Bisakah saya menjalankan Ling 3.0 Flash Fin secara lokal?

Tidak. InclusionAI belum merilis bobot terbuka untuk model ini, jadi hanya tersedia lewat API dan tidak bisa dihosting sendiri.

Berapa biaya dan berapa lama konteksnya?

Harga $0,04 per juta token input dan $0,12 per juta token output, dengan jendela konteks 262.144 token.

Apa bedanya Ling 3.0 Flash Fin dengan Ling 3.0 Flash dasar?

Dibangun di atas Ling 3.0 Flash tapi disetel khusus untuk alur kerja keuangan dan investasi; model dasar adalah asisten tujuan umum.

Ling 3.0 Flash Fin

3036°

#llm #inclusionai #penalaran #riset #konteks panjang #ekstraksi data

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

inclusionAI | konteks token 262.144 | $0,04/M input, $0,12/M output. Ling 3.0 Flash Fin adalah model campuran ahli berfokus keuangan dari InclusionAI, dibangun di atas Ling 3.0 Flash dengan 5,1B parameter aktif dari total 124B. Dirancang untuk alur kerja investasi dunia nyata yang memerlukan tugas multi-langkah kompleks dan perencanaan serta pelaksanaan jangka panjang, sambil mempertahankan kemampuan umum dalam penalaran, pengkodean, dan matematika.

Panduan untuk model ini

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Ling 3.0 Flash Fin adalah model mixture-of-experts khusus keuangan dari InclusionAI, menjalankan 5,1 miliar parameter aktif dari total 124 miliar. Dibangun untuk alur kerja investasi multi-langkah dan tugas perencanaan jangka panjang, sambil mempertahankan penalaran umum, pengkodean, dan matematika yang solid. Dengan harga $0,04 per juta token input, model ini ditujukan untuk pipeline keuangan volume tinggi, bukan penggunaan kasual.

Dikenal untuk

Fokus domain keuangan: alur kerja investasi, perencanaan dan eksekusi multi-langkah
Arsitektur MoE mengaktifkan hanya 5,1 miliar dari 124 miliar parameter per langkah maju
Jendela konteks 262.144 token menangani dokumen keuangan panjang
Mempertahankan penalaran umum, pengkodean, dan matematika selain spesialisasi keuangan

Waspadai

Bobot tertutup: Anda tidak bisa menjalankan ini secara lokal atau memeriksa model
Spesialisasi keuangan mungkin menurunkan performa pada tugas umum yang tidak terkait
Tidak ada kartu model yang dipublikasikan; detail evaluasi internal tidak tersedia

Terbaik untuk

Prompt untuk dicoba

Analisis rilis pendapatan

Anda sedang meninjau rilis pendapatan kuartalan. Pendapatan tercatat $4,2 miliar dibanding estimasi konsensus $3,9 miliar. Margin operasi menyusut 180 basis poin tahun ke tahun menjadi 14,2%. Manajemen memandu pendapatan kuartal berikutnya $3,8–$4,0 miliar. Identifikasi tiga sinyal terpenting untuk investor ekuitas dan jelaskan implikasinya terhadap saham.

Memo investasi multi-langkah

Perusahaan industri menengah mengumumkan akuisisi pesaing lebih kecil dengan valuasi 12x EV/EBITDA, didanai 60% dengan utang. Jelaskan langkah utama yang harus diambil analis untuk menilai apakah kesepakatan ini menambah nilai, mencakup asumsi sinergi, dampak leverage, risiko integrasi, dan efek pada profil kredit pengakuisisi.

Ekstrak ketentuan utama dari covenant

Berikut adalah klausul covenant utang dari perjanjian kredit. Ekstrak: rasio pemeliharaan keuangan yang diperlukan, frekuensi pengujian, hak penyembuhan jika ada, dan konsekuensi pelanggaran. Sajikan temuan sebagai tabel terstruktur. [Tempel teks covenant di sini]

Bandingkan dengan

Ling 3.1 Flash
Model hanya API
konteks 262,144 token · $0.07/M input, $0.22/M output
Ling 3.0 Flash VL
Model dengan bobot terbuka
konteks 131,072 token · $0.06/M input, $0.18/M output
Ling 3.0 Flash
Model dengan bobot terbuka
konteks 262,144 token · $0.02/M input, $0.06/M output
Ling 3.0 Flash Sante
Model hanya API
konteks 262,144 token · $0.04/M input, $0.12/M output

Model teks lain dari inclusionai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Ling 3.0 Flash Fin secara lokal?: Tidak. InclusionAI belum merilis bobot terbuka untuk model ini, jadi hanya tersedia lewat API dan tidak bisa dihosting sendiri.
Berapa biaya dan berapa lama konteksnya?: Harga $0,04 per juta token input dan $0,12 per juta token output, dengan jendela konteks 262.144 token.
Apa bedanya Ling 3.0 Flash Fin dengan Ling 3.0 Flash dasar?: Dibangun di atas Ling 3.0 Flash tapi disetel khusus untuk alur kerja keuangan dan investasi; model dasar adalah asisten tujuan umum.

Putusan Kapten
MoE konteks panjang murah yang dibangun untuk alur kerja keuangan — berguna jika Anda sering bekerja dengan dokumen investasi, tidak relevan jika tidak.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

GPT 3.5 Turbo Instruct

Model AI untuk Pembuatan Gambar, Video & Teks

Ling 3.0 Flash Fin adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm inclusionai penalaran riset konteks panjang ekstraksi data

Jelajahi berdasarkan Keluarga Model