inclusionAI: Ling 3.0 Flash VL
ling-3.0-flash-vl- 輸入 / 輸出
- $0.0206 / $0.0618
- 上下文
- 256K
- 最大輸出長度
- 32K
- 模態
- 視覺辨識對話
- 能力
- 工具使用提示詞快取
關於 Ling 3.0 Flash VL
Ling-3.0-flash-VL 是 inclusionAI 推出的開放權重多模態模型，基於 Ling-3.0-flash 構建。它能讀取文字、圖像和影片，並將視覺能力融入推理與工具使用中，而非將其視為獨立的字幕生成步驟。這是一個混合專家模型（Mixture-of-experts），總參數為 124B，活躍參數為 5.5B，採用 MIT 授權發布，適用於文件與螢幕閱讀助手。
適用場景
- 在 124B 的參數中，每個 token 僅使用 5.5B 活躍參數，這使得該規模的模型能保持輕量的推論過程。
- 圖像與影片皆可作為輸入，VideoRoPE 會對影格順序進行編碼，以確保模型能理解時間順序。
- 支援工具呼叫（Tool calling），因此圖表或螢幕截圖可直接引導至後續操作。
- 混合注意力主幹網路（Hybrid attention backbone）旨在高效處理長輸入，例如單次請求中的多頁文件或多個影格。
- 權重以 MIT 授權公開，供使用者自行託管與微調。
其他選擇建議
- 預設開啟「思考模式」（Thinking mode），因此對延遲敏感的呼叫需明確將其關閉。
- 它僅能生成文字；若需圖像或音訊輸出，則需搭配其他模型。
- 中等規模的活躍參數意味著在最困難的推理任務上，頂尖的專有模型仍具領先優勢。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
文字轉文字Messages APIPOST/v1/messagesAPI 格式: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!"} ] }'
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
預設規格
每 1M Token- Official 價格
- 輸入 $0.0206 / 輸出 $0.0618 / 快取讀取 $0.004118
- Verified 價格
- —
- 折扣
- —
快取讀取
- Official 價格
- $0.004118
- Verified 價格
- —
- 折扣
- —
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| 預設規格 | 輸入 $0.0206 / 輸出 $0.0618 / 快取讀取 $0.004118 | — | — |
| Prompt 快取價格 | |||
| 快取讀取 | $0.004118 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Ling 3.0 Flash VL，並準備好編輯或發送提示詞。
協助我使用 ling-3.0-flash-vl 透過 /v1/messages 進行對話，並顯示回覆、延遲與成本。
應用情境
適合場景- 視覺辨識
圖表與儀表板閱讀
提供指標儀表板的螢幕截圖，詢問哪些數據系列發生變動以及變動的原因，隨後將分析結果傳遞至工作流程中。
影片審閱
針對錄製的演示或監控片段提問，例如某個步驟發生的時間點，並獲得符合事件順序的回答。
介面驅動型代理（Interface-driven agents）
讓代理讀取網頁截圖，決定使用哪個控制項並呼叫工具執行操作，同時以視覺方式檢查結果。
提示詞範例
這張截圖顯示了我們的帳單儀表板。哪個月的降幅最明顯，哪個項目可以解釋這個變化？
觀看這段 90 秒的產品演示，並按順序列出顯示的步驟，以及每個步驟開始的時間點。
從這張白板照片中，以 JSON 格式提取待辦事項與負責人，然後為每一項呼叫 create_ticket。
此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。
FAQ
Ling 3.0 Flash VL 是開放權重模型嗎？
是的。inclusionAI 在 Hugging Face 上以 MIT 授權發布該模型，您可以下載、本地運行或進行微調。由於它使用自定義架構，因此服務部署需要使用隨權重一同發布的程式碼。
它接受哪些輸入？
透過統一的多模態訊息輸入文字、圖像和影片。輸出為文字。它支援工具呼叫，因此不僅能描述所見內容，還能針對所見內容採取行動。
Ling 3.0 Flash VL 的規模有多大？
它擁有 124B 總參數，其中每個 token 使用 5.5B 活躍參數，採用稀疏混合專家設計。其 42 層的主幹網路以 5 比 1 的比例交替使用 KDA 和 Gated MLA 注意力層。
它在回答前會進行思考嗎？
預設啟用「思考模式」，因此它會在回覆前進行推理。當您需要快速回答（例如從圖像中進行簡單提取）時，可透過請求參數將其關閉。
Ling 3.0 Flash VL 的費用是多少？
在 TokenLab 上，Ling 3.0 Flash VL 價格為 輸入 $0.0206 / 輸出 $0.0618 每 1M Token。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Ling 3.0 Flash VL 的上下文長度與輸出限制為何？
Ling 3.0 Flash VL 支援最高 262,144 tokens 的上下文，單次回應上限為 32,768 tokens。
Ling 3.0 Flash VL 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/messages 進行 Ling 3.0 Flash VL 的呼叫。下方的請求範例展示了對應的程式碼格式。
Ling 3.0 Flash VL 支援哪些操作？
Ling 3.0 Flash VL 支援 文字轉文字。請在上方選擇一項操作以查看其端點與請求範例。
比較 Ling 3.0 Flash VL
來源
更新於 2026年10月2日
