آیا Ling 3.0 Flash VL را میتوان به صورت محلی اجرا کرد؟

بله، وزنها باز و در Hugging Face در دسترس هستند. توجه داشته باشید تعداد کل پارامترها ۱۲۴ میلیارد است، بنابراین استقرار محلی به سختافزار قابل توجهی نیاز دارد حتی اگر فقط ۵.۵ میلیارد پارامتر در هر توکن فعال باشد — قبل از شروع راهنمای VRAM را بررسی کنید.

هزینه آن چقدر است و پنجره زمینه چقدر است؟

از طریق API با قیمت ۰.۰۲ دلار برای هر میلیون توکن ورودی و ۰.۰۶ دلار برای هر میلیون توکن خروجی، با پنجره زمینه ۲۵۶ هزار توکن ارائه میشود.

نسخه VL چگونه با Ling 3.0 Flash متفاوت است؟

Ling 3.0 Flash فقط مدل متنی است؛ نسخه VL یک رمزگذار بصری ViT و کدگذاری زمانی VideoRoPE اضافه میکند که درک تصویر و ویدئو را در همان خط لوله استدلال و عاملی ادغام میکند، نه اینکه بینایی را به عنوان ماژول جداگانه در نظر بگیرد.

▲

19.5%

این هفته

Ling 3.0 Flash VL

8450°

#llm #inclusionai #بینایی #ویدیو #استدلال #عامل‌ها

اجرای مدل

پیشنهادها / تبلیغات

OpenRouter ترمینال / API

پرداخت به ازای هر توکن

با این مدل در مرورگر چت کنید یا با یک کلید API از کد خود به آن دسترسی داشته باشید.

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.

راهنماهای این مدل

بهترین مدل محلی LLM بر اساس کاربرد (اکتبر ۲۰۲۶): مدل باز مناسب برای هر کار

واقعاً چقدر VRAM برای هوش مصنوعی محلی نیاز دارم؟

وزن‌های باز در مقابل متن‌باز در مقابل فقط API: واقعاً چه کاری مجاز هستید انجام دهید

فایل GGUF چیست؟ مدل‌های کوانتیزه شده توضیح داده شده (Q4، Q8، fp8، NF4)

همه راهنماها

یادداشت‌های کاپیتان

نوشته شده توسط Captain، ویراستار خانه

یادداشت‌ها از 2026-10-13

Ling 3.0 Flash VL مدل چندرسانه‌ای با وزن‌های باز از InclusionAI است: یک MoE پراکنده با ۱۲۴ میلیارد پارامتر که فقط ۵.۵ میلیارد پارامتر در هر توکن فعال می‌شود، با درک بومی تصویر و ویدئو که در خط لوله استدلال تعبیه شده است نه به صورت الحاقی. پنجره زمینه ۲۵۶ هزار توکن و حالت‌های ترکیبی فوری/استدلالی آن را برای هزینه استنتاجش بسیار توانمند می‌کند. با قیمت ۰.۰۲ دلار برای هر میلیون توکن ورودی، مناسب توسعه‌دهندگانی است که به بینایی و جریان‌های کاری عاملی بدون هزینه مدل پیشرفته نیاز دارند.

معروف به

استدلال بصری بومی: بینایی به برنامه‌ریزی و تأیید می‌رسد، نه فقط توصیف.
کارایی MoE پراکنده: ۱۲۴ میلیارد پارامتر کل، فقط ۵.۵ میلیارد فعال در هر توکن.
پنجره زمینه ۲۵۶ هزار توکن برای اسناد طولانی، ویدئوها و تاریخچه‌های عاملی گسترده.
کدگذاری VideoRoPE پشتیبانی از درک زمانی، مکان‌یابی رویداد و پرسش و پاسخ ویدئویی طولانی.
فراخوانی ابزار و قابلیت‌های عامل بصری برای وظایف وب و رابط نرم‌افزار.

مراقب باشید

۱۲۴ میلیارد پارامتر کل به این معنی است که استقرار محلی به سخت‌افزار جدی نیاز دارد حتی با وجود تعداد پارامترهای فعال کم.
حالت تفکر به طور پیش‌فرض روشن است؛ باید در برنامه‌های حساس به تأخیر این موضوع را در نظر بگیرید.
سازنده شرایط مجوز دقیق را در این صفحه منتشر نکرده است — قبل از استفاده تجاری مخزن Hugging Face را بررسی کنید.

بهترین برای

بینایی

عامل‌ها و استفاده از ابزار

استدلال

متن زمینه بلند

اجرای محلی

دستورات برای امتحان

تحلیل نمودار یا سند

یک تصویر از نمودار، جدول یا سند اسکن شده پیوست کنید. توضیح دهید چه چیزی نشان می‌دهد، هر روند یا ناهنجاری را شناسایی کنید و سه عدد مهم را به صورت فهرست ساختاریافته با توضیح یک خطی برای هر کدام استخراج کنید.

عامل بصری: نقشه‌برداری رابط کاربری

یک اسکرین‌شات از صفحه وب یا برنامه دسکتاپ پیوست کنید. هر عنصر تعاملی که می‌بینید را فهرست کنید، توضیح دهید هر کدام چه کاری انجام می‌دهند، سپس یک توالی عملیاتی مرحله به مرحله بنویسید که یک اسکریپت بتواند برای تکمیل ورود به سیستم و رفتن به تنظیمات حساب دنبال کند.

استدلال بصری چندمرحله‌ای

یک تصویر حاوی مسئله ریاضی، معمای منطقی یا نموداری با بخش‌های برچسب‌خورده پیوست کنید. مسئله را مرحله به مرحله فقط با استفاده از اطلاعات موجود در تصویر حل کنید، استدلال خود را در هر مرحله نشان دهید و پاسخ نهایی را به وضوح بیان کنید.

مقایسه با

Ling 3.0 Flash Sante
مدل فقط API
متن زمینه 262,144 توکن · ورودی $0.04/M، خروجی $0.12/M
Ling 3.1 Flash
مدل فقط API
متن زمینه 262,144 توکن · ورودی $0.07/M، خروجی $0.22/M
Ling 3.0 Flash
مدل با وزن‌های باز
متن زمینه 262,144 توکن · ورودی $0.02/M، خروجی $0.06/M
Ling 3.0 Flash Fin
مدل فقط API
متن زمینه 262,144 توکن · ورودی $0.04/M، خروجی $0.12/M

مدل‌های متنی بیشتر از inclusionai

سؤالات متداول

آیا Ling 3.0 Flash VL را می‌توان به صورت محلی اجرا کرد؟: بله، وزن‌ها باز و در Hugging Face در دسترس هستند. توجه داشته باشید تعداد کل پارامترها ۱۲۴ میلیارد است، بنابراین استقرار محلی به سخت‌افزار قابل توجهی نیاز دارد حتی اگر فقط ۵.۵ میلیارد پارامتر در هر توکن فعال باشد — قبل از شروع راهنمای VRAM را بررسی کنید.
هزینه آن چقدر است و پنجره زمینه چقدر است؟: از طریق API با قیمت ۰.۰۲ دلار برای هر میلیون توکن ورودی و ۰.۰۶ دلار برای هر میلیون توکن خروجی، با پنجره زمینه ۲۵۶ هزار توکن ارائه می‌شود.
نسخه VL چگونه با Ling 3.0 Flash متفاوت است؟: Ling 3.0 Flash فقط مدل متنی است؛ نسخه VL یک رمزگذار بصری ViT و کدگذاری زمانی VideoRoPE اضافه می‌کند که درک تصویر و ویدئو را در همان خط لوله استدلال و عاملی ادغام می‌کند، نه اینکه بینایی را به عنوان ماژول جداگانه در نظر بگیرد.

حکم کاپیتان
یک نقطه ورود واقعاً ارزان برای کارهای بینایی به‌علاوه عامل‌ها، و وزن‌های باز به این معنی است که به یک API محدود نیستید.

کارت مدل در Hugging Face

کاپیتان این یادداشت‌ها را از توضیحات مدل و کارت مدل نوشته است. قیمت‌ها و اندازه متن زمینه مربوط به ارائه‌دهنده در زمان نوشتن است و ممکن است تغییر کند.

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

روند محبوبیت Ling 3.0 Flash VL

امتیاز حرارتی از 10 Sep 2026

امتیاز داغی

8,450°

این هفته

▲

19.5%

8,426° آن زمان، 8,450° الان

این ماه

▲

250%

8,284° آن زمان، 8,450° الان

سال گذشته

n/a

هنوز منتشر/ردیابی نشده

7,000°

کف

مقیاس از 0° تا 9,999° است. هر چیزی زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود: مدلی با داده واقعی ولی تقریباً بدون دانلود روی کف قرار می‌گیرد و اندازه‌گیری‌ها درجه‌های بالاتر را پر می‌کنند. کف درباره مدل چیزی نمی‌گوید؛ فقط درجه‌های بالاتر این کار را می‌کنند و آنها هستند که مدل‌ها را از هم جدا می‌کنند.

+1,450°

توکن‌های OpenRouter

682,291,361,460 توکن این مدل در ۳۰ روز گذشته از طریق OpenRouter پردازش شده است، شامل درخواست‌ها و پاسخ‌ها. هر 10,000,000 توکن به عنوان یک دانلود در دوره دانلود حساب می‌شود، مجموعاً 68,229؛ توکن‌های روز آخر به نرخ پذیرش اضافه می‌شوند. منبع: OpenRouter (openrouter.ai/rankings).

نمایش جزئیات

هر عدد در این سایت قابل بررسی است. امتیاز حرارت این مدل 8,450° است و اینجا به صورت مرحله به مرحله ساخته شده، با مجموع جاری بعد از هر مرحله: کف، درجه‌هایی که هر منبع اضافه می‌کند، جایزه برای نوع مدل و چیزی که سن وزن‌ها کم می‌کند. رنگ‌ها همان بازه‌های نمودار بالاست. واژه‌نامه در انتها هر اصطلاح را تعریف می‌کند.

1
از کف شروع کن.
چرا 7,000° و نه صفر: مقیاس از 0° تا 9,999° است و بخش زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند و هیچ‌وقت بالاتر از مدلی با داده قرار نگیرند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود. مدلی با داده واقعی ولی تقریباً بدون دانلود اینجا قرار می‌گیرد؛ هر چیزی که بعد از آن می‌آید اندازه‌گیری است و فضای بالای کف ده مرحله ده برابر در دانلودها دارد که هر کدام 300° است. کف برای همه مدل‌ها یکسان است، پس تصمیم‌گیرنده نیست؛ درجه‌های بالاتر این کار را می‌کنند.
7,000°
جمع جاری
2
دانلودها را اضافه کن.
68,229 معادل دانلود در کل، از توکن‌های OpenRouter. ده برابر کردن دانلودها همان 300° را اضافه می‌کند، پس اندازه مهم است اما هرگز امتیاز را به خودش نمی‌برد.
+1,450°
8,450°
جمع جاری
=
امتیاز حرارت.
جایی که این مدل در هر فهرست این سایت قرار دارد. هیچ چیز دیگری آن را تنظیم نمی‌کند.
8,450°

واژه‌نامه: اصطلاحات استفاده شده اینجا

امتیاز حرارت: یک عدد برای اینکه چقدر یک مدل الان استفاده و خواسته می‌شود، از 0° تا 9,999°. هر فهرستی در این سایت که می‌گوید داغ‌ترین‌ها بر اساس آن مرتب شده‌اند و هیچ چیز دیگری.
کف: 7,000° که هر مدل با داده واقعی از آن شروع می‌کند. مقیاس از 0° تا 9,999° است؛ بخشی که زیر کف است برای جایگزین‌ها (مدل‌هایی بدون داده) محفوظ است، تا مدلی با داده همیشه بالاتر از مدلی بدون داده باشد. کف برای همه یکسان است و هیچ تصمیمی نمی‌گیرد؛ درجه‌های بالاتر اندازه‌گیری هستند.
معادل‌های دانلود: هر چیزی که امتیاز به عنوان دانلود حساب می‌کند، جمع شده: خود دانلودها، هر تورنت سیدر به عنوان 1,000، هر تصویر AI Horde و هر اجرا روی سایت تولید به عنوان یکی.
مقیاس لگاریتمی: شمارش به صورت ده‌تایی، نه یکی‌یکی: رفتن از 1,000 به 10,000 دانلود همان درجه‌ها را اضافه می‌کند که رفتن از 10,000 به 100,000. این باعث می‌شود غول‌ها همه چیز را نبلعند.
لایک‌ها: تایید و لایک از هر منبع، هر کدام نصف وزن یک دانلود در مقیاس لگاریتمی.
نرخ پذیرش: چند دانلود در روز یک مدل همین الان می‌گیرد، از تفاوت بین دو خوانش یک منبع. یک چهارم وزن بخش دانلود.
اندازه‌گیری شده و تخمینی: اندازه‌گیری شده یعنی دو خوانش از یک منبع وجود دارد و تفاوت واقعی است. تخمینی یعنی فقط مجموع امروز معلوم است و گذشته به صورت مدل در طول عمر آن پخش شده؛ سایت می‌گوید کدام را نشان می‌دهد.
سیدر: کسی که یک نسخه از وزن‌ها را به صورت آنلاین نگه می‌دارد تا دیگران از طریق تورنت دانلود کنند، یا یک آینه میزبانی شده که همین کار را می‌کند. هر کدام به اندازه ۱۰۰۰ دانلود حساب می‌شود.
AI Horde: یک شبکه داوطلبانه که تصاویر را به صورت رایگان روی کامپیوترهای اهدایی تولید می‌کند. تعداد تصاویری که با یک مدل ساخته شده عمومی است و هر کدام به عنوان یک دانلود حساب می‌شود.
سایت‌های تولید: سایت‌هایی که نسخه‌های خودشان از یک مدل را میزبانی می‌کنند و به مردم اجازه می‌دهند با آن تولید کنند، مثل PixAI، SeaArt و Yodayo. دانلودهای آن‌ها مثل Civitai حساب می‌شود و هر بار تولید به عنوان یک دانلود محسوب می‌شود.
توکن‌های OpenRouter: یک مدل متنی که از طریق API ارائه می‌شود، مانند Claude یا GPT، وزن‌هایی برای دانلود ندارد، بنابراین استفاده آن بر اساس توکن‌ها اندازه‌گیری می‌شود: قطعات متنی که در ۳۰ روز گذشته از طریق OpenRouter خوانده و نوشته است. هر 10,000,000 توکن به عنوان یک دانلود حساب می‌شود. منبع: OpenRouter (openrouter.ai/rankings)، CC BY 4.0.
مدل کامل (چک‌پوینت): خود وزن‌ها، فایلی که به تنهایی تولید می‌کند. یک امتیاز اضافی می‌گیرد چون افزونه‌ها به آن وابسته‌اند.
LoRA و امبدینگ: فایل‌های کوچک افزونه که وزن‌های دیگران را به سمت یک سبک، شخصیت یا مفهوم هدایت می‌کنند. نمی‌توانند به تنهایی اجرا شوند.
خانواده و وزن‌ها: پایه‌ای که مدل روی آن ساخته شده، مثل SD 1.5، SDXL، Flux یا Wan. هر مدل تاریخ انتشار وزن‌های خانواده‌اش را به ارث می‌برد.
سن: درجه‌هایی که به خاطر مدت زمان گذشته از انتشار وزن‌های خانواده کم می‌شود: ۱۵۰ درجه در سال، تا ۷۵۰ درجه. دانلودهای قدیمی که سال‌ها فرصت جمع شدن داشتند را نگه می‌دارد تا بالای لیست ثابت بمانند.
تقویت خانواده: یک فشار کوچک و محدود برای LoRAهای یک خانواده که این سایت الان به جلو می‌برد، همیشه در جزئیات لیست شده.
امتیاز جایگزین: یک عدد پایدار زیر حداقل که به مدلی داده می‌شود که هنوز هیچ منبعی درباره‌اش گزارش نداده، تا لیست‌ها کامل بمانند. هیچ‌وقت بالاتر از مدلی با داده رتبه نمی‌گیرد.
جدید! (دوره گذار): مدلی که کمتر از 7 روز از عمرش گذشته باشد، به جای امتیاز، عبارت جدید! را نشان می‌دهد و در رتبه‌بندی جایگاهی ندارد. امتیاز آن از روز اول محاسبه می‌شود، اما مدلی که یک روزه است سریع‌تر از هر چیز دیگری رشد می‌کند، بنابراین بدون این انتظار، مدل #1 هفته همیشه مدلی بود که دیروز منتشر شده بود نه مدلی که یک هفته دوام آورده باشد.
روند: رشد یک مدل در یک دوره چطور نسبت به رشد معمول مدل‌ها در همان دوره است. سریع‌تر از معمول یعنی افزایش، کندتر یعنی کاهش.
مدل معمولی: وسط فهرست: نصف مدل‌ها با عددی که دارند سریع‌تر رشد کردند و نصف کندتر.

چطور محبوبیت این مدل نسبت به بقیه کاتالوگ تغییر کرده: رشد دانلودها، لایک‌ها و استفاده در هر دوره، نسبت به رشد معمول مدل‌ها در همان دوره، همراه با امتیاز حرارت آن زمان. بالاتر از رشد معمول یعنی افزایش، پایین‌تر یعنی کاهش. گذشته از روی مجموع‌های امروز، روز اول مدل و سرعت دانلود اندازه‌گیری شده وقتی دو داده وجود دارد بازسازی شده؛ مدلی که در شروع دوره وجود نداشته باشد n/a نشان می‌دهد.

مدل‌های مشابه

Qwen3 30B A3B Thinking 2507

Meta Llama 3.1 70B Instruct Turbo

TEXT / LLM

مدل‌های هوش مصنوعی برای تولید تصویر، ویدئو و متن

Ling 3.0 Flash VL یک مدل متنی برای خانواده Text / LLM است که در ModelTrends.ai، کاتالوگ فقط‌خواندنی مدل‌های هوش مصنوعی متن‌باز تصویر، ویدئو و متن، فهرست شده است. آن را با دیگر مدل‌های Text / LLM مقایسه کنید و امتیاز داغی آن را ببینید.

مدل‌های بیشتر Text / LLM متن / LLM بیشتر Text / LLM llm inclusionai بینایی ویدیو استدلال عامل‌ها متن زمینه بلند محلی

مرور بر اساس خانواده مدل