Ling 3.0 Tiny vs Inkling Small: "Small" Berperan Besar dalam Dua Nama Ini

"Tiny" dan "Small" terdengar seperti ukuran yang sama, dan dua model terbaru yang menyandang nama tersebut tidak mungkin lebih berbeda. Ling 3.0 Tiny adalah MoE proprietary dengan 7,9 miliar parameter dari InclusionAI milik Ant Group — sekitar 1,3 miliar aktif per token, gratis dipanggil hari ini melalui endpoint API miliknya sendiri, khusus teks, mencetak skor 23 pada Artificial Analysis Intelligence Index. Inkling Small adalah sparse MoE berbobot terbuka dengan 276 miliar parameter milik Thinking Machines Lab — 12 miliar aktif, bobot Apache 2.0 di Hugging Face, masukan teks, gambar, dan audio secara asli, mencetak skor 40 pada indeks yang sama. Yang satu lebih kecil dalam segala arti nyata dan disewakan dengan sangat murah; yang lain adalah sepertiga triliun parameter yang dapat Anda unduh dan jalankan di perangkat keras Anda sendiri. Nama-nama itu adalah jebakan: ini bukan perbandingan antara dua model kecil, melainkan perbandingan antara dua cara yang sangat berbeda untuk membeli AI, yang satu-satunya keputusan pemasaran bersama adalah kata sifat kecil.

Keduanya dirilis hanya berselang beberapa hari di musim panas terpadat dalam sejarah pasar model — Inkling Small pada 30 Juli 2026, Ling 3.0 Tiny pada 6 Agustus — dan keduanya menyasar pembeli yang sama: tim yang menginginkan AI mumpuni tanpa anggaran model frontier. Tulisan ini menguraikan apa sebenarnya masing-masing model itu, apa kata angka-angka independen, dan mengapa pertanyaan "mana yang lebih baik" sebenarnya adalah pertanyaan "mana yang ingin Anda miliki".

Ling 3.0 Tiny: API gratis

Ling 3.0 Tiny adalah model penalaran campuran-ahli dengan total parameter 7.9B dan sekitar 1.3B aktif per token — kecil, murah untuk disajikan, dan saat ini dibanderol rendah untuk menarik pengguna. Model ini memiliki jendela konteks 256K token (262K pada daftar komersial dan Artificial Analysis), hingga 32K token output, pemanggilan fungsi bawaan, dan caching prompt, dengan sakelar per permintaan antara mode "Thinking" yang aktif secara bawaan dan mode "Instant" langsung. Model ini berbasis teks masuk dan teks keluar; tidak ada jalur visi atau audio.

Model bisnisnya adalah bagian yang mencolok. Model ini terdaftar sebagai inclusionai/ling-3.0-tiny:free dengan harga $0 per juta token di kedua sisi; gateway kedua menjalankannya secara gratis hingga pukul 8:00 pagi PT pada 14 Agustus 2026, setelah itu tarif terdaftarnya sebesar $0.06 per juta token input dan $0.18 per juta token output berlaku. Untuk model API, angka tersebut luar biasa — berada di bawah hampir semua tingkat teks sebanding di pasar — dan Artificial Analysis telah menjalankannya: Intelligence Index 23, menempati peringkat #6 dari 56 model di kelasnya dengan median 8. Pengujian yang sama menandainya sebagai sangat bertele-tele, menghasilkan 210 juta token output dibandingkan median 63 juta, yang merupakan biaya tersembunyi yang perlu diingat saat Anda menghitung tagihan.

Inkling Small: bobot terbuka

Inkling Small adalah spesies yang berbeda. Ia adalah transformer sparse mixture-of-experts dengan total 276B parameter dan 12B aktif per token — 42 lapisan, setiap token dirutekan ke 6 dari 256 pakar ditambah 2 pakar bersama — disuling secara on-policy dari Inkling unggulan 975B, lalu diberikan pembelajaran penguatan tambahan pada pengodean agen. (Spesifikasi teknis Artificial Analysis menyebutkan total 266B; angka aktif 12B sesuai, dan perbedaan itu tidak mengubah perbandingannya.) Bobotnya tersedia di Hugging Face di bawah Apache 2.0 tanpa pembatasan komersial. Model ini multimodal pada input — teks, gambar, dan audio masuk ke aliran token yang sama, dengan keluaran khusus teks — dan dilengkapi dial tingkat upaya berpikir lima tingkat (minimal hingga xhigh) sehingga bobot yang sama dapat dijalankan dengan murah atau dengan keras.

Karena bobotnya terbuka, cerita aksesnya sangat berbeda. Thinking Machines menyajikannya di API Tinker-nya seharga $0,30 / $1,20 per juta token dengan input cache $0,06, dan tersedia di dua endpoint pihak ketiga dengan kisaran $0,45–$0,50 masuk / $1,20 keluar per 1 juta, dengan konteks dibatasi 524.288 token di endpoint tersebut, bukan 1 juta seperti yang diiklankan. Atau Anda mengunduh sendiri bobotnya — yang berarti 276GB pada 8-bit, butuh node multi-GPU, bukan workstation biasa, dan persoalan kuantisasi (endpoint yang di-hosting menyajikan fp8; tolok ukur vendor tidak diukur pada fp8).

Papan skor independen

Letakkan keduanya pada skala Artificial Analysis yang sama dan kesenjangan kapabilitasnya menjadi tidak ambigu. Inkling Small mencetak 40 pada Intelligence Index, menempati peringkat #15 dari 101 di kelasnya; Ling 3.0 Tiny mencetak 23, menempati peringkat #6 dari 56 di kelasnya yang (lebih kecil). Selisih 17 poin kira-kira jarak antara 'model hemat yang benar-benar berguna' dan 'dengan nyaman di atas rata-rata untuk model mungil.' Parameter aktif Inkling Small yang berjumlah 12B — hampir sepuluh kali lipat dari 1.3B milik Ling 3.0 Tiny — terlihat dalam pekerjaan agen, pengambilan konteks panjang, dan pengodean, dimensi-dimensi yang menyusun indeks tersebut. Ling 3.0 Tiny luar biasa untuk ukurannya; Inkling Small jelas lebih mampu, karena ia adalah model yang secara fundamental lebih besar dengan nama yang kecil.

Kedua model cukup verbos, yang perlu disebutkan karena memengaruhi biaya keduanya. Artificial Analysis mengukur Ling 3.0 Tiny menghabiskan 210M token output selama proses indeksnya (median 63M) dan Inkling Small menghabiskan 130M (median 100M). Inkling Small berpikir sekitar 30% lebih banyak daripada model pada umumnya; Ling 3.0 Tiny berpikir lebih dari tiga kali lipat dari biasanya. Keduanya bukan model yang bisa Anda gunakan lalu lupa untuk mengawasinya.

Dimensi, masing-masing satu baris:

• Skor independen — Ling 3.0 Tiny AA Index 23 (#6/56, median kelas 8) vs Inkling Small AA Index 40 (#15/101).

• Harga — Ling 3.0 Tiny gratis lalu $0.06 / $0.18 per 1M vs Inkling Small $0.30–$0.50 input / $1.20 output per 1M pada endpoint yang dihosting, atau $0 plus perangkat keras Anda sendiri.

• Ukuran — 7,9B total / ~1,3B MoE aktif, proprietary vs 276B total / 12B MoE sparse aktif, bobot terbuka Apache 2.0.

• Modalitas — Ling 3.0 Tiny hanya teks vs Inkling Small input teks, gambar, dan audio, output teks.

• Konteks — 256K pada Ling 3.0 Tiny vs hingga 1M yang diiklankan / 524K dilayani pada endpoint yang di-host saat ini milik Inkling Small.

• Kepemilikan — API tertutup yang Anda sewa vs bobot terbuka yang dapat Anda miliki, fine-tune di Tinker, atau jalankan sendiri pada node multi-GPU.

Berapa sebenarnya biaya yang harus Anda keluarkan untuk masing-masing.

Perbedaan harga bukanlah angka yang menarik; yang menarik adalah perbedaan kepemilikan. Ling 3.0 Tiny adalah layanan terukur: gratis selama satu minggu, lalu $0,06 / $0,18 per juta token selamanya, pada konkurensi berapa pun yang Anda jalankan, dengan pajak verbositas yang melipatgandakan biaya keluaran efektif. Inkling Small memiliki dua label harga: sewaan — sekitar $0,50 / $1,20 per juta di endpoint pihak ketiga, atau $0,30 / $1,20 first-party — dan milik sendiri, yang merupakan pembelian perangkat keras serius dan waktu rekayasa untuk melayani 276B parameter. Berdasarkan pengukuran ekonomi Artificial Analysis, Inkling Small memiliki harga gabungan sekitar $0,22 per 1M token dan sekitar $0,07 per tugas indeks kecerdasan, yang membuatnya benar-benar murah untuk dijalankan sebagai API untuk apa yang diberikannya. Tetapi opsi open-weights tidak memiliki meter sama sekali setelah biaya pelatihan dan hosting, yang merupakan logika yang sama seperti yang menarik orang ke checkpoint 2,6B dan jauh lebih sulit untuk dibenarkan pada 276B.

Ada juga batasan kemampuan yang melekat pada model terbuka yang terlewat oleh lembar spesifikasi. Kartu model Inkling Small merekomendasikan input audio di bawah dua menit, dibandingkan di bawah dua puluh menit untuk model unggulan — pengurangan sepuluh kali lipat jika Anda bernalar tentang rapat. Tidak ada endpoint yang dihosting saat ini yang mengiklankan response_format (JSON dengan skema yang diberlakukan), yang penting jika pipeline Anda bergantung pada keluaran terstruktur. Dan ketahanan adversarial menurut angka lab itu sendiri (71,6% pada FORTRESS adversarial) adalah alasan untuk berpikir dua kali sebelum menempatkannya di belakang kotak teks publik. Ling 3.0 Tiny, sebagai API tanpa bobot, tidak memiliki pertanyaan-pertanyaan self-hosting ini — Anda menerima apa yang disajikan endpoint.

Mana "kecil" yang tepat untuk masalah Anda

Pilih Ling 3.0 Tiny ketika Anda menginginkan penalaran teks murah yang mampu dan dapat disewa, Anda tidak perlu melihat gambar atau mendengar audio, Anda menghargai model yang diberi skor secara independen yang dapat dicoba gratis minggu ini, dan Anda tidak keberatan dengan tagihan terukur dan model yang bertele-tele. Pilih Inkling Small ketika Anda membutuhkan kemampuannya — masukan multimodal sungguhan, 12B parameter aktif kekuatan agen, skor indeks lebih tinggi 17 poin — atau ketika Anda secara khusus menginginkan bobot terbuka yang dapat Anda miliki, sesuaikan, atau pindahkan sepenuhnya dari vendor. Pilih karena modalitas dan skor indeksnya, bukan karena namanya.

Catatan jujur tentang menyewanya

Kedua model ini tidak ada di OrcaRouter, dan kami tidak akan menyiratkan hal sebaliknya. Ling 3.0 Tiny dilayani oleh endpoint gratis miliknya sendiri; Inkling Small berada di Tinker API milik Thinking Machines, endpoint pihak ketiga, atau node GPU Anda sendiri. Kegunaan OrcaRouter dalam perbandingan khusus ini adalah segala hal di sekitar keduanya: model-model frontier dan tingkat menengah yang akan Anda jadikan pembanding, serta model-model tujuan saat tier murah kehabisan ruang gerak. Ketika jendela gratis Ling 3.0 Tiny ditutup atau endpoint gratis terkena rate-limit, jalur keluar yang tersedia adalah tier anggaran terhosting — Qwen 3.7 Flash seharga $0.03 / $0.13, Gemini 3.5 Flash-Lite seharga $0.30 / $2.50, dan 200+ lainnya di balik satu kunci API yang kompatibel dengan OpenAI dengan markup 0%, sehingga harga daftar penyedia itulah yang dibayar, lengkap dengan failover otomatis agar sesi benchmarking atau jalur produksi tidak mati hanya karena satu penyedia sedang mengalami masa buruk. Inkling Small, dengan bobot terbuka, adalah satu sisi perbandingan ini yang tidak akan pernah dihosting oleh router untuk Anda — dan satu sisi di mana justru itulah intinya.

Vonis

Kedua nama tersebut menggambarkan niat pemasaran, bukan ukuran. Ling 3.0 Tiny benar-benar mungil dan benar-benar murah — uji coba gratis terbaik di tingkat anggaran bulan ini, dengan skor independen yang jujur meskipun sederhana dan meteran yang mulai pada 14 Agustus. Inkling Small adalah model 276B dengan nama kecil — sepuluh kali parameter aktif, tujuh belas poin indeks lebih tinggi, multimodal asli, dan bobot terbuka yang benar-benar bisa Anda miliki. Jika Anda ingin menyewa penalaran teks termurah yang mumpuni, ambil Ling 3.0 Tiny dan nikmati minggu gratisnya. Jika Anda ingin model yang bisa Anda miliki, fine-tune, dan jalankan sendiri — atau yang bisa mendengar dan melihat — "Small" bukan kata yang tepat untuk kebutuhan Anda.