inclusionAI: Ling-2.6-flash
Sorti le 21 avril 2026, inclusionAI: Ling-2.6-flash est un LLM d’InclusionAI axé sur l’économie d’usage. Il combine 7 milliards de paramètres actifs à une fenêtre de contexte particulièrement étendue de 262 144 tokens.
Sorti le 21 avril 2026, inclusionAI: Ling-2.6-flash est un LLM d’InclusionAI axé sur l’économie d’usage. Il combine 7 milliards de paramètres actifs à une fenêtre de contexte particulièrement étendue de 262 144 tokens.
Son principal élément distinctif reste son prix : sa tarification se situe 99 % sous la moyenne des LLM similaires et environ 550 fois sous celle des modèles frontière. Les données issues de quatre sources concordantes décrivent ainsi un modèle conçu pour réduire fortement le coût de traitement, sans viser les meilleurs niveaux de performance.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | InclusionAI |
| Poids | ▫ n.d. |
| Date de sortie | 21 avril 2026 |
| Multimodal | non |
| Paramètres actifs | 7 milliards |
| Fenêtre de contexte | 262 144 tokens |
| Modalités (entrée → sortie) | text → text |
Indices de synthèse
| Indice | Valeur | Rang (LLM) |
|---|---|---|
| Intelligence Index | 14.1 | 117ᵉ / 137 |
| Code Index | 25.3 | 61ᵉ / 74 |
| Agentic Index | 2.3 | 59ᵉ / 68 |
Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : General Knowledge (Baseline) | 52,5 % | 146ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 50,0 % | 135ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 46,0 % | 160ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 44,0 % | 147ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 38,0 % | 132ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 37,0 % | 128ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 37,0 % | 144ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 12,0 % | 142ᵉ / 163 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Intelligence Index
Code Index
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NovitaAI | 0,01 $ | 0,03 $ | 0,002 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 100 % en dessous de la moyenne des LLM similaires, et 550 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0 $ |
| Latence moyenne par benchmark — Benchable | 4 min 57 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Le rapport entre capacité de contexte et prix constitue le principal atout de inclusionAI: Ling-2.6-flash. Sa fenêtre de 262 144 tokens autorise la prise en compte de volumes de texte importants, tandis que son coût d’entrée et de sortie le classe parmi les offres très économiques. Sur le plan des évaluations, le Code Index représente son résultat relatif le moins faible. General Knowledge atteint un peu plus de la moitié du score maximal, mais reste placé dans le bas du classement correspondant. La concordance de quatre sources renforce la solidité des données tarifaires et comparatives présentées.
Limites et points d’attention. Les résultats globaux restent faibles. L’Intelligence Index place le modèle près du bas du classement, comme l’Agentic Index. Les évaluations de Reasoning et de Mathematics montrent des limites marquées sur les tâches nécessitant des enchaînements logiques ou des calculs. Email Classification et Ethics figurent également parmi ses points faibles, tandis que le résultat à Hallucinations reste mal classé. inclusionAI: Ling-2.6-flash correspond donc surtout aux usages sensibles au coût et exigeant un long contexte, lorsque la précision, le raisonnement et les fonctions agentiques ne sont pas prioritaires.
Sources des données : OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).