Ling 3.0 Tiny vs LFM2.5-2.6B-Base: Dua Jenis Gratis, dan Hanya Satu yang Menjawabmu Hari Ini

Kedua model ini gratis. Hampir hanya itu satu-satunya kesamaan mereka. Ling 3.0 Tiny, model penalaran mixture-of-experts dengan 7,9 miliar parameter milik Ant Group InclusionAI, gratis karena seseorang menjalankan server dan mengarahkan API ke sana — Anda menempelkan kunci ke klien dan ia menjawab paragraf Anda saat itu juga, tanpa sesi pelatihan, tanpa GPU. LFM2.5-2.6B-Base, checkpoint pra-pelatihan dengan 2,69 miliar parameter milik Liquid AI, gratis karena seseorang menerbitkan file bobot — 151 unduhan pada hitungan terakhir, tidak ada penyedia inferensi yang menghostingnya di mana pun, dan kartu model yang merekomendasikan model dasar "hanya untuk tugas yang memerlukan fine-tuning berat." Yang satu adalah produk dengan meteran. Yang lainnya adalah bahan mentah. Perbandingan ini tentang jenis gratis mana yang sebenarnya Anda butuhkan, karena kedua model tidak akan berfungsi untuk orang yang sama, tidak peduli berapa bulan keduanya mencantumkan harga "$0."

Nama-nama tersebut membuat perbedaan ini mudah terlewatkan. Keduanya berada dalam kategori "tiny / small model" yang menjadi rak paling ramai di dunia AI pada tahun 2026. Keduanya hanya mendukung teks, keduanya membawa konteks yang cukup besar untuk pekerjaan nyata, dan keduanya dapat menjalankan model yang benar-benar berguna dengan anggaran yang sederhana. Namun keduanya dibangun dari filosofi yang berbeda, dimiliki oleh pihak yang berbeda, serta disewa atau dimiliki melalui saluran yang sama sekali berbeda. Sebelum Anda memilih salah satunya, pertanyaan paling berguna yang perlu diajukan adalah: apakah Anda membutuhkan jawaban, atau apakah Anda membutuhkan bobot (weights)?

Ling 3.0 Tiny, API gratis

Ling 3.0 Tiny dirilis pada 6 Agustus 2026, dengan pola peluncuran senyap yang klasik: daftar API komersial dari InclusionAI, divisi model Ant Group, bukan pidato utama. Arsitekturnya adalah model mixture-of-experts dengan total 7,9 miliar parameter dan sekitar 1,3 miliar parameter aktif per token — cukup kecil untuk disajikan dengan biaya murah, cukup besar untuk memiliki kemampuan penalaran yang nyata. Model ini mendukung jendela konteks 256K token (daftar komersial menunjukkan 262K), hingga 32K token output, dan hadir dengan dua mode yang dapat Anda ubah per permintaan: mode "Thinking" yang aktif secara default dan menghabiskan token ekstra untuk bernalar, serta mode "Instant" yang menjawab secara langsung. Kemampuan native function calling dan prompt caching keduanya diiklankan, yang penting untuk pekerjaan agen.

Penetapan harga adalah bagian di mana "gratis" perlu diuraikan. Saat ini model tersebut benar-benar gratis untuk dipanggil: model tersebut tercantum sebagai inclusionai/ling-3.0-tiny:free dengan tarif $0 untuk input dan output, dan gateway kedua menjalankannya sebagai promosi gratis di bawah inclusionai/ling-3.0-tiny-free hingga pukul 8:00 pagi PT pada 14 Agustus 2026. Setelah promosi itu, kartu tarif yang tercantum dari Vercel berlaku: $0,06 per juta token input, $0,18 per juta token output, dan $0,01 per juta token input-cache. Itu adalah harga yang nyata — kira-kira sepertiga dari tingkatan GPT-5.6 Luna setelah pemotongan, sebagai gambaran — tetapi itu bukan "gratis" yang bisa Anda andalkan setelah pertengahan Agustus. Siapa pun yang membangun dengan asumsi bahwa Ling 3.0 Tiny gratis permanen $0 sedang membangun di atas promosi yang akan berakhir.

LFM2.5-2.6B-Base, bobot bebas

LFM2.5-2.6B-Base adalah jenis lain yang sepenuhnya gratis. Ia adalah checkpoint dasar pra-terlatih di balik keluarga LFM2.5-2.6B milik Liquid AI, diterbitkan di Hugging Face pada 4 Agustus 2026 — pada minggu yang sama O​penAI memotong harga GPT-5.6 Luna sebesar 80%, yang memberi tahu Anda sesuatu tentang mengapa seluruh pasar begitu ramai. Model dasar ini adalah model dengan 2,69 miliar parameter dalam bfloat16 dengan arsitektur hibrida: 22 blok konvolusi pendek gerbang ganda plus 8 lapisan perhatian grouped-query, kosakata 128.000 token yang mencakup 16 bahasa, dan sekitar 34 triliun token pra-pelatihan — jangka waktu pelatihan yang luar biasa panjang untuk model seukuran ini.

Namun, berdasarkan semua ukuran yang tersedia, model ini juga belum terukur. Peluncuran Liquid sendiri memberikan tabel tolok ukur dan 47.000 unduhan minggu pertama kepada saudara pasca-terlatih LFM2.5-2.6B, sementara checkpoint dasar hanya disebut dalam satu tanda kurung dan mendapat 151 unduhan. Model dasar ini memiliki nol evaluasi yang dipublikasikan — tidak ada MMLU, tidak ada GPQA, tidak ada perplexity di semua platform Liquid. Model ini hanya teks. Konteksnya adalah 128K sesuai config.json di repositori (kartu model mengiklankan 131.072, dan config itulah yang sebenarnya digunakan skrip pelatihan untuk mengemas). Dan tidak ada penyedia inferensi yang menghostingnya, jadi satu-satunya cara untuk melihat apa yang bisa dilakukan bobot-bobot ini adalah dengan fine-tune dan menyajikannya sendiri — persis seperti yang disarankan kartu model. Model ini dirilis di bawah LFM Open License v1.0, yang membatasi penggunaan komersial pada pendapatan tahunan $10 juta dan membawa batasan itu ke karya turunan seperti fine-tune Anda.

Papan skor yang jujur

Pertandingan ini memiliki situasi bukti yang paling timpang yang akan Anda lihat antara dua model 2026. Ling 3.0 Tiny memiliki skor independen: Artificial Analysis memberikannya 23 pada Intelligence Index, menempati peringkat #6 dari 56 model di kelas ukurannya, dibandingkan median kelas 8 — jauh di atas rata-rata untuk model sekecil ini. Indeks tersebut merupakan gabungan dari sembilan evaluasi, termasuk Terminal-Bench 2.1, GPQA Diamond, dan Humanity's Last Exam, yang dijalankan oleh pihak ketiga, bukan dipilih oleh vendor.

LFM2.5-2.6B-Base tidak memiliki skor sama sekali. Angka-angka agenik yang sering dikutip orang untuk keluarga model ini — ToolSandbox 77.83, IFBench 59.17, Multi-IF 80.07, AIME25 51.87 — adalah milik LFM2.5-2.6B yang telah melalui pasca-pelatihan, angka tersebut dilaporkan oleh vendor, dan merupakan keluaran dari pipeline pasca-pelatihan empat tahap yang tidak ada dalam checkpoint base. Ambil bobot base dan Anda mewarisi pra-pelatihan — bahasa, pengetahuan dunia, kemampuan konteks panjang — dan tidak ada satupun papan skor pengikutan instruksi. Satu-satunya angka yang dibawa base adalah 34T token pelatihan, yang merupakan anggaran, bukan hasil. Belum ada yang melaporkan apa yang didapat dari anggaran tersebut.

Enam dimensi yang memisahkan mereka, masing-masing satu baris:

• Harga — Ling 3.0 Tiny $0.06 / $0.18 per 1M setelah promo gratis (gratis hingga 14 Agu) vs LFM2.5-2.6B-Base $0 untuk diunduh, ditambah biaya pelatihan Anda, selamanya.

• Konteks — 256K token pada Ling 3.0 Tiny vs 128K pada LFM2.5-2.6B-Base (config.json), selisih 2x lipat.

• Parameter — ~1,3B aktif dari total 7,9B MoE vs 2,69B dense; keduanya hanya teks.

• Skor independen — Ling 3.0 Tiny AA Intelligence Index 23 (#6/56) vs LFM2.5-2.6B-Base dengan nol evaluasi yang dipublikasikan.

• Mode — Ling 3.0 Tiny Thinking/Instant switch, pemanggilan fungsi, cache prompt vs LFM2.5-2.6B-Base tidak ada apa-apa sampai Anda melakukan pasca-pelatihan.

• Disajikan — Ling 3.0 Tiny beroperasi langsung di endpoint komersialnya sendiri hari ini dibandingkan LFM2.5-2.6B-Base yang tidak di-hosting oleh penyedia inferensi mana pun.

Justru asimetri inilah intinya: kamu dapat menguji A/B Ling 3.0 Tiny terhadap prompt kamu sendiri sore ini dengan biaya yang sangat murah, dan angka-angka yang kamu terima dapat diverifikasi. Checkpoint dasar adalah taruhan pada kemampuan fine-tuning kamu sendiri, tanpa validasi eksternal yang tersedia.

Biaya "gratis": jawaban terukur vs meteran yang berhenti

Meter Ling 3.0 Tiny tidak pernah berhenti begitu promo berakhir. Setiap token masuk dan keluar ditagih sesuai tarif yang tertera, selamanya, pada tingkat konkurensi apa pun yang Anda jalankan. Ada juga biaya tersembunyi: Artificial Analysis mengukur model yang menghasilkan 210M token keluaran saat menilai kelas 56 modelnya — dibandingkan median 63M — dan menandainya sebagai "sangat bertele-tele." Model penalaran yang menghabiskan token keluaran ekstra untuk berpikir memiliki biaya efektif per tugas yang lebih tinggi daripada yang disarankan daftar tarif, dan sifat bertele-tele itu sebagian mengikis keunggulan harga. Penetapan harga gratis hari ini ditambah pengukuran bertele-tele besok adalah pertukaran ekonomi yang nyata, bukan kesalahan pembulatan.

"Gratis" pada checkpoint dasar adalah perhitungan yang berbeda: tidak ada biaya untuk mengunduhnya, tetapi kemudian Anda mengeluarkan biaya data, proses pelatihan, dan perangkat keras. Satu set fine-tuning terawasi dengan 100 ribu contoh membutuhkan token senilai sekitar sepuluh dolar untuk dibuat; set dengan 1 juta contoh mendekati seratus dolar. Fine-tuning itu sendiri — model 2,6B hanyalah proses singkat pada satu GPU — memakan waktu mesin berjam-jam ditambah jam rekayasa Anda. Untuk melayani model tersebut Anda memerlukan perangkat; Liquid melaporkan keluarga ini memiliki kecepatan decode sekitar 220 token/detik pada Apple M5 Max dan 113 pada Ryzen AI Max+ 395, diukur oleh vendor pada varian pasca-pelatihan, dan checkpoint dasar tidak memiliki angka kecepatan sendiri. Dalam praktiknya, itu berarti laptop yang sudah Anda miliki atau mesin baru mulai sekitar $1.500.

Perbedaan yang menentukan adalah hal yang sama yang digunakan blog ini untuk memposisikan LFM2.5-2.6B-Base melawan GPT-5.6 Luna yang telah dihargai ulang: satu meteran tidak pernah berhenti, yang lain berhenti pada hari pelatihan berakhir. Ling 3.0 Tiny mengenakan biaya per token pada konkurensi berapa pun, selamanya. Token marjinal model dasar gratis setelah proses pelatihan, pada konkurensi apa pun, untuk agen-agen konkuren sebanyak yang dapat Anda masukkan. Itulah satu-satunya rezim di mana 2.6B benar-benar mengungguli API terukur dalam hal biaya: beban kerja bervolume tinggi, berkonkurensi tinggi, dan selalu aktif.

Siapa yang harus memilih yang mana?

Pilih Ling 3.0 Tiny jika…

Anda memerlukan model yang berfungsi minggu ini: model penalaran teks yang mumpuni yang dapat Anda panggil melalui endpoint yang kompatibel dengan OpenAI, dengan konteks 256K, pemanggilan alat, dan skor independen yang dapat Anda periksa. Periode gratis memberi Anda peluang nyata untuk mengevaluasinya terhadap beban kerja Anda sendiri sebelum membayar apa pun, dan bahkan setelah promo, tarif $0,06 / $0,18 sangat agresif untuk model dengan skor kecerdasan terukur di atas kelasnya. Anda menyewa kecerdasan dengan meteran, dan Anda nyaman dengan itu.

Pilih LFM2.5-2.6B-Base jika…

Anda membangun sebuah model daripada menyewanya: bahasa atau domain yang kurang terlayani oleh model siap pakai, sektor vertikal yang diatur di mana data tidak dapat meninggalkan perangkat, penelitian pasca-pelatihan, atau murid distilasi. Beban kerja Anda memiliki konkurensi yang cukup tinggi sehingga biaya marjinal nol mengalahkan tagihan berbasis pemakaian, dan Anda nyaman berada di bawah batas pendapatan lisensi. Anda juga harus jujur pada diri sendiri tentang risikonya: tidak ada evaluasi yang dipublikasikan, tidak ada jalur penyajian, dan penyesuaian halus yang harus Anda debug tanpa tolak ukur yang menjadi sasaran.

Hibrida yang jujur — dan di mana router cocok

Cara paling berguna untuk memaknai pasangan ini adalah sebagai dua belahan dari satu sistem, bukan dua rival. Prasyarat sesungguhnya dari checkpoint dasar adalah data: resep pasca-pelatihan Liquid sendiri bertumpu pada spesialisasi guru dan distilasi on-policy, yang berarti membuat model dasar berguna dimulai dari pekerjaan pembuatan data multi-model sebelum menjadi pekerjaan pelatihan. Di situlah model API yang murah dan mumpuni seperti Ling 3.0 Tiny — atau, dengan kualitas lebih tinggi, tier teks mana pun di OrcaRouter — layak menjadi guru bagi siswa lokal yang kecil. Manfaatkan masa gratis selagi masih ada, hasilkan korpus fine-tuning, lalu latih model dasar menjadi sesuatu yang Anda miliki.

Di sisi API, satu peringatan jujur sebelum kami mengatakan apa pun tentang produk kami sendiri: baik Ling 3.0 Tiny maupun LFM2.5-2.6B-Base tidak ada di OrcaRouter. Ling 3.0 Tiny dilayani oleh endpoint komersialnya sendiri, dan checkpoint dasarnya tidak di-hosting oleh siapa pun. Yang berguna dilakukan OrcaRouter adalah membawa model guru dan lalu lintas API di sekitarnya — Qwen 3.7 Flash seharga $0.03 / $0.13 per 1M, Gemini 3.5 Flash-Lite seharga $0.30 / $2.50, dan 200+ lainnya di balik satu kunci dengan markup 0%, jadi harga daftar penyedia adalah yang Anda bayar dan pemotongan harga vendor berlaku di hari yang sama. Untuk proses pembuatan data yang tidak boleh mati di tengah jalan, failover otomatis antar penyedia lebih penting daripada pilihan model. Tetapi kami tidak meng-hosting salah satu pun dari dua model yang dibahas artikel ini, dan kami tidak akan berpura-pura sebaliknya.

Vonis

Ini bukanlah pertarungan antara dua model murah, melainkan persimpangan antara dua cara untuk membelanjakan uang Anda. Jika Anda membutuhkan jawaban — jawaban yang mumpuni, dapat diverifikasi, dapat disewa — Ling 3.0 Tiny telah tersedia hari ini, gratis selama seminggu ke depan, dinilai secara independen di atas kelasnya, dan dibanderol murah setelah masa promosi. Jika Anda ingin memiliki modelnya — luring, pribadi, tanpa biaya marjinal, di-*fine-tune* menjadi sesuatu milik Anda sendiri — LFM2.5-2.6B-Base adalah salah satu dari sedikit *checkpoint* 2.6B yang benar-benar belum terukur dengan 34T token *pre-training* di belakangnya, dan Anda akan menjadi salah satu orang pertama di mana pun yang mengetahui seberapa bagusnya. Keduanya gratis. Keduanya gratis dalam mata uang yang berbeda: Ling 3.0 Tiny menguras meteran Anda, dan LFM2.5-2.6B-Base menguras satu sesi pelatihan.