Ling 3.0 Tiny vs Inkling Small: "Small" está haciendo mucho trabajo en estos dos nombres.

"Tiny" y "Small" suenan como si fueran del mismo tamaño, y los dos modelos más nuevos que llevan esos nombres no podrían estar más alejados. Ling 3.0 Tiny es un MoE propietario de 7.900 millones de parámetros de InclusionAI, de Ant Group — unos 1.300 millones activos por token, se puede llamar gratis hoy a través de sus propios endpoints de API, solo texto, con una puntuación de 23 en el Índice de Inteligencia de Artificial Analysis. Inkling Small es un MoE disperso de pesos abiertos de 276.000 millones de parámetros de Thinking Machines Lab — 12.000 millones activos, pesos Apache 2.0 en Hugging Face, entrada nativa de texto, imagen y audio, con una puntuación de 40 en el mismo índice. Uno es más pequeño en todos los sentidos reales y se alquila por centavos; el otro es un tercio de un billón de parámetros que puedes descargar y ejecutar en tu propio hardware. Los nombres son la trampa: esto no es una comparación de dos modelos pequeños, sino de dos formas completamente diferentes de comprar IA, cuya única decisión de marketing compartida es un adjetivo diminutivo.

Ambos se lanzaron con días de diferencia en el verano más concurrido que jamás haya tenido el mercado de modelos — Inkling Small el 30 de julio de 2026, Ling 3.0 Tiny el 6 de agosto — y ambos apuntan al mismo comprador: un equipo que quiere IA capaz sin un presupuesto de modelo de frontera. Este artículo separa qué es realmente cada uno, qué dicen los números independientes y por qué la pregunta de «cuál es mejor» es en realidad una pregunta de «cuál quieres poseer».

Ling 3.0 Tiny: la API gratuita

Ling 3.0 Tiny es un modelo de razonamiento de mezcla de expertos con 7.9 mil millones de parámetros en total y aproximadamente 1.3 mil millones activos por token: pequeño, económico de servir y actualmente con un precio pensado para ganar cuota de mercado. Cuenta con una ventana de contexto de 256K tokens (262K en los listados comerciales y en Artificial Analysis), hasta 32K tokens de salida, llamada de funciones nativa y almacenamiento en caché de indicaciones, con un conmutador por solicitud entre los modos "Thinking" activado por defecto e "Instant" directo. Es de texto a texto; no hay ruta de visión ni de audio.

El modelo de negocio es la parte llamativa. Está listado como inclusionai/ling-3.0-tiny:free a $0 por millón de tokens en ambos lados; una segunda pasarela lo ejecuta gratis hasta las 8:00 a.m. PT del 14 de agosto de 2026, después de lo cual se aplica su tarifa publicada de $0.06 por millón de tokens de entrada y $0.18 por millón de tokens de salida. Para un modelo de API, es un número extraordinario — por debajo prácticamente de todos los niveles de texto comparables del mercado — y Artificial Analysis ya lo ha ejecutado: Índice de Inteligencia 23, clasificado en el puesto #6 de 56 modelos en su clase frente a una mediana de 8. La misma ejecución lo marcó como muy verboso, generando 210M de tokens de salida frente a una mediana de 63M, que es el costo oculto a tener en cuenta cuando calculas la factura.

Inkling Small: los pesos abiertos

Inkling Small es una especie diferente. Es un transformador de mezcla dispersa de expertos con 276B de parámetros totales y 12B activos por token — 42 capas, cada token enrutado a 6 de 256 expertos más 2 expertos compartidos — destilado on-policy del buque insignia Inkling de 975B, y luego sometido a aprendizaje por refuerzo adicional en codificación agéntica. (La especificación técnica de Artificial Analysis indica 266B totales; la cifra de 12B activos coincide, y la diferencia no cambia la comparación). Los pesos están en Hugging Face bajo Apache 2.0 sin restricciones comerciales. Es multimodal en la entrada — texto, imagen y audio llegan al mismo flujo de tokens, con salida solo de texto — y trae un selector de esfuerzo de pensamiento de cinco niveles (mínimo hasta xhigh) para que los mismos pesos funcionen barato o funcionen fuerte.

Debido a que tiene pesos abiertos, la historia del acceso es completamente diferente. Thinking Machines lo sirve en su API Tinker a $0.30 / $1.20 por millón de tokens, con entrada en caché a $0.06, y está disponible en dos endpoints de terceros a aproximadamente $0.45–$0.50 de entrada / $1.20 de salida por 1M, con el contexto limitado a 524,288 tokens en esos endpoints en lugar del 1M anunciado. O descargas los pesos tú mismo — lo que significa 276GB en 8 bits, un nodo multi-GPU, no una estación de trabajo, y una cuestión de cuantización (los endpoints alojados sirven fp8; los puntos de referencia del proveedor no se midieron en fp8).

El marcador independiente

Ponga los dos en la misma escala de Artificial Analysis y la brecha de capacidad es inequívoca. Inkling Small obtiene 40 en el Intelligence Index, clasificado en el puesto #15 de 101 en su clase; Ling 3.0 Tiny obtiene 23, ocupando el puesto #6 de 56 en su clase (más pequeña). La brecha de 17 puntos es aproximadamente la distancia entre un "modelo económico genuinamente útil" y "cómodamente por encima del promedio para un modelo pequeño". Los 12B de parámetros activos de Inkling Small — casi diez veces los 1.3B de Ling 3.0 Tiny — se manifiestan en el trabajo de agente, la recuperación de contexto largo y la programación, las dimensiones que componen el índice. Ling 3.0 Tiny es excepcional para su tamaño; Inkling Small es simplemente más capaz, porque es un modelo fundamentalmente más grande con un nombre pequeño.

Ambos modelos son verbosos, lo cual vale la pena mencionar porque afecta ambas facturas. Artificial Analysis midió que Ling 3.0 Tiny consumió 210M tokens de salida en su ejecución del índice (mediana de 63M) e Inkling Small consumió 130M (mediana de 100M). Inkling Small piensa alrededor de un 30% más de lo típico; Ling 3.0 Tiny piensa más de tres veces lo típico. Ninguno de los dos es un modelo que puedas desplegar y olvidarte de vigilar.

Las dimensiones, una por línea:

• Puntuación independiente — Ling 3.0 Tiny AA Index 23 (#6/56, mediana de clase 8) vs Inkling Small AA Index 40 (#15/101).

• Precio — Ling 3.0 Tiny gratis, luego $0.06 / $0.18 por 1M vs Inkling Small $0.30–$0.50 de entrada / $1.20 de salida por 1M en endpoints alojados, o $0 más tu propio hardware.

• {{1}}Tamaño{{/1}} — {{2}}7.9B total / ~1.3B MoE activo, propietario{{/2}} vs {{3}}276B total / 12B MoE disperso activo, pesos abiertos Apache 2.0.{{/3}}

• Modalidad — Ling 3.0 Tiny solo texto, frente a Inkling Small con entrada de texto, imagen y audio, y salida de texto.

• Contexto — 256K en Ling 3.0 Tiny frente a hasta 1M anunciado / 524K servidos en los endpoints alojados actuales de Inkling Small.

• Propiedad — API cerrada que alquilas frente a pesos abiertos que puedes poseer, ajustar en Tinker o ejecutar tú mismo en un nodo multi-GPU.

Lo que realmente te cuesta cada uno

La diferencia de precio no es el número interesante; la diferencia de propiedad lo es. Ling 3.0 Tiny es un servicio medido: gratis durante una semana, luego $0.06 / $0.18 por millón de tokens para siempre, a cualquier nivel de concurrencia con el que operes, con un impuesto de verbosidad que multiplica el costo efectivo de salida. Inkling Small tiene dos precios: uno alquilado — alrededor de $0.50 / $1.20 por millón en endpoints de terceros, o $0.30 / $1.20 de primera parte — y uno propio, que es una seria compra de hardware y el tiempo de ingeniería para servir 276B parámetros. Las métricas económicas medidas por Artificial Analysis le dan a Inkling Small un precio combinado de alrededor de $0.22 por 1M de tokens y aproximadamente $0.07 por tarea de índice de inteligencia, lo que lo hace genuinamente barato de ejecutar como API por lo que ofrece. Pero la opción de pesos abiertos no tiene medidor en absoluto después de la factura de entrenamiento y alojamiento, que es la misma lógica que atrae a la gente a un checkpoint de 2.6B y es mucho más difícil de justificar con 276B.

También hay restricciones de capacidad asociadas al modelo abierto que una ficha técnica no refleja. La ficha de Inkling Small recomienda entradas de audio de menos de dos minutos, frente a menos de veinte para el modelo insignia: una reducción de diez veces si estuvieras razonando sobre reuniones. Ninguno de los endpoints alojados anuncia actualmente response_format (JSON con esquema obligatorio), lo cual importa si tu pipeline depende de salida estructurada. Y la robustez adversarial según los propios números del laboratorio (71.6% en FORTRESS adversarial) es un motivo para pensarlo antes de ponerlo detrás de una caja de texto pública. Ling 3.0 Tiny, al ser una API sin pesos, no tiene ninguna de estas cuestiones de autoalojamiento: tomas lo que el endpoint sirve.

¿Cuál "pequeño" es el adecuado para tu problema?

Elige Ling 3.0 Tiny cuando quieras el razonamiento de texto capaz más barato que puedas alquilar, no necesites ver imágenes ni escuchar audio, valores un modelo con puntuación independiente que puedas probar gratis esta semana y te parezca bien una facturación por uso y un modelo verboso. Elige Inkling Small cuando necesites la capacidad — entrada multimodal real, 12B de parámetros activos con capacidad agéntica, una puntuación de índice 17 puntos más alta — o cuando específicamente quieras pesos abiertos que puedas poseer, ajustar finamente o sacar por completo de un proveedor. Elígelo por la modalidad y la puntuación del índice, no por el nombre.

Una nota honesta sobre alquilarlos

Ninguno de estos modelos está en OrcaRouter, y no vamos a insinuar lo contrario. Ling 3.0 Tiny se sirve a través de sus propios endpoints gratuitos; Inkling Small vive en la API Tinker de Thinking Machines, en endpoints de terceros o en tu propio nodo de GPU. Para lo que OrcaRouter es útil en esta comparación concreta es para todo lo que los rodea: los modelos frontier y de gama media contra los que harás benchmarking, y aquellos a los que enrutas cuando el nivel económico se queda sin margen. Cuando se cierra la ventana gratuita de Ling 3.0 Tiny o un endpoint gratuito sufre rate limiting, la vía de escape es un nivel económico alojado: Qwen 3.7 Flash a $0.03 / $0.13, Gemini 3.5 Flash-Lite a $0.30 / $2.50, y más de 200 otros detrás de una sola clave compatible con OpenAI con un margen del 0 %, de modo que el precio de lista del proveedor es el precio, con failover automático para que una ejecución de benchmarking o una ruta de producción no muera por una mala hora de un proveedor. Inkling Small, al ser de pesos abiertos, es el lado de esta comparación que un router nunca alojará por ti — y el lado en el que ese es precisamente el punto.

Veredicto

Los dos nombres describen la intención de marketing, no el tamaño. Ling 3.0 Tiny es genuinamente pequeño y genuinamente barato — la mejor prueba gratuita de la gama económica este mes, con una puntuación independiente honesta aunque modesta y un contador que comienza el 14 de agosto. Inkling Small es un modelo de 276B con un nombre pequeño — diez veces los parámetros activos, diecisiete puntos más en el índice, nativamente multimodal y pesos abiertos que de verdad puedes poseer. Si quieres alquilar el razonamiento de texto capaz más barato, elige Ling 3.0 Tiny y disfruta de la semana gratuita. Si quieres un modelo que puedas poseer, afinar y ejecutar tú mismo — o uno que pueda oír y ver — "Small" no es la palabra adecuada para lo que necesitas.