Ling-3.0-flashをローカルで実行できますか？

inclusionAI | 262,144 トークンコンテキスト | 入力 $0.02/M、出力 $0.06/M。*Ling-3.0-flash* は *124Bパラメータの Mixture-of-Experts (MoE) モデル* で、1トークンあたり約 *5.1B パラメータがアクティブ* します。トークン効率と大規模エージェント推論を重視して設計されており、開発者に最適です...

このモデルのガイド

ローカルAIに実際どれくらいのVRAMが必要？

オープンウェイト、オープンソース、API専用：実際に何ができるのか

GGUFファイルとは？量子化モデルの解説（Q4、Q8、fp8、NF4）

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

Ling-3.0-flashはinclusionAIによる1240億パラメータのMixture-of-Expertsモデルで、トークンごとにわずか51億パラメータのみを活性化し、推論を高速かつ低コストに保ちます。ハイブリッドリニアアテンションアーキテクチャと1万以上の環境でのネイティブなエージェントトレーニングにより、コーディングエージェントや長期タスクに非常に適しています。入力トークン100万あたり0.02ドルでオープンウェイトが提供されており、プロダクションのエージェントパイプラインを運用しているなら真剣に注目すべきモデルです。

得意分野

SWE-Benchや高度な研究ワークフローを含む強力なコーディングおよびエージェントタスク性能
キャッシュ機能により長い入力で最初のトークン生成時間を60～80％短縮する26万2千トークンのコンテキスト
総パラメータ数1240億に対し、トークンごとにわずか51億パラメータのみを活性化
長文コンテキスト効率のために最初からプリトレーニングされたネイティブなハイブリッドリニアMoEアーキテクチャ
Hugging Faceでオープンウェイトが利用可能

注意点

総パラメータ数1240億は大きく、アクティブパラメータ数が少なくてもローカル実行にはかなりのハードウェアが必要。
思考モードがデフォルトでオンになっているため、レイテンシや出力トークンコストを最適化したい場合は注意が必要。
製作者はこのページで明確なライセンス条項を公開していないため、商用利用前にHugging Faceのリポジトリを確認してください。

最適な用途

試してみるプロンプト

失敗するエージェントループのデバッグ

Pythonのエージェントが検索ツールを呼び出し、結果を解析してから再度ツールを呼ぶか判断します。2回の反復後に必ず停止しますが、答えが見つかっていなくても止まってしまいます。ループコードはこちらです：[コードを貼り付けてください]。バグを特定し、なぜ早期終了が起きるのか説明し、修正したコードを教えてください。

システム設計の検討

フィンテックのスタートアップが毎分5万件の決済イベントを処理し、耐久的に保存し、200ms未満のp99レイテンシでクエリAPIを提供する必要があります。Kafka＋カラムナストアとRisingWaveのようなストリーミングデータベースのトレードオフを説明し、最終的に具体的な推奨とそのリスクを述べてください。

長文ドキュメントの抽出とランク付け

長い契約書を以下に貼り付けます。全文を読み、買い手に財務的義務を課す条項をすべて特定し、金銭的リスクの大きい順にランク付けし、明示的な書面通知なしに自動更新や罰則が発生する可能性のある条項をフラグしてください。

比較する

Ling 3.0 Flash Sante
API専用モデル
262,144トークンのコンテキスト · $0.04/M 入力、$0.12/M 出力
Ling 3.1 Flash
API専用モデル
262,144トークンのコンテキスト · $0.07/M 入力、$0.22/M 出力
Ling 3.0 Flash VL
オープンウェイトモデル
131,072トークンのコンテキスト · $0.06/M 入力、$0.18/M 出力
Ling 3.0 Flash Fin
API専用モデル
262,144トークンのコンテキスト · $0.04/M 入力、$0.12/M 出力

inclusionaiの他のテキストモデル

よくある質問

Ling-3.0-flashをローカルで実行できますか？: はい、ウェイトはオープンでHugging FaceのinclusionAI/Ling-3.0-flashにあります。ただし総パラメータ数は1240億なので、トークンごとに51億パラメータしか活性化しなくてもかなりのGPUメモリが必要です。
Ling-3.0-flashの料金とコンテキストウィンドウは？: API経由で入力トークン100万あたり0.02ドル、出力トークン100万あたり0.06ドル、コンテキストウィンドウは262,144トークンです。
Ling-3.0-flashはinclusionAIの以前のフラッグシップとどう違いますか？: Ling-3.0-flashは以前のLing-2.6-1Tモデルの約12％の総パラメータ数ですが、製作者によると主要ベンチマークで同等かそれ以上の性能を示し、長文コンテキストとエージェント効率のために設計されたハイブリッドリニアアーキテクチャを備えています。

キャプテンの評価
エージェント向けに設計された本格的な効率的MoEで、価格とオープンウェイトの存在から真剣な評価に値します。

Hugging Faceのモデルカード

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

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

このスコアの計算方法

このモデルはまだどのソースからも人気データがないため、リストを完全に保つために7,000°未満の仮の数値が割り当てられています。データのあるモデルより上位には決してなりません。内訳はソースが報告次第ここに表示されます。

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。