inclusionAI: Ling 3.0 Flash VL
ling-3.0-flash-vl- Eingabe / Ausgabe
- $0.0206 / $0.0618
- Kontext
- 256K
- Maximale Ausgabe
- 32K
- Modalitäten
- VisionUnterhaltung
- Funktionen
- Tool-NutzungPrompt-Cache
Über Ling 3.0 Flash VL
Ling-3.0-flash-VL ist ein multimodales Modell mit offenen Gewichten von inclusionAI, das auf Ling-3.0-flash basiert. Es liest Text, Bilder sowie Videos und integriert Vision direkt in die Argumentation und Werkzeugnutzung, anstatt sie als separaten Schritt zur Bildbeschreibung zu behandeln. Es handelt sich um ein Mixture-of-Experts-Modell mit insgesamt 124 Mrd. Parametern, von denen 5,5 Mrd. aktiv sind. Es ist unter der MIT-Lizenz veröffentlicht und eignet sich für Dokumenten- und Bildschirmlese-Assistenten.
Stärken
- Nur 5,5 Mrd. seiner 124 Mrd. Parameter sind pro Token aktiv, was die Inferenz für ein Modell dieser Größe leicht hält.
- Bilder und Videos werden verarbeitet, wobei VideoRoPE die Reihenfolge der Frames kodiert, damit Zeitabläufe verstanden werden.
- Tool-Calling wird unterstützt, sodass ein Diagramm oder Screenshot direkt zu einer Aktion führen kann.
- Ein hybrides Attention-Backbone ist darauf ausgelegt, lange Eingaben effizient zu verarbeiten, wie etwa viele Seiten oder Frames in einer einzigen Anfrage.
- Die Gewichte sind unter der MIT-Lizenz öffentlich für Self-Hosting und Fine-Tuning verfügbar.
Alternativen
- Der Thinking-Modus ist standardmäßig aktiviert; bei latenzkritischen Aufrufen muss dieser explizit deaktiviert werden.
- Es erzeugt nur Text; für Bild- oder Audioausgaben sind andere Modelle erforderlich.
- Die mittelgroße Anzahl aktiver Parameter bedeutet, dass proprietäre Spitzenmodelle bei komplexesten Schlussfolgerungen weiterhin führend sind.
Erste Schritte
API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.
Senden Sie Ihre erste Anfrage
Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.
Text-zu-TextMessages APIPOST/v1/messagesAPI-Format:curl https://api.tokenlab.sh/v1/messages \ -H "Content-Type: application/json" \ -H "x-api-key: sk-xxx" \ -H "anthropic-version: 2023-06-01" \ -d '{ "model": "ling-3.0-flash-vl", "max_tokens": 1024, "messages": [ {"role": "user", "content": "Hello!"} ] }'
Preise
Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.
Standardspezifikation
Pro 1M Token- Official-Preis
- Eingabe $0.0206 / Ausgabe $0.0618 / Cache-Lesevorgang $0.004118
- Verified-Preis
- —
- Rabatt
- —
Cache-Lesevorgang
- Official-Preis
- $0.004118
- Verified-Preis
- —
- Rabatt
- —
| Official-PreisPro 1M Token | Verified-PreisPro 1M Token | Rabatt | |
|---|---|---|---|
| Standardspezifikation | Eingabe $0.0206 / Ausgabe $0.0618 / Cache-Lesevorgang $0.004118 | — | — |
| Prompt-Cache-Preise | |||
| Cache-Lesevorgang | $0.004118 | — | — |
Nutzung & Aktivität
Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.
Nutzung & Verfügbarkeit
Letzte 24 Stunden- Anfragen
- Erfolgsrate
- P95-Latenz
- Token gesamt
Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.
In Console öffnen
Öffne Ling 3.0 Flash VL in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.
Teste ling-3.0-flash-vl mit einer kurzen Nachricht an /v1/messages. Zeige Antwort, Latenz und Kosten.
Anwendungsfälle
Geeignet für- Vision
Lesen von Diagrammen und Dashboards
Geben Sie einen Screenshot eines Metrik-Dashboards ein und fragen Sie, welche Datenreihe sich verändert hat und warum diese Änderung von Bedeutung sein könnte, um das Ergebnis dann an einen Workflow weiterzuleiten.
Videoüberprüfung
Stellen Sie Fragen zu einer aufgezeichneten Demo oder einem CCTV-Clip, etwa wann ein bestimmter Schritt stattfand, und erhalten Sie Antworten, die die Reihenfolge der Ereignisse berücksichtigen.
Schnittstellenbasierte Agenten
Lassen Sie einen Agenten einen Screenshot einer Webseite lesen, entscheiden, welches Steuerelement zu verwenden ist, und ein Tool zur Ausführung aufrufen, wobei das Ergebnis visuell überprüft wird.
Prompt-Beispiele
Dieser Screenshot zeigt unser Abrechnungs-Dashboard. Welcher Monat hatte den stärksten Rückgang und welcher Posten erklärt dies?
Sehen Sie sich diese 90-sekündige Produktdemo an und listen Sie die gezeigten Schritte in der richtigen Reihenfolge auf, inklusive des Zeitpunkts, an dem jeder beginnt.
Extrahieren Sie aus diesem Foto eines Whiteboards die Aufgaben und Verantwortlichen als JSON und rufen Sie anschließend für jeden Punkt create_ticket auf.
Dieses Modell hat konditionale Preise. Monatliche Token-Summen allein liefern keine verlässliche Schätzung; nutzen Sie die detaillierten Preise für Anfragespezifikation, Cache und Zeitfenster.
FAQ
Ist Ling 3.0 Flash VL ein Modell mit offenen Gewichten?
Ja. inclusionAI veröffentlicht das Modell auf Hugging Face unter der MIT-Lizenz, sodass Sie es herunterladen, lokal ausführen oder feinabstimmen können. Da es eine benutzerdefinierte Architektur verwendet, erfordert das Serving den Code, der zusammen mit den Gewichten veröffentlicht wurde.
Welche Eingaben akzeptiert es?
Text, Bilder und Videos durch vereinheitlichte multimodale Nachrichten. Die Ausgabe ist Text. Es unterstützt Tool-Calls, kann also auf das Gesehene reagieren und es beschreiben.
Wie groß ist Ling 3.0 Flash VL?
Es verfügt über insgesamt 124 Mrd. Parameter, von denen 5,5 Mrd. pro Token aktiv sind, basierend auf einem Sparse-Mixture-of-Experts-Design. Das 42-schichtige Backbone wechselt KDA- und Gated-MLA-Attention-Schichten in einem Verhältnis von 5 zu 1 ab.
Denkt es nach, bevor es antwortet?
Der Thinking-Modus ist standardmäßig aktiviert, sodass das Modell vor der Antwort nachdenkt. Deaktivieren Sie ihn über die Anfrageparameter, wenn Sie schnelle Antworten benötigen, wie etwa bei einer einfachen Extraktion aus einem Bild.
Was kostet Ling 3.0 Flash VL?
Auf TokenLab kostet Ling 3.0 Flash VL Eingabe $0.0206 / Ausgabe $0.0618 Pro 1M Token. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.
Welche Kontext- und Ausgabelimits hat Ling 3.0 Flash VL?
Ling 3.0 Flash VL verarbeitet bis zu 262.144 Token Kontext und gibt pro Antwort bis zu 32.768 Token aus.
Welchen Endpunkt soll Ling 3.0 Flash VL verwenden?
Verwenden Sie https://api.tokenlab.sh/v1/messages für Ling 3.0 Flash VL. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.
Welche Operationen unterstützt Ling 3.0 Flash VL?
Ling 3.0 Flash VL unterstützt Text-zu-Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.
Ling 3.0 Flash VL vergleichen
Quellen
Geprüft am 02.10.2026
