiensi token dan inferensi agentic skala produksi, yang memposisikannya sebagai model yang ditujukan untuk pengembang yang menjalankan beban kerja agen daripada chat sekali pakai.

Model ini menerima teks dan menghasilkan teks. Model ini menerima prompt teks dan mengembalikan completion teks, dengan context window 262144 token dan output maksimum 32768 token. Context window yang besar berarti dokumen panjang, riwayat percakapan yang diperpanjang, atau output tool yang cukup besar dapat ditampung dalam satu permintaan, sementara batas output membatasi seberapa banyak model dapat menghasilkan dalam satu respons. Output reasoning didukung, sehingga model dapat menampilkan reasoning-nya sebagai bagian dari respons ketika diminta.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Pekerjaan long-context seperti merangkum atau melakukan query pada dokumen besar cocok dengan window 262144 token. Pipeline agentic cocok dengan fokus yang dinyatakan pada inferensi agentic skala produksi, terutama jika dikombinasikan dengan tool calling dan structured output. Karena reasoning dapat ditampilkan, model ini juga cocok untuk tugas di mana pengembang ingin memeriksa reasoning perantara, seperti men-debug alur kerja multi-langkah atau memvalidasi jalur keputusan sebelum bertindak berdasarkan itu.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "inclusionai/ling-3.0-flash". Parameter permintaan yang didukung adalah 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 dan top_p. Tool calling tersedia melalui tools dan tool_choice, structured output melalui response_format, dan sampling dapat dikontrol dengan temperature, top_p, top_k, min_p, parameter penalti dan seed. Log probabilities dapat diminta dengan logprobs dan top_logprobs, dan perilaku reasoning dapat disesuaikan dengan reasoning dan include_reasoning.

Batasan praktis utamanya adalah input dan output yang hanya teks serta batas output 32768 token. Jika suatu tugas bergantung pada input gambar atau audio, model ini tidak mencakupnya. Jika satu respons perlu melebihi batas output, pekerjaan harus dipecah ke beberapa permintaan. Dalam batasan tersebut, kombinasi context 262144 token, tool calling, structured output dan kontrol reasoning menjadikannya default yang wajar untuk beban kerja teks long-context dan bergaya agen.