inclusionAI: Ling 3.0 Flash

Ling 3.0 Flash è un modello testuale di inclusionAI, rilasciato dal provider il 2026-07-23. È un modello Mixture-of-Experts (MoE) con 124 miliardi di parametri, di cui circa 5,1 miliardi attivati per token. Le priorità di progettazione dichiarate dal provider sono l'efficienza dei token e l'inferenza agentica su scala di produzione, il che lo posiziona come un modello rivolto agli sviluppatori che eseguono carichi di lavoro agentici piuttosto che chat occasionali.

Il modello accetta testo e restituisce testo. Accetta prompt testuali e restituisce completamenti testuali, con una finestra di contesto di 262144 token e un output massimo di 32768 token. La grande finestra di contesto significa che documenti lunghi, cronologie di conversazione estese o output di tool di dimensioni considerevoli possono essere contenuti in una singola richiesta, mentre il limite di output circoscrive quanto il modello può generare in una risposta. L'output di ragionamento è supportato, quindi il modello può esporre il proprio ragionamento come parte di una risposta quando richiesto.

Queste capacità indicano alcuni usi pratici. I lavori a contesto lungo, come il riassunto o l'interrogazione di documenti di grandi dimensioni, si adattano alla finestra di 262144 token. Le pipeline agentiche si adattano all'attenzione dichiarata per l'inferenza agentica su scala di produzione, specialmente se combinate con il tool calling e l'output strutturato. Poiché il ragionamento può essere reso visibile, il modello si presta anche a compiti in cui uno sviluppatore vuole ispezionare il ragionamento intermedio, come il debug di un flusso di lavoro a più passaggi o la validazione di un percorso decisionale prima di agire su di esso.

Puoi chiamare il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello "inclusionai/ling-3.0-flash". I parametri di richiesta supportati sono 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 e top_p. Il tool calling è disponibile tramite tools e tool_choice, l'output strutturato tramite response_format, e il campionamento può essere controllato con temperature, top_p, top_k, min_p, i parametri di penalità e seed. Le probabilità logaritmiche possono essere richieste con logprobs e top_logprobs, e il comportamento di ragionamento può essere regolato con reasoning e include_reasoning.

I principali vincoli pratici sono l'input e l'output solo testuali e il tetto di output di 32768 token. Se un compito dipende da input di immagini o audio, questo modello non lo copre. Se una singola risposta deve superare il limite di output, il lavoro deve essere suddiviso tra più richieste. Entro questi limiti, la combinazione di un contesto di 262144 token, tool calling, output strutturato e controlli del ragionamento lo rende una scelta predefinita ragionevole per carichi di lavoro testuali a contesto lungo e in stile agentico.