Ling 3.0 Flash VL รันในเครื่องได้ไหม?

ได้ น้ำหนักเปิดเผยและมีให้บน Hugging Face โปรดทราบว่าพารามิเตอร์ทั้งหมด 124B การโฮสต์ในเครื่องจึงต้องใช้ฮาร์ดแวร์ที่แรงแม้พารามิเตอร์ใช้งานจะเพียง 5.5B ต่อโทเค็น — ตรวจสอบคู่มือ VRAM ก่อนตัดสินใจ

ค่าใช้จ่ายเท่าไหร่และบริบทยาวแค่ไหน?

ผ่าน API ราคา $0.02 ต่อหนึ่งล้านโทเค็นอินพุต และ $0.06 ต่อหนึ่งล้านโทเค็นเอาต์พุต พร้อมหน้าต่างบริบท 256K โทเค็น

เวอร์ชัน VL แตกต่างจาก Ling 3.0 Flash อย่างไร?

Ling 3.0 Flash เป็นโมเดลข้อความเท่านั้น; เวอร์ชัน VL เพิ่มตัวเข้ารหัสภาพ ViT และการเข้ารหัสเชิงเวลา VideoRoPE รวมความเข้าใจภาพและวิดีโอเข้าสู่สายงานการให้เหตุผลและเอเย่นต์เดียวกัน แทนที่จะถือว่าวิชันเป็นโมดูลแยกต่างหาก

▲

19.5%

สัปดาห์นี้

Ling 3.0 Flash VL

8450°

#llm #inclusionai #วิสัยทัศน์#วิดีโอ #การให้เหตุผล #เอเจนต์

รันโมเดลนี้

ข้อเสนอ / โฆษณา

OpenRouter เทอร์มินัล / API

จ่ายตามโทเค็น

แชทกับโมเดลนี้ในเบราว์เซอร์หรือเรียกใช้จากโค้ดของคุณด้วย API key เดียว

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.

คู่มือสำหรับโมเดลนี้

LLM ท้องถิ่นที่ดีที่สุดตามการใช้งาน (ตุลาคม 2026): โมเดลเปิดที่เหมาะกับทุกงาน

ฉันต้องการ VRAM เท่าไหร่สำหรับ AI ท้องถิ่นจริงๆ?

น้ำหนักเปิด vs โอเพนซอร์ส vs API-only: สิ่งที่คุณทำได้จริงๆ

ไฟล์ GGUF คืออะไร? อธิบายโมเดลควอนไทซ์ (Q4, Q8, fp8, NF4)

คู่มือทั้งหมด

บันทึกของกัปตัน

เขียนโดย Captain, บรรณาธิการประจำบ้าน

บันทึกจาก 2026-10-13

Ling 3.0 Flash VL เป็นโมเดลมัลติโมดอลน้ำหนักเปิดของ InclusionAI: sparse MoE ขนาด 124B พารามิเตอร์ที่เปิดใช้งานเพียง 5.5B พารามิเตอร์ต่อโทเค็น พร้อมความเข้าใจภาพและวิดีโอในตัวที่ฝังอยู่ในสายงานการให้เหตุผลแทนที่จะเพิ่มแยกต่างหาก หน้าต่างบริบท 256K และโหมดผสมผสานทันที/ให้เหตุผลทำให้มีความสามารถสูงเกินราคาอนุมาน $0.02 ต่อหนึ่งล้านโทเค็นอินพุต เหมาะสำหรับนักพัฒนาที่ต้องการงานวิชันและเอเย่นต์โดยไม่ต้องจ่ายราคาโมเดลแนวหน้า

เป็นที่รู้จักสำหรับ

การให้เหตุผลภาพในตัว: วิชันป้อนข้อมูลเข้าสู่การวางแผนและการตรวจสอบ ไม่ใช่แค่การบรรยาย
ประสิทธิภาพ MoE แบบกระจัดกระจาย: 124B พารามิเตอร์ทั้งหมด เปิดใช้งานเพียง 5.5B ต่อโทเค็น
หน้าต่างบริบท 256K รองรับเอกสารยาว วิดีโอ และประวัติเอเย่นต์ยาว
การเข้ารหัส VideoRoPE รองรับความเข้าใจเชิงเวลา การระบุตำแหน่งเหตุการณ์ และ QA วิดีโอยาว
การเรียกใช้เครื่องมือและความสามารถเอเย่นต์วิชันสำหรับงานเว็บและอินเทอร์เฟซซอฟต์แวร์

ระวัง

พารามิเตอร์ทั้งหมด 124B หมายความว่าการโฮสต์ในเครื่องต้องใช้ฮาร์ดแวร์ที่แรงแม้พารามิเตอร์ใช้งานจะต่ำ
โหมดคิดเปิดใช้งานโดยค่าเริ่มต้น; คุณต้องคำนึงถึงเรื่องนี้ในแอปที่ต้องการความหน่วงต่ำ
ผู้ผลิตยังไม่เผยแพร่เงื่อนไขใบอนุญาตโดยละเอียดในหน้านี้ — ตรวจสอบที่เก็บ Hugging Face ก่อนใช้เชิงพาณิชย์

เหมาะสำหรับ

วิชัน

เอเจนต์และการใช้เครื่องมือ

การให้เหตุผล

บริบทยาว

รันในเครื่อง

คำสั่งที่ควรลอง

วิเคราะห์แผนภูมิหรือเอกสาร

แนบภาพแผนภูมิ ตาราง หรือเอกสารสแกน อธิบายสิ่งที่แสดง ระบุแนวโน้มหรือความผิดปกติ และสกัดสามตัวเลขสำคัญพร้อมคำอธิบายสั้น ๆ สำหรับแต่ละตัวในรูปแบบรายการโครงสร้าง

เอเย่นต์วิชัน: แผนที่ UI

แนบภาพหน้าจอของเว็บเพจหรือแอปพลิเคชันเดสก์ท็อป ระบุทุกองค์ประกอบที่โต้ตอบได้ที่เห็น อธิบายหน้าที่ของแต่ละอย่าง จากนั้นเขียนลำดับขั้นตอนที่สคริปต์สามารถทำตามเพื่อเข้าสู่ระบบและไปยังการตั้งค่าบัญชี

การให้เหตุผลภาพหลายขั้นตอน

แนบภาพที่มีโจทย์คณิตศาสตร์ ปริศนาตรรกะ หรือแผนภาพที่มีป้ายกำกับส่วนต่าง ๆ ทำงานผ่านปัญหาทีละขั้นตอนโดยใช้ข้อมูลที่เห็นในภาพเท่านั้น แสดงเหตุผลในแต่ละขั้นตอน และระบุคำตอบสุดท้ายอย่างชัดเจน

เปรียบเทียบกับ

Ling 3.0 Flash Sante
โมเดลสำหรับ API เท่านั้น
บริบท 262,144 โทเค็น · ป้อน $0.04/M, ส่งออก $0.12/M
Ling 3.1 Flash
โมเดลสำหรับ API เท่านั้น
บริบท 262,144 โทเค็น · ป้อน $0.07/M, ส่งออก $0.22/M
Ling 3.0 Flash
โมเดลที่เปิดน้ำหนัก
บริบท 262,144 โทเค็น · ป้อน $0.02/M, ส่งออก $0.06/M
Ling 3.0 Flash Fin
โมเดลสำหรับ API เท่านั้น
บริบท 262,144 โทเค็น · ป้อน $0.04/M, ส่งออก $0.12/M

โมเดลข้อความเพิ่มเติมจาก inclusionai

คำถามที่คนถาม

Ling 3.0 Flash VL รันในเครื่องได้ไหม?: ได้ น้ำหนักเปิดเผยและมีให้บน Hugging Face โปรดทราบว่าพารามิเตอร์ทั้งหมด 124B การโฮสต์ในเครื่องจึงต้องใช้ฮาร์ดแวร์ที่แรงแม้พารามิเตอร์ใช้งานจะเพียง 5.5B ต่อโทเค็น — ตรวจสอบคู่มือ VRAM ก่อนตัดสินใจ
ค่าใช้จ่ายเท่าไหร่และบริบทยาวแค่ไหน?: ผ่าน API ราคา $0.02 ต่อหนึ่งล้านโทเค็นอินพุต และ $0.06 ต่อหนึ่งล้านโทเค็นเอาต์พุต พร้อมหน้าต่างบริบท 256K โทเค็น
เวอร์ชัน VL แตกต่างจาก Ling 3.0 Flash อย่างไร?: Ling 3.0 Flash เป็นโมเดลข้อความเท่านั้น; เวอร์ชัน VL เพิ่มตัวเข้ารหัสภาพ ViT และการเข้ารหัสเชิงเวลา VideoRoPE รวมความเข้าใจภาพและวิดีโอเข้าสู่สายงานการให้เหตุผลและเอเย่นต์เดียวกัน แทนที่จะถือว่าวิชันเป็นโมดูลแยกต่างหาก

คำตัดสินของกัปตัน
จุดเริ่มต้นที่ถูกจริงสำหรับงานวิชันบวกเอเย่นต์ และน้ำหนักเปิดเผยหมายความว่าคุณไม่ถูกล็อกกับ API เดียว

บัตรโมเดลบน Hugging Face

กัปตันเขียนบันทึกเหล่านี้จากคำอธิบายและบัตรโมเดลของโมเดล ราคากับขนาดบริบทเป็นของผู้ให้บริการในเวลาที่เขียนและอาจเปลี่ยนแปลงได้

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

แนวโน้มความนิยมของ Ling 3.0 Flash VL

คะแนนความร้อนตั้งแต่ 10 Sep 2026

คะแนนความนิยม

8,450°

สัปดาห์นี้

▲

19.5%

8,426° ตอนนั้น, 8,450° ตอนนี้

เดือนนี้

▲

249%

8,284° ตอนนั้น, 8,450° ตอนนี้

ปีที่ผ่านมา

n/a

ยังไม่ปล่อย/ติดตาม

7,000°

ค่าพื้นฐาน

มาตรวัดมีช่วงตั้งแต่ 0° ถึง 9,999° ทุกอย่างต่ำกว่า 7,000° จะเก็บไว้สำหรับโมเดลที่ยังไม่มีแหล่งข้อมูลรายงาน ซึ่งใช้ตัวเลขแทนที่ตรงนั้นเพื่อให้รายการครบถ้วน 7,000° คือจุดเริ่มต้นของข้อมูลที่วัดได้: โมเดลที่มีข้อมูลจริงแต่แทบไม่มีการดาวน์โหลดจะอยู่ที่ค่าพื้นฐานนี้ และการวัดจะเติมองศาเพิ่มขึ้นด้านบน ค่าพื้นฐานไม่ได้บอกอะไรเกี่ยวกับโมเดลเลย; มีแค่องศาที่เพิ่มขึ้นด้านบนเท่านั้นที่บอกความแตกต่างระหว่างโมเดลแต่ละตัว

+1,450°

โทเค็น OpenRouter

โมเดลนี้ประมวลผลโทเค็น 682,291,361,460 ผ่าน OpenRouter ใน 30 วันที่ผ่านมา รวมคำสั่งและคำตอบ ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้งในช่วงเวลาการดาวน์โหลด รวมทั้งหมด 68,229 โทเค็น โทเค็นของวันล่าสุดจะถูกนำมาคิดในอัตราการใช้งาน แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings).

แสดงรายละเอียด

ทุกตัวเลขบนเว็บไซต์นี้ตรวจสอบได้ คะแนนความนิยมของโมเดลนี้คือ 8,450° และนี่คือการสร้างคะแนนทีละส่วน พร้อมยอดรวมที่เพิ่มขึ้นหลังจากแต่ละส่วน: ค่าพื้นฐาน, จำนวนองศาที่แต่ละแหล่งข้อมูลเพิ่ม, โบนัสสำหรับประเภทของโมเดล และการลดคะแนนตามอายุของน้ำหนัก สีต่างๆ คือช่วงของกราฟด้านบน คำศัพท์ท้ายบทความอธิบายคำทุกคำ

1
เริ่มที่ค่าพื้นฐาน
ทำไมต้อง 7,000° ไม่ใช่ศูนย์: มาตรวัดมีช่วงตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่า 7,000° ถูกสงวนไว้สำหรับโมเดลที่ยังไม่มีแหล่งข้อมูลรายงาน ซึ่งใช้ตัวเลขแทนที่ตรงนั้นเพื่อให้รายการครบถ้วนและไม่แซงหน้าโมเดลที่มีข้อมูล 7,000° คือจุดเริ่มต้นของข้อมูลที่วัดได้ โมเดลที่มีข้อมูลจริงแต่แทบไม่มีดาวน์โหลดจะอยู่ที่นี่ ทุกอย่างที่ตามมาคือการวัด และพื้นที่ด้านบนค่าพื้นฐานมีสิบขั้นตอนดาวน์โหลดที่เพิ่มขึ้นสิบเท่าที่ 300° ต่อขั้น ค่าพื้นฐานเหมือนกันสำหรับทุกโมเดล ดังนั้นมันจึงไม่ตัดสินอะไร; องศาที่เพิ่มขึ้นด้านบนต่างหากที่ตัดสิน
7,000°
ยอดรวมที่กำลังคำนวณ
2
เพิ่มจำนวนการดาวน์โหลด
68,229 เทียบเท่าการดาวน์โหลดทั้งหมด จาก โทเค็น OpenRouter การดาวน์โหลดเพิ่มขึ้นสิบเท่าจะเพิ่ม 300° เท่ากัน ดังนั้นขนาดจึงสำคัญแต่ไม่ใช่ทุกอย่าง
+1,450°
8,450°
ยอดรวมที่กำลังคำนวณ
=
คะแนนความร้อน
ตำแหน่งของโมเดลนี้ในทุกลิสต์ของเว็บไซต์นี้ ไม่มีอะไรปรับแต่งเพิ่มเติม
8,450°

คำศัพท์: คำที่ใช้ที่นี่

คะแนนความร้อน: ตัวเลขเดียวที่บอกว่าโมเดลถูกใช้และต้องการมากแค่ไหนตอนนี้ ตั้งแต่ 0° ถึง 9,999° ทุกลิสต์ที่บอกว่าร้อนแรงที่สุดจะเรียงตามคะแนนนี้เท่านั้น
พื้นฐาน: 7,000° คือจุดเริ่มต้นของทุกโมเดลที่มีข้อมูลจริง สเกลตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่าพื้นฐานสงวนไว้สำหรับตัวแทน (โมเดลที่ไม่มีข้อมูล) เพื่อให้โมเดลที่มีข้อมูลอยู่เหนือกว่า พื้นฐานเหมือนกันสำหรับทุกคนและไม่ตัดสินอะไร คะแนนที่สูงกว่าพื้นฐานคือการวัดผล
เทียบเท่าการดาวน์โหลด: ทุกอย่างที่คะแนนนับเป็นการดาวน์โหลด รวมกัน: การดาวน์โหลดจริง, ผู้แชร์แต่ละคนในทอร์เรนต์นับเป็น 1,000, ภาพ AI Horde แต่ละภาพ และแต่ละครั้งที่ใช้งานในเว็บไซต์สร้างภาพ
สเกลลอการิทึม: นับเป็นสิบ ไม่ใช่หน่วยเดียว: การเพิ่มจาก 1,000 เป็น 10,000 การดาวน์โหลดจะเพิ่มคะแนนเท่ากับการเพิ่มจาก 10,000 เป็น 100,000 เพื่อไม่ให้โมเดลใหญ่แย่งพื้นที่ทั้งหมด
ไลก์: การกดถูกใจและไลก์จากทุกแหล่ง มีค่าน้ำหนักครึ่งหนึ่งของการดาวน์โหลดในสเกลลอการิทึม
อัตราการนำไปใช้: จำนวนการดาวน์โหลดต่อวันที่โมเดลได้รับตอนนี้ วัดจากความต่างระหว่างสองครั้งที่อ่านข้อมูล น้ำหนักเป็นหนึ่งในสี่ของการดาวน์โหลด
วัดได้และประมาณ: วัดได้หมายถึงมีการอ่านค่าจากแหล่งที่มาสองครั้งและความแตกต่างนั้นเป็นของจริง ประมาณหมายถึงรู้แค่ยอดรวมของวันนี้เท่านั้น ส่วนอดีตจะถูกกระจายไปตามอายุของโมเดล; เว็บไซต์จะบอกว่ากำลังแสดงแบบไหน
Seeder: คนที่เก็บสำเนาน้ำหนักไว้บนออนไลน์เพื่อให้คนอื่นดาวน์โหลดผ่านทอร์เรนต์ หรือกระจกที่โฮสต์ทำแบบเดียวกัน แต่ละคนจะนับเป็น 1,000 ดาวน์โหลด
AI Horde: เครือข่ายอาสาสมัครที่สร้างภาพฟรีบนคอมพิวเตอร์ที่บริจาค จำนวนภาพที่สร้างด้วยโมเดลแต่ละตัวเป็นข้อมูลสาธารณะ และแต่ละภาพนับเป็นหนึ่งดาวน์โหลด
เว็บไซต์สร้างภาพ: เว็บไซต์ที่โฮสต์สำเนาโมเดลของตัวเองและให้คนสร้างภาพ เช่น PixAI, SeaArt และ Yodayo การดาวน์โหลดของพวกเขานับเหมือนกับ Civitai และแต่ละการสร้างภาพนับเป็นหนึ่งดาวน์โหลด
โทเค็น OpenRouter: โมเดลข้อความที่ให้บริการผ่าน API เช่น Claude หรือ GPT ไม่มีน้ำหนักให้ดาวน์โหลด ดังนั้นการใช้งานจะวัดจากโทเค็น: ชิ้นส่วนข้อความที่อ่านและเขียนผ่าน OpenRouter ซึ่งเป็นเกตเวย์ที่แอปหลายตัวใช้ใน 30 วันที่ผ่านมา ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้ง แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
โมเดลเต็ม (checkpoint): น้ำหนักโมเดลเอง ไฟล์ที่สร้างภาพได้ด้วยตัวเอง ได้รับโบนัสเพราะส่วนเสริมขึ้นอยู่กับมัน
LoRA และ embedding: ไฟล์เสริมขนาดเล็กที่ช่วยปรับน้ำหนักของคนอื่นให้ไปในสไตล์ ตัวละคร หรือแนวคิดเฉพาะ มันไม่สามารถทำงานได้เอง
ตระกูลและน้ำหนัก: ฐานที่โมเดลสร้างขึ้น เช่น SD 1.5, SDXL, Flux หรือ Wan โมเดลทุกตัวจะสืบทอดวันที่ปล่อยน้ำหนักของตระกูล
อายุ: ลดคะแนนตามระยะเวลาที่น้ำหนักของตระกูลถูกปล่อยออกมา: 150° ต่อปี สูงสุด 750° มันเก็บดาวน์โหลดเก่าที่สะสมมาหลายปีจากการแช่แข็งบนสุดของรายการ
บูสต์ตระกูล: แรงกระตุ้นเล็กๆ ที่จำกัดสำหรับ LoRA ของตระกูลที่เว็บไซต์นี้กำลังผลักดันอยู่ตอนนี้ จะแสดงในรายละเอียดเสมอ
คะแนนสำรอง: ตัวเลขที่มั่นคงต่ำกว่าค่าขั้นต่ำที่ให้กับโมเดลที่ยังไม่มีรายงานแหล่งที่มา เพื่อให้รายการครบถ้วน มันจะไม่จัดอันดับสูงกว่าโมเดลที่มีข้อมูล
ใหม่! (ช่วงเวลาปลอดภัย): โมเดลที่มีอายุน้อยกว่า 7 วันจะแสดงคำว่า ใหม่! แทนคะแนนและจะไม่มีอันดับ โมเดลจะเริ่มคำนวณคะแนนตั้งแต่วันแรก แต่โมเดลที่อายุเพียงวันเดียวจะเติบโตเร็วที่สุด ดังนั้นถ้าไม่รอ โมเดลอันดับ #1 ของสัปดาห์จะเป็นโมเดลที่เพิ่งออกมาเมื่อวานแทนที่จะเป็นโมเดลที่อยู่ได้นานหนึ่งสัปดาห์
แนวโน้ม: การเติบโตของโมเดลในช่วงเวลาหนึ่งเทียบกับการเติบโตของโมเดลทั่วไปในช่วงเวลาเดียวกัน เร็วกว่าปกติหมายถึงเพิ่มขึ้น ช้ากว่าหมายถึงลดลง
โมเดลทั่วไป: จุดกึ่งกลางของแคตตาล็อก: ครึ่งหนึ่งของโมเดลที่มีตัวเลขเติบโตเร็วกว่าในช่วงเวลา ครึ่งหนึ่งช้ากว่า

ความนิยมของโมเดลนี้เปลี่ยนไปอย่างไรเมื่อเทียบกับแคตตาล็อกทั้งหมด: การเติบโตของการดาวน์โหลด ไลก์ และการใช้งานในแต่ละช่วงเวลา วัดเทียบกับการเติบโตเฉลี่ยของโมเดลทั่วไปในช่วงเวลาเดียวกัน พร้อมคะแนนความร้อนในเวลานั้น ถ้าอยู่เหนือการเติบโตเฉลี่ยคือเพิ่มขึ้น ต่ำกว่าคือถดถอย ข้อมูลในอดีตสร้างจากยอดรวมปัจจุบัน วันแรกของโมเดล และความเร็วดาวน์โหลดที่วัดได้ถ้ามีสองจุดข้อมูล โมเดลที่ยังไม่มีในช่วงเริ่มต้นจะแสดงเป็น n/a

โมเดลที่คล้ายกัน

โมเดล AI สำหรับสร้างภาพ วิดีโอ และข้อความ

Ling 3.0 Flash VL เป็นโมเดลข้อความสำหรับตระกูล Text / LLM ที่อยู่ใน ModelTrends.ai แคตตาล็อกแบบอ่านอย่างเดียวของโมเดล AI สร้างภาพ วิดีโอ และข้อความแบบโอเพนซอร์ส เปรียบเทียบกับโมเดล Text / LLM อื่น ๆ และดูคะแนนความร้อนแรงเพื่อติดตามเทรนด์

โมเดล Text / LLM เพิ่มเติม ข้อความ / LLM Text / LLM เพิ่มเติม llm inclusionai วิสัยทัศน์วิดีโอ การให้เหตุผล เอเจนต์บริบทยาว ในเครื่อง

เรียกดูตามตระกูลโมเดล