inclusionAI: Ring-2.6-1T
Publié par InclusionAI le 8 mai 2026, inclusionAI: Ring-2.6-1T est un LLM caractérisé par une fenêtre de contexte de 262 144 tokens et un positionnement très économique. Il associe ainsi une grande capacité de contexte à des coûts d’exploitation réduits.
Publié par InclusionAI le 8 mai 2026, inclusionAI: Ring-2.6-1T est un LLM caractérisé par une fenêtre de contexte de 262 144 tokens et un positionnement très économique. Il associe ainsi une grande capacité de contexte à des coûts d’exploitation réduits.
La tarification débute à 0.075 $ par million de tokens en entrée et à 0.625 $ en sortie. Ces prix se situent 96 % sous la moyenne des LLM similaires. Le modèle coûte aussi environ 73.3 fois moins cher que les modèles frontière.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | InclusionAI |
| Poids | ▫ n.d. |
| Date de sortie | 8 mai 2026 |
| Multimodal | non |
| Fenêtre de contexte | 262 144 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 100,0 % | 1ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 100,0 % | 1ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 100,0 % | 1ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 97,6 % | 96ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 91,7 % | 65ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 91,7 % | 70ᵉ / 140 | 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 : Hallucinations (Baseline)
Benchable : Instruction Following (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NovitaAI | 0,075 $ | 0,625 $ | 0,015 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 96 % en dessous de la moyenne des LLM similaires, et 73,3 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 | 2 min 32 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. inclusionAI: Ring-2.6-1T atteint le plafond des batteries Baseline consacrées au suivi d’instructions, à la classification d’e-mails, au raisonnement, aux hallucinations et à l’éthique. Instruction Following constitue le résultat le plus sélectif de cet ensemble, avec seulement deux autres modèles à égalité. La fenêtre de 262 144 tokens constitue un autre atout concret pour traiter de longs contenus. Le tarif très inférieur à la moyenne favorise les traitements à grande échelle et les projets soumis à une forte contrainte budgétaire.
Limites et points d'attention. Les cinq scores parfaits ne départagent pas réellement le modèle de ses concurrents. Chaque benchmark est plafonné et plusieurs modèles partagent la première place, jusqu’à 71 concurrents sur Ethics. General Knowledge apporte un signal plus discriminant : malgré un score brut de 98 %, le modèle se classe 96e sur 161, donc en retrait du classement. Le prix des tokens de sortie reste aussi nettement supérieur à celui des tokens d’entrée, même si l’ensemble demeure très économique. inclusionAI: Ring-2.6-1T convient surtout aux usages combinant long contexte, volume élevé et budget serré.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).