Ling 3.0 Tiny vs LFM2.5-2.6B-Base : Deux types de gratuité, et un seul vous répond aujourd'hui

Ces deux modèles sont gratuits. C'est à peu près la seule chose qu'ils ont en commun. Ling 3.0 Tiny, le modèle de raisonnement à mélange d'experts de 7,9 milliards de paramètres d'Ant Group InclusionAI, est gratuit parce que quelqu'un fait tourner un serveur et y expose une API — vous collez une clé dans un client et il répond à votre paragraphe immédiatement, sans entraînement, sans GPU. LFM2.5-2.6B-Base, le point de contrôle de pré-entraînement de 2,69 milliards de paramètres de Liquid AI, est gratuit parce que quelqu'un a publié un fichier de poids — 151 téléchargements au dernier décompte, aucun fournisseur d'inférence ne l'hébergeant où que ce soit, et une fiche de modèle qui recommande la version de base « uniquement pour les tâches nécessitant un fine-tuning intensif ». L'un est un produit avec un compteur. L'autre est une matière première. Cette comparaison porte sur le type de gratuité dont vous avez réellement besoin, car les deux modèles ne fonctionneront pas pour la même personne, peu importe combien de mois ils affichent tous deux « 0 $ ».

Les noms rendent la divergence facile à manquer. Les deux se situent dans la catégorie des « tiny / small models », devenue le rayon le plus encombré de l'IA en 2026. Les deux sont uniquement textuels, les deux offrent des contextes assez larges pour un vrai travail, et les deux feront tourner un modèle réellement utile avec un budget modeste. Mais ils sont construits selon des philosophies différentes, appartiennent à des parties différentes, et se louent ou s'achètent par des canaux totalement différents. Avant d'en choisir un, la question la plus utile à se poser est : avez-vous besoin de réponses, ou avez-vous besoin de poids ?

Ling 3.0 Tiny, l'API gratuite

Ling 3.0 Tiny a été lancé le 6 août 2026, selon un schéma classique de lancement discret : une fiche d'API commerciale de la part d'InclusionAI, la division des modèles d'Ant Group, plutôt qu'une conférence. L'architecture est un modèle à mélange d'experts avec 7,9 milliards de paramètres au total et environ 1,3 milliard de paramètres actifs par jeton — suffisamment petit pour être servi à moindre coût, suffisamment grand pour offrir une véritable capacité de raisonnement. Il prend en charge une fenêtre de contexte de 256K jetons (les fiches commerciales indiquent 262K), jusqu'à 32K jetons de sortie, et propose deux modes que vous pouvez activer par requête : un mode « Thinking » activé par défaut qui dépense des jetons supplémentaires pour raisonner, et un mode « Instant » qui répond directement. L'appel de fonction natif et la mise en cache du prompt sont tous deux annoncés, ce qui est important pour le travail des agents.

C'est au niveau de la tarification que le mot « gratuit » mérite d'être décortiqué. Aujourd'hui, le modèle est réellement gratuit à appeler : il est listé comme inclusionai/ling-3.0-tiny:free avec un tarif de 0 $ en entrée comme en sortie, et une deuxième passerelle le propose dans le cadre d'une promotion gratuite sous le nom de inclusionai/ling-3.0-tiny-free jusqu'au 14 août 2026 à 8 h 00 (heure du Pacifique). Après cette promotion, la grille tarifaire publiée par Vercel s'applique : 0,06 $ par million de jetons d'entrée, 0,18 $ par million de jetons de sortie et 0,01 $ par million de jetons d'entrée en cache. C'est un vrai prix — environ un tiers du prix du palier GPT-5.6 Luna après sa baisse, pour vous donner un ordre de grandeur — mais ce n'est pas le « gratuit » sur lequel vous pouvez compter au-delà de la mi-août. Quiconque développe en partant du principe que Ling 3.0 Tiny est définitivement à 0 $ s'appuie sur une promotion qui prendra fin.

LFM2.5-2.6B-Base, les poids libres

LFM2.5-2.6B-Base est entièrement l'autre type de gratuité. C'est le point de contrôle de base pré-entraîné derrière la famille LFM2.5-2.6B de Liquid AI, publié sur Hugging Face le 4 août 2026 — la même semaine où OpenAI a réduit de 80 % le prix de GPT-5.6 Luna, ce qui en dit long sur les raisons pour lesquelles tout le marché est saturé. Le modèle de base est un modèle à 2,69 milliards de paramètres en bfloat16 avec une architecture hybride : 22 blocs de convolution courte à double porte plus 8 couches d'attention à requêtes groupées, un vocabulaire de 128 000 jetons couvrant 16 langues, et environ 34 billions de jetons de pré-entraînement — une durée d'entraînement inhabituellement longue pour un modèle de cette taille.

C'est aussi, à en juger par toutes les mesures disponibles, non mesuré. Le propre lancement de Liquid a donné au modèle frère post-entraîné LFM2.5-2.6B le tableau de benchmarks et les 47 000 téléchargements de la première semaine, tandis que le checkpoint de base n'a reçu qu'une parenthèse et 151 téléchargements. Le modèle de base ne dispose d'aucune évaluation publiée — ni MMLU, ni GPQA, ni perplexité sur aucune des surfaces de Liquid. Il est uniquement textuel. Son contexte est de 128K selon le config.json du dépôt (la fiche annonce 131 072, mais c'est le config que le script d'entraînement utilise réellement pour l'empaquetage). Et aucun fournisseur d'inférence ne l'héberge, donc la seule façon de voir ce que ces poids peuvent faire est de les affiner et de les servir vous-même — ce qui est exactement ce que la fiche du modèle vous demande de faire. Il est fourni sous la LFM Open License v1.0, qui plafonne l'utilisation commerciale à 10 millions de dollars de revenus annuels et applique ce plafond aux œuvres dérivées comme votre fine-tuning.

Le tableau d'affichage honnête

Cette confrontation présente la situation de preuves la plus déséquilibrée que vous verrez entre deux modèles de 2026. Ling 3.0 Tiny dispose d’un score indépendant : Artificial Analysis lui attribue un 23 à l’indice d’intelligence, classé n°6 sur 56 modèles dans sa catégorie de taille, contre une médiane de catégorie de 8 — bien au-dessus de la moyenne pour un modèle aussi petit. Cet indice est une combinaison de neuf évaluations, notamment Terminal-Bench 2.1, GPQA Diamond et Humanity's Last Exam, menées par un tiers plutôt que sélectionnées par le fournisseur.

LFM2.5-2.6B-Base n'a aucun score du tout. Les chiffres agentiques que les gens citent pour la famille — ToolSandbox 77.83, IFBench 59.17, Multi-IF 80.07, AIME25 51.87 — appartiennent au LFM2.5-2.6B post-entraîné, ils sont rapportés par le fournisseur, et ils sont le résultat d'un pipeline de post-entraînement en quatre étapes qui n'est pas présent dans le checkpoint de base. Prenez les poids de base et vous héritez du pré-entraînement — les langues, la connaissance du monde, la capacité de contexte long — et aucun des scores de suivi d'instructions. Le seul nombre que la base porte est 34T jetons d'entraînement, ce qui est un budget, pas un résultat. Personne n'a encore rapporté ce que cela a acheté.

Les six dimensions qui les séparent, une ligne chacune :

• Prix — Ling 3.0 Tiny : 0,06 $ / 0,18 $ par 1M après la promo gratuite (gratuit jusqu'au 14 août) contre LFM2.5-2.6B-Base : 0 $ au téléchargement, plus votre facture d'entraînement, pour toujours.

• Contexte — 256K jetons sur Ling 3.0 Tiny contre 128K sur LFM2.5-2.6B-Base (config.json), soit un écart de 2x.

• Paramètres — ~1.3B actifs sur 7.9B total MoE contre 2.69B dense ; les deux sont uniquement texte.

• Score indépendant — Ling 3.0 Tiny AA Intelligence Index 23 (#6/56) vs LFM2.5-2.6B-Base zéro évaluation publiée.

• Modes — Ling 3.0 Tiny : commutation Thinking/Instant, appels de fonction, mise en cache du prompt vs LFM2.5-2.6B-Base : rien jusqu'à ce que vous le post-entraîniez.

• Servi — Ling 3.0 Tiny en direct aujourd'hui sur ses propres endpoints commerciaux, vs LFM2.5-2.6B-Base qui n'est hébergé par aucun fournisseur d'inférence où que ce soit.

L'asymétrie est le point clé : vous pouvez tester A/B Ling 3.0 Tiny sur vos propres prompts cet après-midi pour une bouchée de pain, et les chiffres que vous obtenez en retour sont vérifiables. Le checkpoint de base est un pari sur votre propre compétence en fine-tuning, sans validation externe disponible pour l'instant.

Le coût du « gratuit » : une réponse mesurée contre un compteur qui s'arrête

Le compteur de Ling 3.0 Tiny ne s’arrête jamais une fois la promotion terminée. Chaque jeton entrant et sortant est facturé au tarif indiqué, pour toujours, quel que soit le niveau de concurrence auquel vous l’exécutez. Il y a aussi un coût caché : Artificial Analysis a mesuré que le modèle générait 210 millions de jetons de sortie en évaluant sa classe de 56 modèles — contre une médiane de 63 millions — et le qualifie de « très verbeux ». Un modèle de raisonnement qui brûle des jetons de sortie supplémentaires pour réfléchir a un coût effectif par tâche plus élevé que ce que suggère la grille tarifaire, et la verbosité érode en partie l’avantage de prix. Un prix gratuit aujourd’hui et une facturation verbeuse demain est un vrai compromis économique, pas une erreur d’arrondi.

Le « gratuit » du checkpoint de base relève d'une autre comptabilité : le téléchargement ne coûte rien, puis cela vous coûte des données, une session d'entraînement et du matériel. Un ensemble de fine-tuning supervisé de 100 000 exemples revient à une dizaine de dollars en tokens à générer ; un ensemble de 1 million d'exemples avoisine la centaine. Le fine-tuning lui-même — un 2,6B est un court passage sur un seul GPU — représente des heures de temps machine plus vos heures d'ingénierie. Pour le servir, il vous faut un appareil ; Liquid annonce pour la famille environ 220 tokens/seconde en décodage sur un Apple M5 Max et 113 sur un Ryzen AI Max+ 395, mesuré par le fournisseur sur le modèle jumeau post-entraîné, et le checkpoint de base n'a pas de chiffres de vitesse qui lui soient propres. En pratique, cela signifie un ordinateur portable que vous possédez déjà ou une nouvelle machine à partir d'environ 1 500 $.

La différence décisive est la même que celle que ce blog utilisait pour cadrer LFM2.5-2.6B-Base par rapport à une GPT-5.6 Luna au prix révisé : un compteur ne s'arrête jamais, l'autre s'arrête le jour où l'entraînement se termine. Ling 3.0 Tiny facture par jeton, quel que soit votre niveau de concurrence, pour toujours. Le jeton marginal du modèle de base est gratuit après l'entraînement, à n'importe quel niveau de concurrence, pour autant d'agents simultanés que vous pouvez lui envoyer. C'est le seul régime où un 2.6B bat réellement une API facturée au compteur en termes de coût : charges de travail à volume élevé, à forte concurrence et en continu.

Qui devrait choisir lequel ?

Choisissez Ling 3.0 Tiny si…

Vous avez besoin d'un modèle fonctionnel cette semaine : un modèle de raisonnement textuel performant que vous pouvez appeler via un endpoint compatible O​penAI, avec un contexte de 256K, l'appel d'outils, et un score indépendant que vous pouvez consulter. La période gratuite vous offre une véritable fenêtre pour l'évaluer sur votre propre charge de travail avant de payer quoi que ce soit, et même après la promotion, le tarif de $0.06 / $0.18 est agressif pour un modèle dont le score d'intelligence mesuré est supérieur à sa catégorie. Vous louez de l'intelligence au compteur, et cela vous convient.

Choisissez LFM2.5-2.6B-Base si…

Vous construisez un modèle plutôt que d'en louer un : une langue ou un domaine que les modèles prêts à l'emploi desservent mal, un secteur réglementé où les données ne peuvent pas quitter l'appareil, de la recherche post-entraînement, ou un étudiant de distillation. Votre charge de travail présente un parallélisme suffisamment élevé pour que le coût marginal nul l'emporte sur une facturation au compteur, et vous êtes à l'aise sous le plafond de revenus de la licence. Vous devez aussi être honnête avec vous-même sur les risques : pas d'évaluations publiées, pas de voie de service, et un ajustement fin que vous devrez déboguer sans benchmark pour viser.

L'hybride honnête — et où un routeur trouve sa place.

La façon la plus utile de lire ce couplage est comme deux moitiés d'un même système plutôt que deux rivaux. Le véritable prérequis du checkpoint de base est la donnée : la propre recette de post-entraînement de Liquid repose sur la spécialisation de l'enseignant et la distillation sur politique, ce qui signifie que rendre la base utile commence par une tâche de génération de données multi-modèles avant de devenir une tâche d'entraînement. C'est exactement là qu'un modèle API bon marché et performant comme Ling 3.0 Tiny — ou, en meilleure qualité, l'un des paliers texte d'OrcaRouter — trouve sa place comme enseignant pour un petit étudiant local. Utilisez la fenêtre gratuite tant qu'elle dure, générez le corpus de fine-tuning, puis entraînez la base en quelque chose qui vous appartient.

Du côté de l'API, un avertissement honnête avant de dire quoi que ce soit sur notre propre produit : ni Ling 3.0 Tiny ni LFM2.5-2.6B-Base ne sont sur OrcaRouter. Ling 3.0 Tiny est servi par ses propres endpoints commerciaux, et le checkpoint de base n'est hébergé par personne. Ce qu'OrcaRouter fait d'utile, c'est transporter les modèles enseignants et le trafic API qui les entoure — Qwen 3.7 Flash à $0.03 / $0.13 par 1M, Gemini 3.5 Flash-Lite à $0.30 / $2.50, et plus de 200 autres derrière une seule clé avec une marge de 0 %, de sorte que le prix catalogue du fournisseur est ce que vous payez et qu'une baisse de prix du fournisseur s'applique le jour même. Pour une exécution de génération de données qui ne doit pas mourir en cours de route, le basculement automatique entre fournisseurs importe plus que le choix du modèle. Mais nous n'hébergeons aucun des deux modèles dont parle cet article, et nous n'allons pas prétendre le contraire.

Verdict

Ce n'est pas tant un concours entre deux modèles bon marché qu'une bifurcation entre deux façons de dépenser votre argent. Si vous avez besoin de réponses — des réponses compétentes, vérifiables, exploitables — Ling 3.0 Tiny est disponible dès aujourd'hui, gratuit pendant la semaine à venir, indépendamment noté au-dessus de sa catégorie, et proposé à prix doux après la promo. Si vous voulez posséder le modèle — hors ligne, privé, coût marginal nul, affiné pour en faire quelque chose qui vous appartient — LFM2.5-2.6B-Base est l'un des rares checkpoints 2.6B véritablement non mesurés, avec 34T tokens de pré-entraînement derrière lui, et vous serez parmi les tout premiers au monde à découvrir à quel point il est bon. Les deux sont gratuits. Ils sont gratuits dans des devises différentes : Ling 3.0 Tiny se paie au compteur, et LFM2.5-2.6B-Base vous coûte une session d'entraînement.