Bolehkah Ling 3.0 Flash VL dijalankan secara tempatan?

Ya, berat terbuka dan tersedia di Hugging Face. Ingat jumlah parameter keseluruhan ialah 124B, jadi penggunaan tempatan memerlukan perkakasan besar walaupun hanya 5.5B parameter aktif per token — periksa panduan VRAM sebelum anda mula.

Berapakah kos dan berapa panjang konteksnya?

Melalui API, harganya $0.02 per sejuta token input dan $0.06 per sejuta token output, dengan tetingkap konteks 256K token.

Bagaimana versi VL berbeza daripada Ling 3.0 Flash?

Ling 3.0 Flash adalah model teks sahaja; varian VL menambah pengekod visual ViT dan pengekodan temporal VideoRoPE, mengintegrasikan kefahaman imej dan video ke dalam saluran penalaran dan agen yang sama, bukan menjadikan visi modul berasingan.

▲

19.5%

minggu ini

Ling 3.0 Flash VL

8450°

#llm #inclusionai #penglihatan #video #penalaran #ejen

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

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.

Panduan untuk model ini

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Ling 3.0 Flash VL adalah model multimodal berat terbuka dari InclusionAI: MoE jarang 124B parameter yang mengaktifkan hanya 5.5B parameter per token, dengan kefahaman imej dan video asli yang tertanam dalam saluran penalarannya dan bukan ditambah kemudian. Tetingkap konteks 256K dan mod segera/penalaran hibrid menjadikannya sangat berkemampuan untuk kos inferensnya. Pada harga $0.02 per sejuta token input, ia sesuai untuk pembangun yang memerlukan visi dan aliran kerja agen tanpa bil model hadapan.

Dikenali untuk

Penalaran visual asli: visi menyokong perancangan dan pengesahan, bukan sekadar penerangan.
Kecekapan MoE jarang: 124B parameter keseluruhan, hanya 5.5B aktif per token.
Tetingkap konteks 256K mengendalikan dokumen panjang, video dan sejarah agen yang panjang.
Pengekodan VideoRoPE menyokong kefahaman temporal, lokalisasi acara dan soal jawab video panjang.
Panggilan alat dan keupayaan agen visual untuk tugas antara muka web dan perisian.

Berhati-hati dengan

124B parameter keseluruhan bermakna penggunaan tempatan memerlukan perkakasan serius walaupun bilangan parameter aktif rendah.
Mod berfikir dihidupkan secara lalai; anda perlu mengambil kira ini dalam aplikasi sensitif kelewatan.
Pembuat belum menerbitkan terma lesen terperinci di halaman ini — semak repositori Hugging Face sebelum penggunaan komersial.

Terbaik untuk

Penglihatan

Ejen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Analisis carta atau dokumen

Lampirkan imej carta, jadual atau dokumen imbasan. Terangkan apa yang ditunjukkan, kenal pasti sebarang tren atau anomali, dan ekstrak tiga angka paling penting sebagai senarai berstruktur dengan penjelasan satu baris untuk setiap satu.

Ejen visual: peta UI

Lampirkan tangkapan skrin halaman web atau aplikasi desktop. Senaraikan setiap elemen interaktif yang anda lihat, terangkan fungsi setiap satu, kemudian tulis urutan tindakan langkah demi langkah yang boleh diikuti skrip untuk melengkapkan log masuk dan navigasi ke tetapan akaun.

Penalaran visual berbilang langkah

Lampirkan imej yang mengandungi masalah matematik, teka-teki logik atau rajah dengan bahagian berlabel. Selesaikan masalah langkah demi langkah menggunakan hanya maklumat yang kelihatan dalam imej, tunjukkan penalaran anda pada setiap langkah, dan nyatakan jawapan akhir anda dengan jelas.

Bandingkan dengan

Ling 3.0 Flash Sante
Model hanya API
konteks 262,144 token · Input $0.04/M, output $0.12/M
Ling 3.1 Flash
Model hanya API
konteks 262,144 token · Input $0.07/M, output $0.22/M
Ling 3.0 Flash
Model berat terbuka
konteks 262,144 token · Input $0.02/M, output $0.06/M
Ling 3.0 Flash Fin
Model hanya API
konteks 262,144 token · Input $0.04/M, output $0.12/M

Lebih banyak model teks dari inclusionai

Soalan yang sering ditanya

Bolehkah Ling 3.0 Flash VL dijalankan secara tempatan?: Ya, berat terbuka dan tersedia di Hugging Face. Ingat jumlah parameter keseluruhan ialah 124B, jadi penggunaan tempatan memerlukan perkakasan besar walaupun hanya 5.5B parameter aktif per token — periksa panduan VRAM sebelum anda mula.
Berapakah kos dan berapa panjang konteksnya?: Melalui API, harganya $0.02 per sejuta token input dan $0.06 per sejuta token output, dengan tetingkap konteks 256K token.
Bagaimana versi VL berbeza daripada Ling 3.0 Flash?: Ling 3.0 Flash adalah model teks sahaja; varian VL menambah pengekod visual ViT dan pengekodan temporal VideoRoPE, mengintegrasikan kefahaman imej dan video ke dalam saluran penalaran dan agen yang sama, bukan menjadikan visi modul berasingan.

Keputusan Kapten
Pintu masuk yang benar-benar murah untuk kerja visi dan agen, dan berat terbuka bermakna anda tidak terikat kepada satu API sahaja.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh 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

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

Not this creator?

Get your own badge

Trend populariti Ling 3.0 Flash VL

Skor panas sejak 10 Sep 2026

Skor haba

8,450°

Minggu ini

▲

19.5%

8,426° dulu, 8,450° sekarang

Bulan ini

▲

250%

8,284° dulu, 8,450° sekarang

Tahun lalu

n/a

Belum dikeluarkan/dipantau

7,000°

Lantai

Skala berjalan dari 0° hingga 9,999°. Apa sahaja di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian di situ supaya senarai tetap lengkap. 7,000° adalah tempat data yang diukur bermula: model dengan data sebenar tapi hampir tiada muat turun berada di lantai, dan ukuran mengisi darjah di atasnya. Lantai tidak memberitahu apa-apa tentang model; hanya darjah di atasnya yang buat beza antara satu model dengan model lain.

+1,450°

Token OpenRouter

682,291,361,460 token diproses oleh model ini melalui OpenRouter dalam 30 hari terakhir, termasuk arahan dan jawapan. Setiap 10,000,000 token dikira sebagai satu muat turun dalam tempoh muat turun, 68,229 semuanya; token hari terakhir disertakan dalam kadar penggunaan. Sumber: OpenRouter (openrouter.ai/rankings).

Tunjukkan pecahan terperinci

Setiap nombor di laman ini boleh diperiksa. Skor panas model ini adalah 8,450°, dan ia dibina satu bahan pada satu masa, dengan jumlah terkini selepas setiap langkah: lantai, darjah yang ditambah oleh setiap sumber, bonus untuk jenis model dan apa yang umur beratnya tolak. Warna-warna itu adalah jalur carta di atas. Glosari di akhir menerangkan setiap istilah.

1
Mula di lantai.
Kenapa 7,000° dan bukan sifar: skala dari 0° hingga 9,999°, dan bahagian di bawah 7,000° dikhaskan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian supaya senarai tetap lengkap dan tidak pernah mengatasi model dengan data. 7,000° adalah tempat data yang diukur bermula. Model dengan data sebenar tapi hampir tiada muat turun berada di sini; semua yang berikut adalah ukuran, dan ruang di atas lantai ada sepuluh langkah muat turun sepuluh kali ganda pada 300° setiap satu. Lantai sama untuk setiap model, jadi ia tidak tentukan apa-apa; darjah di atasnya yang buat beza.
7,000°
jumlah berjalan
2
Tambah muat turun.
68,229 muat turun setara semuanya, dari Token OpenRouter. Sepuluh kali muat turun menambah 300° yang sama, jadi saiz penting tapi tidak pernah mengatasi skor.
+1,450°
8,450°
jumlah berjalan
=
Skor heat.
Di mana model ini berdiri dalam setiap senarai laman ini. Tiada yang lain mengubahnya.
8,450°

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Bagaimana populariti model ini bergerak berbanding katalog lain: pertumbuhannya dalam muat turun, suka dan penggunaan setiap tempoh, diukur berbanding pertumbuhan model biasa dalam tempoh yang sama, dengan skor panasnya pada masa itu. Di atas pertumbuhan biasa dibaca sebagai kenaikan, di bawahnya sebagai penurunan. Masa lalu dibina semula dari jumlah hari ini, hari pertama model dan kelajuan muat turun yang diukur jika ada dua bacaan; model yang tidak wujud pada permulaan tempoh menunjukkan n/a.

Model serupa

Qwen3.5 Plus 2026 02 15

TEXT / LLM

Phi 4

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Ling 3.0 Flash VL ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm inclusionai penglihatan video penalaran ejen konteks panjang tempatan

Layari mengikut keluarga model