Kan jag köra Ling 3.0 Flash Fin lokalt?

Nej. InclusionAI har inte släppt öppna vikter för denna modell, så den är API-endast och kan inte köras själv.

Vad kostar det och hur långt är kontexten?

Priset är 0,04 USD per miljon inmatningstokens och 0,12 USD per miljon utmatningstokens, med ett kontextfönster på 262 144 tokens.

Hur skiljer sig Ling 3.0 Flash Fin från basmodellen Ling 3.0 Flash?

Den är byggd på Ling 3.0 Flash men finjusterad specifikt för finans- och investeringsarbetsflöden; basmodellen är en allmän assistent.

Ling 3.0 Flash Fin

3036°

#llm #inclusionai #resonemang #forskning #lång kontext #datautvinning

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

inclusionAI | 262 144 tokens kontext | $0.04/M input, $0.12/M output. Ling 3.0 Flash Fin är en finansfokuserad mixture-of-experts-modell från InclusionAI, byggd på Ling 3.0 Flash med 5,1 miljarder aktiva parametrar av totalt 124 miljarder. Den är designad för verkliga investeringsarbetsflöden som kräver komplexa flerstegsuppgifter och långsiktig planering och utförande, samtidigt som den behåller generella förmågor inom resonemang, kodning och matematik.

Guider för denna modell

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Ling 3.0 Flash Fin är en finansspecialiserad mixture-of-experts-modell från InclusionAI, som kör 5,1 miljarder aktiva parametrar från en total pool på 124 miljarder. Den är byggd för multi-stegs investeringsarbetsflöden och långsiktiga planeringsuppgifter, samtidigt som den behåller god allmän resonemangsförmåga, kodning och matematik. Med 0,04 USD per miljon inmatningstokens är den prissatt för högvolyms finansiella pipelines snarare än tillfällig användning.

Känd för

Finansdomänfokus: investeringsarbetsflöden, multi-stegs planering och genomförande
MoE-arkitektur aktiverar endast 5,1 miljarder av 124 miljarder parametrar per framåtpass
262 144 tokens kontextfönster hanterar långa finansiella dokument
Behåller allmänt resonemang, kodning och matematik vid sidan av finansspecialiseringen

Se upp för

Stängda vikter: du kan inte köra den lokalt eller inspektera modellen
Finansspecialiseringen kan innebära försämrad prestanda på orelaterade allmänna uppgifter
Inget publicerat modellkort; interna utvärderingsdetaljer är inte tillgängliga

Bäst för

Promptar att prova

Analysera en kvartalsrapport

Du granskar en kvartalsrapport. Intäkterna blev 4,2 miljarder USD jämfört med en konsensusprognos på 3,9 miljarder. Rörelsemarginalen krympte med 180 baspunkter år över år till 14,2 %. Ledningen vägledde nästa kvartals intäkter till 3,8–4,0 miljarder. Identifiera de tre viktigaste signalerna för en aktieinvesterare och förklara vad var och en innebär för aktien.

Multi-stegs investeringsmemo

Ett medelstort industriföretag har meddelat att det ska förvärva en mindre konkurrent för 12x EV/EBITDA, finansierat till 60 % med skuld. Gå igenom de viktigaste stegen en analytiker bör ta för att bedöma om affären är värdeskapande, inklusive antaganden om synergier, påverkan av skuldsättning, integrationsrisk och effekten på förvärvarens kreditprofil.

Extrahera nyckelvillkor från en klausul

Nedan finns en skuldavtalsklausul från ett kreditavtal. Extrahera: det finansiella underhållsnyckeltalet som krävs, testfrekvensen, eventuell rätt till botemedel och konsekvensen av brott. Presentera dina fynd som en strukturerad tabell. [Klistra in klausultext här]

Jämför med

Ling 3.1 Flash
Endast API-modell
262,144 tokens kontext · $0.07/M indata, $0.22/M utdata
Ling 3.0 Flash VL
Öppen vikt-modell
131,072 tokens kontext · $0.06/M indata, $0.18/M utdata
Ling 3.0 Flash
Öppen vikt-modell
262,144 tokens kontext · $0.02/M indata, $0.06/M utdata
Ling 3.0 Flash Sante
Endast API-modell
262,144 tokens kontext · $0.04/M indata, $0.12/M utdata

Fler textmodeller från inclusionai

Vanliga frågor

Kan jag köra Ling 3.0 Flash Fin lokalt?: Nej. InclusionAI har inte släppt öppna vikter för denna modell, så den är API-endast och kan inte köras själv.
Vad kostar det och hur långt är kontexten?: Priset är 0,04 USD per miljon inmatningstokens och 0,12 USD per miljon utmatningstokens, med ett kontextfönster på 262 144 tokens.
Hur skiljer sig Ling 3.0 Flash Fin från basmodellen Ling 3.0 Flash?: Den är byggd på Ling 3.0 Flash men finjusterad specifikt för finans- och investeringsarbetsflöden; basmodellen är en allmän assistent.

Kaptens omdöme
En billig, långkontext MoE byggd för finansiella arbetsflöden – användbar om du lever i investeringsdokument, irrelevant om du inte gör det.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Ling 3.0 Flash Fin är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm inclusionai resonemang forskning lång kontext datautvinning

Bläddra efter modellfamilj