Inclusionai logo

Ling-3.0-flash – Benchmarks, Preise & Intelligence-Analyse

*Ling-3.0-flash* is a *124B-parameter Mixture-of-Experts (MoE) model*, with approximately *5.1B parameters activated per token*. The model is designed with *token efficiency and production-scale agentic inference* as key priorities, enabling developers...

Nicht auf LLMBase verfügbar

Ling-3.0-flash ist derzeit nicht in LLMBase Chat oder über die LLMBase Inference API verfügbar. Benchmarks, Preise und Modelldetails bleiben für Recherche und Vergleiche sichtbar.

Eingabepreis$0.07/1M tokens
Ausgabepreis$0.22/1M tokens
Intelligenz37.8
Coding50.6

Spezifikationen

Technische Details und Preise.

AnbieterInclusionai
Kontextfenster262,144 tokens
Veröffentlichungsdatum4. Aug. 2026
ModalitätenText
FähigkeitenFunction Calling
VerfügbarkeitNicht verfügbar

Benchmarks

4 Benchmark-Scores von Artificial Analysis.

GPQA85.5%
HLE23.7%
SciCode41.1%
LCR67.0%

Composite Indices

Higher is better; speed and price are normalized

Standard Benchmarks

Only benchmarks with data are shown

EU-Hosted Inference API

Power your AI projects with the best open-source models.

Drop-in OpenAI-compatible API. No data leaves Europe.

Explore Inference API

MiniMax

MiniMax M3

$0.40 / $1.40

per M tokens

Z.ai

GLM 5.2

$1.40 / $4.40

per M tokens

MoonshotAI

Kimi K3

$4.00 / $18.00

per M tokens

DeepSeek

DeepSeek V4 Pro

$1.80 / $3.60

per M tokens

Häufig gestellte Fragen

Wofür eignet sich Ling-3.0-flash?

Nutzen Sie Ling-3.0-flash für alltägliche Aufgaben wie Schreiben, Zusammenfassen, Brainstorming und klare Erklärungen.

Wie viel kostet Ling-3.0-flash?

Die Abrechnung erfolgt nutzungsbasiert. Aktuell kostet die Eingabe $0.07/1M tokens und die Ausgabe $0.22/1M tokens.

Ist Ling-3.0-flash bereits in LLMBase Chat verfügbar?

Auf dieser Seite noch nicht. Wir fügen Chat- und Inference-Aktionen automatisch hinzu, sobald ein exakter Katalogeintrag für Ling-3.0-flash existiert.

Unterstützt Ling-3.0-flash Bilder oder Audio?

Ling-3.0-flash ist vor allem für textbasierte Aufgaben ausgelegt.

Benchmarks und Preise nutzen, sofern verfügbar, Artificial Analysis. Katalog-Spezifikationen dienen als Fallback.