ling-3.0-flash
ling-3.0-flash est un LLM d’InclusionAI sorti le 23 juillet 2026. Son principal signe distinctif est son positionnement très économique : le tarif minimal annoncé est gratuit en entrée comme en sortie, soit 100% sous la moyenne des LLM similaires.
ling-3.0-flash est un LLM d’InclusionAI sorti le 23 juillet 2026. Son principal signe distinctif est son positionnement très économique : le tarif minimal annoncé est gratuit en entrée comme en sortie, soit 100% sous la moyenne des LLM similaires.
Son profil est contrasté. Les résultats les plus favorables concernent Email Classification et Hallucinations, deux benchmarks toutefois plafonnés et peu discriminants. Le suivi d’instructions se situe plus près du milieu du classement, tandis que les performances en Ethics, Mathematics et Coding sont nettement en retrait.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | InclusionAI |
| Poids | ▫ n.d. |
| Date de sortie | 23 juillet 2026 |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Email Classification (Baseline) | 97,0 % | 169ᵉ / 263 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 94,0 % | 136ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 78,0 % | 230ᵉ / 257 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 62,0 % | 143ᵉ / 261 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 60,6 % | 193ᵉ / 230 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 58,0 % | 223ᵉ / 259 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 52,0 % | 195ᵉ / 249 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 45,2 % | 236ᵉ / 258 | 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.
Benchable : Email Classification (Baseline)
Benchable : Hallucinations (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NovitaAI | gratuit | gratuit | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 100 % en dessous de la moyenne des LLM similaires.
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0 $ |
| Latence moyenne par benchmark — Benchable | 2 min 40 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. ling-3.0-flash obtient ses meilleurs résultats sur Email Classification et Hallucinations. Sur Email Classification, il partage sa place avec 37 autres modèles. Sur Hallucinations, 14 autres modèles obtiennent le même classement. Ces résultats indiquent de bons scores bruts, sans établir un avantage clair face aux concurrents. Son coût constitue sa force la plus nette : la gratuité annoncée en entrée et en sortie le place très en dessous du tarif moyen des LLM similaires. Ce positionnement convient aux expérimentations à coût minimal et aux tâches de classement d’e-mails.
Limites et points d’attention. Les benchmarks les plus favorables sont saturés, ce qui réduit leur capacité à départager les modèles. Instruction Following place ling-3.0-flash dans la seconde moitié du classement et partage également sa position avec six concurrents. Le modèle figure dans le bas du tableau en Ethics, Mathematics et Coding, avec un recul particulièrement marqué pour le code. Ce profil limite son intérêt pour les tâches exigeantes dans ces domaines. ling-3.0-flash reste surtout pertinent lorsque la gratuité prime sur le niveau de performance général.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).