Ling 3.0 Tiny vs Inkling Small : « Small » fait beaucoup de travail dans ces deux noms.

« Tiny » et « Small » évoquent la même taille, et les deux nouveaux modèles portant ces noms ne pourraient pas être plus éloignés.Ling 3.0 Tiny est un MoE propriétaire de 7,9 milliards de paramètres d'InclusionAI (Ant Group) — environ 1,3 milliard d'actifs par jeton, aujourd'hui gratuit à appeler via ses propres points de terminaison API, texte uniquement, avec un score de 23 sur l'Artificial Analysis Intelligence Index.Inkling Small est le MoE sparse à poids ouverts de 276 milliards de paramètres de Thinking Machines Lab — 12 milliards d'actifs, poids Apache 2.0 sur Hugging Face, entrée native de texte, d'image et d'audio, avec un score de 40 sur le même indice. L'un est plus petit dans tous les sens du terme et se loue pour quelques centimes ; l'autre est un tiers de billion de paramètres que vous pouvez télécharger et exécuter sur votre propre matériel. Les noms sont le piège : ce n'est pas une comparaison de deux petits modèles, c'est une comparaison de deux manières complètement différentes d'acheter l'IA, dont la seule décision marketing commune est un adjectif diminutif.

Ils sont sortis à quelques jours d'intervalle lors de l'été le plus chargé que le marché des modèles ait jamais connu — Inkling Small le 30 juillet 2026, Ling 3.0 Tiny le 6 août — et tous deux visent le même acheteur : une équipe qui veut une IA performante sans le budget des modèles de pointe. Cet article distingue ce que chacun est réellement, ce que disent les chiffres indépendants, et pourquoi la question « lequel est le meilleur » est en réalité une question de « lequel voulez-vous posséder ».

Ling 3.0 Tiny : l'API gratuite

Ling 3.0 Tiny est un modèle de raisonnement à mélange d'experts avec 7,9 milliards de paramètres au total et environ 1,3 milliard de paramètres actifs par jeton — petit, peu coûteux à servir et actuellement proposé à un prix de conquête. Il dispose d'une fenêtre de contexte de 256 000 jetons (262 000 sur les listes commerciales et Artificial Analysis), jusqu'à 32 000 jetons de sortie, un appel de fonction natif et une mise en cache des invites, avec un commutateur par requête entre les modes « Thinking » activé par défaut et « Instant » direct. Il prend du texte en entrée et produit du texte en sortie ; il n'y a pas de voie visuelle ou audio.

Le modèle économique est l'aspect frappant. Il est listé comme inclusionai/ling-3.0-tiny:free à 0 $ par million de jetons des deux côtés ; une deuxième passerelle le propose gratuitement jusqu'à 8 h 00 HP le 14 août 2026, après quoi son tarif affiché de 0,06 $ par million de jetons en entrée et 0,18 $ par million de jetons en sortie s'applique. Pour un modèle d'API, c'est un chiffre extraordinaire — en dessous de pratiquement tous les paliers de texte comparables du marché — et Artificial Analysis l'a déjà testé : Intelligence Index 23, classé n° 6 sur 56 modèles de sa catégorie par rapport à une médiane de 8. Le même test l'a signalé comme très verbeux, générant 210 millions de jetons en sortie contre une médiane de 63 millions, ce qui est le coût caché à garder à l'esprit lorsque vous modélisez la facture.

Inkling Small : les poids ouverts

Inkling Small est une espèce différente. C'est un transformateur à mélange d'experts épars avec 276B de paramètres au total et 12B actifs par token — 42 couches, chaque token routé vers 6 des 256 experts plus 2 experts partagés — distillé en on-policy à partir du vaisseau amiral Inkling de 975B, puis soumis à un apprentissage par renforcement supplémentaire sur le codage agentique. (La spécification technique d'Artificial Analysis indique 266B au total ; le chiffre de 12B actifs concorde, et la différence ne change pas la comparaison.) Les poids sont sur Hugging Face sous licence Apache 2.0 sans restrictions commerciales. Il est multimodal en entrée — texte, image et audio arrivent dans le même flux de tokens, avec une sortie textuelle uniquement — et il propose un curseur d'effort de réflexion à cinq niveaux (de minimal à xhigh) afin que les mêmes poids fonctionnent à moindre coût ou à plein régime.

Parce qu'il s'agit de poids ouverts, l'histoire de l'accès est complètement différente. Thinking Machines le sert sur son API Tinker à 0,30 $ / 1,20 $ par million de jetons, avec une entrée en cache à 0,06 $, et il est disponible sur deux points de terminaison tiers à environ 0,45 $–0,50 $ en entrée / 1,20 $ en sortie par million, avec un contexte plafonné à 524 288 jetons sur ces points de terminaison, plutôt que le million annoncé. Ou vous téléchargez vous-même les poids — ce qui signifie 276 Go en 8 bits, un nœud multi-GPU, pas une station de travail, et une question de quantification (les points de terminaison hébergés servent du fp8 ; les benchmarks du fournisseur n'ont pas été mesurés sur fp8).

Le tableau de bord indépendant

Mettez les deux sur la même échelle Artificial Analysis et l'écart de capacités est sans équivoque. Inkling Small obtient 40 à l'Intelligence Index, classé 15e sur 101 dans sa catégorie ; Ling 3.0 Tiny obtient 23, classé 6e sur 56 dans sa catégorie (plus petite). L'écart de 17 points correspond à peu près à la distance entre « un modèle à petit budget réellement utile » et « confortablement au-dessus de la moyenne pour un modèle minuscule ». Les 12B de paramètres actifs d'Inkling Small — près de dix fois les 1.3B de Ling 3.0 Tiny — se manifestent dans les tâches agentiques, la récupération en contexte long et le codage, les dimensions qui composent l'indice. Ling 3.0 Tiny est exceptionnel pour sa taille ; Inkling Small est simplement plus capable, parce que c'est un modèle fondamentalement plus gros portant un petit nom.

Les deux modèles sont verbeux, ce qui mérite d'être souligné car cela affecte les deux factures. Artificial Analysis a mesuré que Ling 3.0 Tiny consomme 210 millions de jetons de sortie lors de son exécution d'index (médiane de 63 millions) et Inkling Small en consomme 130 millions (médiane de 100 millions). Inkling Small réfléchit environ 30 % de plus que la normale ; Ling 3.0 Tiny réfléchit plus de trois fois plus que la normale. Ni l'un ni l'autre n'est un modèle que l'on déploie et que l'on oublie de surveiller.

Les dimensions, une ligne chacune :

• Score indépendant — Ling 3.0 Tiny AA Index 23 (#6/56, médiane de classe 8) vs Inkling Small AA Index 40 (#15/101).

• Prix — Ling 3.0 Tiny gratuit puis 0,06 $ / 0,18 $ par 1M contre Inkling Small 0,30 $–0,50 $ en entrée / 1,20 $ en sortie par 1M sur endpoints hébergés, ou 0 $ plus votre propre matériel.

• Taille — 7,9B total / ~1,3B MoE actif, propriétaire vs 276B total / 12B MoE sparse actif, poids ouverts Apache 2.0.

• Modalité — Ling 3.0 Tiny texte uniquement vs Inkling Small entrée texte, image et audio, sortie texte.

• Contexte — 256K sur Ling 3.0 Tiny contre jusqu'à 1M annoncé / 524K servi sur les actuels points de terminaison hébergés d'Inkling Small.

• Propriété — API fermée que vous louez vs poids ouverts que vous pouvez posséder, affiner sur Tinker, ou exécuter vous-même sur un nœud multi-GPU.

Ce que chacun vous coûte réellement

La différence de prix n'est pas le chiffre intéressant ; c'est la différence de propriété qui l'est. Ling 3.0 Tiny est un service au compteur : gratuit pendant une semaine, puis 0,06 $ / 0,18 $ par million de jetons pour toujours, quel que soit le niveau de concurrence auquel vous l'exécutez, avec une taxe de verbosité qui multiplie le coût de sortie effectif. Inkling Small a deux étiquettes de prix : un prix de location — environ 0,50 $ / 1,20 $ par million sur des points de terminaison tiers, ou 0,30 $ / 1,20 $ en direct — et un prix de possession, qui implique un achat de matériel conséquent et du temps d'ingénierie pour servir 276 milliards de paramètres. Les chiffres économiques mesurés par Artificial Analysis attribuent à Inkling Small un prix mixte d'environ 0,22 $ par million de jetons et à peu près 0,07 $ par tâche d'indice d'intelligence, ce qui le rend véritablement économique à exploiter en tant qu'API pour ce qu'il offre. Mais l'option à poids ouverts n'a aucun compteur une fois la facture d'entraînement et d'hébergement réglée, ce qui correspond à la même logique qui attire les gens vers un checkpoint de 2,6 milliards de paramètres et qui est bien plus difficile à justifier à 276 milliards.

Il existe également des limitations de capacité liées au modèle ouvert qu'une fiche technique ne mentionne pas. La fiche d'Inkling Small recommande des entrées audio de moins de deux minutes, contre moins de vingt pour le modèle phare — une réduction de dix fois si vous analysiez des réunions. Aucun des points de terminaison hébergés ne propose actuellement response_format (JSON contraint par schéma), ce qui importe si votre pipeline dépend d'une sortie structurée. Et la robustesse adversarial, selon les chiffres du laboratoire lui-même (71,6 % sur FORTRESS adversarial), incite à réfléchir avant de la placer derrière une zone de texte publique. Ling 3.0 Tiny, étant une API sans poids, n'a aucune de ces questions d'auto-hébergement — vous prenez ce que fournit le point de terminaison.

Quel « petit » est le bon pour votre problème ?

Choisissez Ling 3.0 Tiny lorsque vous voulez le raisonnement textuel capable le moins cher que vous puissiez louer, que vous n'avez pas besoin de voir des images ni d'entendre de l'audio, que vous appréciez un modèle évalué indépendamment que vous pouvez essayer gratuitement cette semaine, et que vous acceptez une facturation à l'usage et un modèle verbeux. Choisissez Inkling Small lorsque vous avez besoin de la capacité — une véritable entrée multimodale, 12B de paramètres actifs de force agentique, un score d'indice supérieur de 17 points — ou lorsque vous voulez spécifiquement des poids ouverts que vous pouvez posséder, affiner, ou retirer entièrement d'un fournisseur. Choisissez-le pour la modalité et le score d'indice, pas pour le nom.

Une note honnête sur leur location.

Aucun de ces deux modèles n'est sur OrcaRouter, et nous n'allons pas sous-entendre le contraire. Ling 3.0 Tiny est servi par ses propres points de terminaison gratuits ; Inkling Small vit sur l'API Tinker de Thinking Machines, des points de terminaison tiers, ou votre propre nœud GPU. L'utilité d'OrcaRouter dans cette comparaison précise, c'est tout ce qui les entoure : les modèles de pointe et de milieu de gamme contre lesquels vous ferez vos benchmarks, et ceux vers lesquels vous routez lorsque le palier économique n'a plus de marge. Lorsque la fenêtre gratuite de Ling 3.0 Tiny se ferme ou qu'un point de terminaison gratuit est limité en débit, la voie de sortie est un palier économique hébergé — Qwen 3.7 Flash à 0,03 $ / 0,13 $, Gemini 3.5 Flash-Lite à 0,30 $ / 2,50 $, et plus de 200 autres derrière une seule clé compatible OpenAI à 0 % de majoration, de sorte que le prix catalogue du fournisseur est le prix, avec un basculement automatique afin qu'une exécution de benchmark ou un parcours de production ne s'arrête pas sur une mauvaise heure d'un fournisseur. Inkling Small, étant à poids ouverts, est le seul côté de cette comparaison qu'un routeur n'hébergera jamais pour vous — et le seul côté où c'est précisément tout l'intérêt.

Verdict

Les deux noms décrivent une intention marketing, pas une taille. Ling 3.0 Tiny est véritablement minuscule et véritablement bon marché — la meilleure offre d'essai gratuit de la gamme économique ce mois-ci, avec un score indépendant honnête quoique modeste et un compteur qui démarre le 14 août. Inkling Small est un modèle de 276B à petit nom — dix fois plus de paramètres actifs, dix-sept points d'indice de plus, nativement multimodal, et des poids ouverts que vous pouvez réellement posséder. Si vous voulez louer le raisonnement textuel compétent le moins cher, prenez Ling 3.0 Tiny et profitez de la semaine gratuite. Si vous voulez un modèle que vous pouvez posséder, affiner et exécuter vous-même — ou un modèle qui peut entendre et voir — « Small » n'est pas le bon mot pour ce qu'il vous faut.