Kan Ling 3.0 Flash VL lokaal draaien?

Ja, de weights zijn open en beschikbaar op Hugging Face. Houd er rekening mee dat het totale aantal parameters 124 miljard is, dus lokale implementatie vereist aanzienlijke hardware, ook al zijn er slechts 5,5 miljard actieve parameters per token — controleer de VRAM-gids voordat je begint.

Wat kost het en hoe lang is het contextvenster?

Via API kost het $0,02 per miljoen input tokens en $0,06 per miljoen output tokens, met een contextvenster van 256K tokens.

Hoe verschilt de VL versie van Ling 3.0 Flash?

Ling 3.0 Flash is een tekst-only model; de VL variant voegt een ViT visuele encoder en VideoRoPE temporele codering toe, waarmee beeld- en videoverwerking geïntegreerd wordt in dezelfde redeneer- en agentische pijplijn in plaats van visie als aparte module te behandelen.

▲

19.5%

deze week

Ling 3.0 Flash VL

8450°

#llm #inclusionai #visie #video #redeneren #agenten

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

inclusionAI | 131,072 token context | $0.06/M input, $0.18/M output. Ling 3.0 Flash VL builds on Ling 3.0 Flash (124B total / 5.5B active MoE from InclusionAI), further strengthening its language capabilities while adding native visual perception and advanced visual agent capabilities. Hybrid instant/reasoning model with tool calling.

Gidsen voor dit model

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Ling 3.0 Flash VL is InclusionAI's open-weights multimodaal model: een 124 miljard parameter sparse MoE die slechts 5,5 miljard parameters per token activeert, met native beeld- en videoverwerking ingebakken in de redeneer-pijplijn in plaats van als losse module. Een contextvenster van 256K tokens en hybride instant/reasoning modi maken het uitzonderlijk capabel voor zijn inferentiekosten. Met $0,02 per miljoen input tokens is het geschikt voor ontwikkelaars die visie en agentische workflows willen zonder een frontier-model rekening.

Bekend om

Native visueel redeneren: visie voedt planning en verificatie, niet alleen beschrijving.
Sparse MoE efficiëntie: 124 miljard totaal, slechts 5,5 miljard actief per token.
256K contextvenster kan lange documenten, video's en uitgebreide agentgeschiedenissen aan.
VideoRoPE codering ondersteunt temporeel begrip, gebeurtenislokalisatie en lange-video Q&A.
Tool-aanroepen en visuele agent-mogelijkheden voor web- en software-interface taken.

Let op

124 miljard totale parameters betekent dat lokale implementatie serieuze hardware vereist ondanks het lage aantal actieve parameters.
Denkmodus staat standaard aan; hier moet je rekening mee houden in latency-gevoelige toepassingen.
De maker heeft geen gedetailleerde licentievoorwaarden op deze pagina gepubliceerd — controleer de Hugging Face repository voor commercieel gebruik.

Het beste voor

Visie

Agenten en toolgebruik

Redeneren

Lange context

Draait lokaal

Prompts om te proberen

Analyseer een grafiek of document

Voeg een afbeelding toe van een grafiek, tabel of gescand document. Beschrijf wat het toont, identificeer trends of anomalieën, en haal de drie belangrijkste cijfers eruit als een gestructureerde lijst met een korte uitleg per cijfer.

Visuele agent: kaart een UI in

Voeg een screenshot toe van een webpagina of desktopapplicatie. Noem elk interactief element dat je ziet, beschrijf wat elk doet, en schrijf een stapsgewijze actiesequentie die een script kan volgen om in te loggen en naar accountinstellingen te navigeren.

Meerstaps visueel redeneren

Voeg een afbeelding toe met een wiskundeprobleem, een logische puzzel of een diagram met gelabelde onderdelen. Werk het probleem stap voor stap uit met alleen de informatie in de afbeelding, toon je redenering bij elke stap, en geef je eindantwoord duidelijk aan.

Vergelijk met

Ling 3.0 Flash Sante
Alleen API-model
262,144 token context · $0.04/M invoer, $0.12/M uitvoer
Ling 3.1 Flash
Alleen API-model
262,144 token context · $0.07/M invoer, $0.22/M uitvoer
Ling 3.0 Flash
Model met open gewichten
262,144 token context · $0.02/M invoer, $0.06/M uitvoer
Ling 3.0 Flash Fin
Alleen API-model
262,144 token context · $0.04/M invoer, $0.12/M uitvoer

Meer tekstmodellen van inclusionai

Veelgestelde vragen

Kan Ling 3.0 Flash VL lokaal draaien?: Ja, de weights zijn open en beschikbaar op Hugging Face. Houd er rekening mee dat het totale aantal parameters 124 miljard is, dus lokale implementatie vereist aanzienlijke hardware, ook al zijn er slechts 5,5 miljard actieve parameters per token — controleer de VRAM-gids voordat je begint.
Wat kost het en hoe lang is het contextvenster?: Via API kost het $0,02 per miljoen input tokens en $0,06 per miljoen output tokens, met een contextvenster van 256K tokens.
Hoe verschilt de VL versie van Ling 3.0 Flash?: Ling 3.0 Flash is een tekst-only model; de VL variant voegt een ViT visuele encoder en VideoRoPE temporele codering toe, waarmee beeld- en videoverwerking geïntegreerd wordt in dezelfde redeneer- en agentische pijplijn in plaats van visie als aparte module te behandelen.

Oordeel van de kapitein
Een echt goedkope instap voor werk met visie plus agents, en de open weights zorgen dat je niet vastzit aan één API.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #57 Hottest Text / LLM model · #57 Hottest Text / LLM text model

Not this creator?

Get your own badge

Populariteitstrend van Ling 3.0 Flash VL

Heat score sinds 10 Sep 2026

Heat score

8,450°

Deze week

▲

19.5%

8,426° toen, 8,450° nu

Deze maand

▲

250%

8,284° toen, 8,450° nu

Afgelopen jaar

n.v.t.

Nog niet uitgebracht/getrackt

7,000°

Basis

De schaal loopt van 0° tot 9.999°. Alles onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven. 7,000° is waar gemeten data begint: een model met echte data maar bijna geen downloads zit op de basis, en de metingen vullen de graden erboven. De basis zegt niets over het model; alleen de graden erboven doen dat, en die maken het verschil tussen modellen.

+1,450°

OpenRouter tokens

682,291,361,460 tokens heeft dit model in de afgelopen 30 dagen verwerkt via OpenRouter, prompts en antwoorden samen. Elke 10,000,000 tokens telt als één download in de downloadterm, in totaal 68,229; de tokens van de laatste dag tellen mee voor het adoptiecijfer. Bron: OpenRouter (openrouter.ai/rankings).

Toon gedetailleerde uitsplitsing

Elk getal op deze site is te controleren. De heat-score van dit model is 8,450°, en hier wordt die stap voor stap opgebouwd, met de tussentijdse totalen na elke stap: de basis, de graden die elke bron toevoegt, de bonus voor het type model en wat de leeftijd van de gewichten eraf haalt. De kleuren zijn de banden van de grafiek hierboven. De woordenlijst achteraan legt elke term uit.

1
Begin bij de basis.
Waarom 7,000° en niet nul: de schaal loopt van 0° tot 9.999°, en het deel onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven en nooit hoger staan dan een model met data. 7,000° is waar gemeten data begint. Een model met echte data maar bijna geen downloads zit hier; alles wat volgt is meting, en de ruimte boven de basis bevat tien stappen van tien keer zoveel downloads, elk 300° waard. De basis is voor elk model hetzelfde, dus die zegt niets; de graden erboven wel.
7,000°
lopende totaal
2
Voeg de downloads toe.
68,229 download-equivalenten in totaal, van OpenRouter tokens. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
+1,450°
8,450°
lopende totaal
=
De heat-score.
Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
8,450°

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Hoe de populariteit van dit model zich verhoudt tot de rest van de catalogus: de groei in downloads, likes en gebruik per periode, gemeten ten opzichte van de typische groei van modellen in dezelfde periode, met de heat score op dat moment. Boven de typische groei betekent stijging, eronder daling. Het verleden wordt herbouwd vanuit de huidige totalen, de eerste dag van het model en de gemeten downloadsnelheid als er twee metingen zijn; een model dat er aan het begin van een periode nog niet was, toont n.v.t.

Vergelijkbare modellen

NVIDIA Nemotron 3.5 Super VL

TEXT / LLM

AI-modellen voor het genereren van afbeeldingen, video en tekst

Ling 3.0 Flash VL is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm inclusionai visie video redeneren agenten lange context lokaal

Bladeren op modelfamilie