Ling 3.1 Flash
Rede Neural
Ling 3.1 Flash — modelo de raciocínio híbrido da inclusionAI: arquitetura MoE, 25B de parâmetros ativos de 560B, acesso via API BotHub
Especificações
- Entrada
- texto, documentos
- Saída
- texto
- Tamanho do contexto
- 1 000 000 tokens
- Comprimento máximo de resposta
- 262 144 tokens
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'ling-3.1-flash',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'ling-3.1-flash',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Como funciona Ling 3.1 Flash?
Ling 3.1 Flash é um modelo de linguagem da inclusionAI construído com a arquitetura mixture-of-experts: de 560 bilhões de parâmetros, cerca de 25 bilhões são ativados por solicitação, tornando a arquitetura pesada eficiente. O modo de raciocínio híbrido permite que o modelo responda imediatamente ou desenvolva uma cadeia de pensamento quando a tarefa exige análise sequencial. No BotHub, o modelo está disponível sem VPN ou cartão internacional: você paga com cartão russo em rublos e apenas pelos tokens consumidos, que não expiram. Ao lado, na mesma janela, há mais de 250 outras redes neurais para alternar e comparar respostas, e uma API única compatível com OpenAI evita a reescrita de integrações ao trocar de modelo. O tráfego é criptografado via AES-GCM, o histórico não é salvo e, para empresas, oferecemos contrato, fatura, EDI e painel administrativo com limites. Use o Ling 3.1 Flash para resolver problemas lógicos e matemáticos, trabalhar com código e depuração, analisar documentos de trabalho, preparar resumos analíticos e como backend para serviços multimodais.Perguntas frequentes sobre Ling 3.1 Flash
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
O ling-3.1-flash é um modelo de texto da inclusionai: escreve e edita textos, analisa código, ajuda com refatoração e depuração, resolve problemas de lógica e STEM. Aceita documentos como entrada, sendo adequado para analisar relatórios longos, especificações e correspondências. Contexto de 262.144 tokens.
Em uma única resposta, o modelo gera até 32.768 tokens. Isso é suficiente para um artigo extenso, uma análise detalhada de documento ou um grande módulo de código inteiro, sem fragmentação. Se precisar de mais, basta pedir para continuar — o contexto de 262.144 tokens manterá todo o histórico da conversa.
Sim, o modelo possui um modo de raciocínio: antes da resposta final, ele analisa a tarefa passo a passo. Isso ajuda significativamente em matemática, lógica, análise de código e documentos, onde é importante deduzir a resposta sequencialmente, em vez de apenas adivinhar.
Sim, o ling-3.1-flash suporta chamada de funções e saída estruturada em JSON — o modelo escolhe a ferramenta, insere os argumentos e retorna a resposta no esquema definido. Através da API única compatível com OpenAI do BotHub, é fácil integrar em agentes e pipelines, permitindo trocar de modelo sem reescrever a integração.
Além de texto, o modelo aceita documentos — você pode carregar um arquivo e pedir para resumi-lo, comparar seções ou extrair dados para uma tabela. O suporte para imagens, áudio e vídeo não está listado em nossos dados, portanto, para essas tarefas no BotHub, é mais conveniente escolher um modelo multimodal ao lado, na mesma janela.
Não temos dados sobre a qualidade do desempenho em russo, por isso não faremos promessas. A maneira mais fácil de verificar é você mesmo: envie uma tarefa real para o modelo no BotHub, compare a resposta com outros modelos na mesma janela e pague apenas pelos tokens consumidos — não é necessária assinatura.