inclusionAI: Ling 3.0 Flash

Ling 3.0 Flash é um modelo de texto da inclusionAI, lançado pelo fornecedor em 2026-07-23. É um modelo Mixture-of-Experts (MoE) com 124B parâmetros, com aproximadamente 5.1B parâmetros ativados por token. As prioridades de design declaradas pelo fornecedor são eficiência de tokens e inferência agêntica em escala de produção, o que o posiciona como um modelo voltado para desenvolvedores que executam cargas de trabalho de agentes, e não para chat pontual.

O modelo é texto de entrada e texto de saída. Aceita prompts de texto e retorna completações de texto, com uma janela de contexto de 262144 tokens e uma saída máxima de 32768 tokens. A janela de contexto ampla significa que documentos longos, históricos de conversa extensos ou saídas de ferramentas de tamanho considerável podem ser mantidos em uma única requisição, enquanto o limite de saída restringe quanto o modelo pode gerar em uma resposta. A saída de raciocínio é suportada, então o modelo pode expor seu raciocínio como parte de uma resposta quando isso é solicitado.

Essas capacidades apontam para alguns usos práticos. Trabalho com contexto longo, como resumir ou consultar documentos grandes, se encaixa na janela de 262144 tokens. Pipelines agênticos se encaixam no foco declarado em inferência agêntica em escala de produção, especialmente combinados com chamada de ferramentas e saída estruturada. Como o raciocínio pode ser exposto, o modelo também serve para tarefas em que um desenvolvedor quer inspecionar o raciocínio intermediário, como depurar um fluxo de trabalho de várias etapas ou validar um caminho de decisão antes de agir com base nele.

Você chama o modelo através da API compatível com OpenAI da api14 usando o model id "inclusionai/ling-3.0-flash". Os parâmetros de requisição suportados são 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. A chamada de ferramentas está disponível através de tools e tool_choice, a saída estruturada através de response_format, e a amostragem pode ser controlada com temperature, top_p, top_k, min_p, os parâmetros de penalidade e seed. Probabilidades de log podem ser solicitadas com logprobs e top_logprobs, e o comportamento de raciocínio pode ser ajustado com reasoning e include_reasoning.

As principais restrições práticas são a entrada e saída somente de texto e o teto de saída de 32768 tokens. Se uma tarefa depende de entrada de imagem ou áudio, este modelo não cobre isso. Se uma única resposta precisa exceder o limite de saída, o trabalho tem que ser dividido entre requisições. Dentro desses limites, a combinação de um contexto de 262144 tokens, chamada de ferramentas, saída estruturada e controles de raciocínio o torna um padrão razoável para cargas de trabalho de texto com contexto longo e estilo agêntico.