我可以在本地運行 Ling 3.1 Flash 嗎？

inclusionAI | 262,144 token context | $0.07/M input, $0.22/M output. Ling 3.1 Flash is a hybrid reasoning mixture-of-experts model from inclusionAI, with 25B active parameters out of 560B total.

本模型的指南

2026 年最便宜的 10 款 ChatGPT 替代方案：免費本地模型、免費方案和固定費率計劃

開放權重、開源與僅API：你到底能做什麼

全部指南

船長筆記

由 Captain 撰寫，內部編輯

2026-10-13 的筆記

Ling 3.1 Flash 是 inclusionAI 推出的混合推理專家模型，啟用 250 億活躍參數，從 5600 億總參數池中抽取。Flash 標示其輕量且快速的服務特性，同時保留 MoE 的效率以降低成本。目前免費使用，是想要推理能力且不想付代幣費用者值得一試的選擇。

以...聞名

混合推理 MoE 架構：從 5600 億參數池中啟用 250 億活躍參數。
262,144 標記上下文窗口——可處理長文檔無截斷。
撰寫時免費使用。
推理聚焦，適合多步問題和結構化分析。

注意

權重非開放；無法本地運行或檢視模型。
inclusionAI 未發布模型卡，能力細節有限。
免費價格可能變動；無公開 SLA 或速率限制資訊。

最適合

可嘗試的提示詞

逐步邏輯謎題

三位朋友——Ada、Ben 和 Cara——各養不同寵物（貓、狗、魚），住在不同樓層（1、2、3）。Ada 不住在 1 樓。狗主人住在貓主人正上方。Ben 養魚。推理出誰住哪層、養哪寵物，並展示每步推理。

分析長合約條款

我將貼上一段合約條款。請識別服務提供者的所有義務、客戶保留的所有權利，以及任何可能有雙重解釋的模糊條款。請以結構化清單呈現，不要寫成散文。[在此貼上合約文本]

研究綜合任務

這裡有五段來自不同來源的 2008 年金融危機成因說法。請找出它們一致的主張、相互矛盾的主張，以及僅一個來源提及的因果因素。具體指出每個來源說了什麼。

比較

Ling 3.0 Flash VL
開放權重模型
131,072 代幣上下文 · $0.06/M 輸入，$0.18/M 輸出
Ling 3.0 Flash
開放權重模型
262,144 代幣上下文 · $0.02/M 輸入，$0.06/M 輸出
Ling 3.0 Flash Sante
僅限 API 模型
262,144 代幣上下文 · $0.04/M 輸入，$0.12/M 輸出
Ling 3.0 Flash Fin
僅限 API 模型
262,144 代幣上下文 · $0.04/M 輸入，$0.12/M 輸出

更多來自 inclusionai 的文字模型

常見問題

我可以在本地運行 Ling 3.1 Flash 嗎？: 不行——權重未公開，無法本地部署；只能通過 inclusionAI API 或介面訪問。
價格和上下文長度是多少？: 免費使用，支持 262,144 標記上下文窗口；inclusionAI 目前未公布速率限制或付費方案。
Flash 與完整 Ling 模型有何不同？: Flash 版本每次前向傳播啟用 250 億參數（總計 5600 億），相比更密集配置每標記計算量更低——速度與峰值能力間的權衡，製造商未公開具體數據。

船長評語
一款免費且長上下文推理模型，值得測試，因為不花錢——但別指望開放權重或詳細文檔。

船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。

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: #184 Hottest AI model · #54 Hottest Text / LLM model · #54 Hottest Text / LLM text model

Not this creator?

Get your own badge

Ling 3.1 Flash 熱度趨勢

熱度分數，自 2 Oct 2026 起

熱度分數

8,495°

本週

▲

54.4%

8,438° 當時，8,495° 現在

本月

n/a

尚未發布/追蹤

過去一年

n/a

尚未發布/追蹤

7,000°

基準值

分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們會有一個替代數字，讓列表保持完整。7,000° 是有測量數據開始的地方：有真實數據但幾乎沒下載的模型會在基準值，之後的度數才是測量結果。基準值本身不代表模型好壞，只有基準值以上的度數才會區分模型。

+1,495°

OpenRouter 代幣

此模型在過去30天內透過 OpenRouter 處理了 962,011,466,267 代幣，包含提示和回答。每 10,000,000 代幣算作一次下載，共 96,201 次；最後一天的代幣會加入採用率。來源：OpenRouter (openrouter.ai/rankings)。

顯示詳細分析

這個網站上的每個數字都可以查證。這個模型的熱度分數是 8,495°，這裡會一步步拆解它的組成，每加一項就會顯示目前的總分：基準值、每個來源增加的度數、模型類型的加分，以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。

1
從基準值開始。
為什麼是 7,000° 而不是零：分數範圍是 0° 到 9,999°，低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們有替代數字，讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡；之後的度數是測量結果，基準值以上有十個十倍下載的階段，每階段增加 300°。基準值對所有模型都一樣，不會決定排名；真正區分模型的是基準值以上的度數。
7,000°
累計總和
2
加入下載量。
總共 96,201 個下載等值，來自 OpenRouter 代幣。下載量增加十倍會增加相同的 300°，所以大小很重要，但不會主導分數。
+1,495°
8,495°
累計總和
=
熱度分數。
這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。
8,495°

詞彙表：這裡使用的術語

熱度分數: 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
底線: 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
下載等值: 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度: 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數: 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
採用率: 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算: 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
種子節點: 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde: 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
生成網站: 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
OpenRouter 代幣: 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（檢查點）: 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
LoRA和嵌入: 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重: 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡: 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
家族加成: 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
替代分數: 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
全新！(寬限期): 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
趨勢: 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
典型模型: 目錄中的中間值：一半模型在該期間成長較快，一半較慢。