Ling 3.0 Tiny vs LFM2.5-2.6B-Base: Due Tipi di Gratis, e Solo Uno Ti Risponde Oggi

Entrambi questi modelli sono gratuiti. Ed è quasi l'unica cosa che hanno in comune. Ling 3.0 Tiny, il modello di ragionamento mixture-of-experts da 7,9 miliardi di parametri di Ant Group InclusionAI, è gratuito perché qualcuno gestisce un server e ci espone un'API — incolli una chiave in un client e risponde subito al tuo paragrafo, niente run di addestramento, niente GPU. LFM2.5-2.6B-Base, il checkpoint di pre-addestramento da 2,69 miliardi di parametri di Liquid AI, è gratuito perché qualcuno ha pubblicato un file di pesi — 151 download all'ultimo conteggio, nessun provider di inferenza che lo ospiti da nessuna parte, e una model card che raccomanda il modello base "solo per compiti che richiedono un fine-tuning pesante." Uno è un prodotto con un contatore sopra. L'altro è materia prima. Questo confronto riguarda quale tipo di gratuità ti serve davvero, perché i due modelli non funzioneranno per la stessa persona, non importa per quanti mesi entrambi dicano "$0."

I nomi rendono facile non notare la divergenza. Entrambi rientrano nella categoria dei "tiny / small model" che nel 2026 è diventata lo scaffale più affollato dell'AI. Entrambi sono solo testo, entrambi hanno contesti abbastanza ampi per un lavoro vero, ed entrambi possono eseguire un modello davvero utile con un budget modesto. Ma sono costruiti secondo filosofie diverse, appartengono a soggetti diversi e vengono affittati o posseduti attraverso canali completamente differenti. Prima di sceglierne uno, la domanda più utile da porsi è: hai bisogno di risposte o hai bisogno dei pesi?

Ling 3.0 Tiny, l'API gratuita

Ling 3.0 Tiny è stato rilasciato il 6 agosto 2026, con un classico pattern di lancio silenzioso: una scheda API commerciale di InclusionAI, la divisione modelli di Ant Group, piuttosto che un keynote. L'architettura è un modello mixture-of-experts con 7,9 miliardi di parametri totali e circa 1,3 miliardi attivi per token — abbastanza piccolo per essere servito a basso costo, abbastanza grande per offrire una reale capacità di ragionamento. Supporta una finestra di contesto di 256K token (le schede commerciali mostrano 262K), fino a 32K token di output, e viene fornito con due modalità che puoi attivare per ogni richiesta: una modalità "Thinking" attiva di default che consuma token aggiuntivi per ragionare, e una modalità "Instant" che risponde direttamente. La chiamata di funzione nativa e il prompt caching sono entrambi pubblicizzati, il che è importante per il lavoro degli agenti.

È sul prezzo che il termine "gratis" va spiegato meglio. Oggi il modello è davvero gratuito da chiamare: risulta elencato come inclusionai/ling-3.0-tiny:free con una tariffa di $0 sia per l'input sia per l'output, e un secondo gateway lo offre come promozione gratuita con il nome inclusionai/ling-3.0-tiny-free fino alle 8:00 PT del 14 agosto 2026. Dopo quella promozione, si applica il listino di Vercel: $0,06 per milione di token di input, $0,18 per milione di token di output e $0,01 per milione di token di input in cache. È un prezzo reale — all'incirca un terzo del livello GPT-5.6 Luna dopo il taglio, per dare un'idea della scala — ma non è il "gratis" su cui puoi contare dopo metà agosto. Chi costruisce sul presupposto che Ling 3.0 Tiny sia permanentemente a $0 sta costruendo su una promozione che finisce.

LFM2.5-2.6B-Base, i pesi liberi

LFM2.5-2.6B-Base è completamente l'altro tipo di free. È il checkpoint di base pre-addestrato dietro la famiglia LFM2.5-2.6B di Liquid AI, pubblicato su Hugging Face il 4 agosto 2026 — la stessa settimana in cui OpenAI ha tagliato dell'80% il prezzo di GPT-5.6 Luna, il che la dice lunga sul perché l'intero mercato sia affollato. La base è un modello da 2,69 miliardi di parametri in bfloat16 con architettura ibrida: 22 blocchi di convoluzione corta a doppio gate più 8 layer di attenzione a query raggruppate, un vocabolario di 128.000 token che copre 16 lingue e circa 34 trilioni di token di pre-addestramento — una durata di addestramento insolitamente lunga per un modello di queste dimensioni.

È anche, per ogni misura disponibile, non misurato. Il lancio di Liquid ha dato alla variante sorella post-addestrata LFM2.5-2.6B la tabella dei benchmark e i 47.000 download della prima settimana, mentre il checkpoint base ha ricevuto una parentesi e 151 download. Il checkpoint base ha zero valutazioni pubblicate — niente MMLU, niente GPQA, nessuna perplexity su nessuna delle piattaforme di Liquid. Supporta solo testo. La sua finestra di contesto è di 128K secondo il config.json del repository (la scheda dichiara 131.072, ma è il config a cui uno script di addestramento si attiene davvero). E nessun provider di inferenza lo ospita, quindi l'unico modo per vedere cosa possono fare questi pesi è fare fine-tuning e servirli da soli — che è esattamente ciò che la scheda del modello ti dice di fare. È rilasciato sotto la LFM Open License v1.0, che limita l'uso commerciale a 10 milioni di dollari di fatturato annuo ed estende questo tetto anche alle opere derivate come il tuo fine-tuning.

Il tabellone onesto

Questo confronto presenta la situazione di prove più sbilanciata che vedrai tra due modelli del 2026. Ling 3.0 Tiny ottiene un punteggio indipendente: Artificial Analysis gli assegna un 23 sull'Intelligence Index, classificandosi al 6° posto su 56 modelli nella sua classe di dimensioni, contro una mediana di classe di 8 — ben al di sopra della media per un modello così piccolo. Quell'indice è un composto di nove valutazioni, tra cui Terminal-Bench 2.1, GPQA Diamond e Humanity's Last Exam, condotte da una terza parte e non selezionate dal fornitore.

LFM2.5-2.6B-Base non ha alcun punteggio. I numeri agentici che la gente cita per la famiglia — ToolSandbox 77.83, IFBench 59.17, Multi-IF 80.07, AIME25 51.87 — appartengono alla LFM2.5-2.6B post-addestrata, sono dichiarati dal fornitore e sono il prodotto di una pipeline di post-addestramento in quattro fasi che non è presente nel checkpoint base. Prendi i pesi base ed erediti il pre-addestramento — le lingue, la conoscenza del mondo, la capacità di contesto lungo — e nessuna delle classifiche di instruction-following. L'unico numero che la base porta con sé è 34T token di addestramento, che è un budget, non un risultato. Nessuno ha ancora riferito cosa abbia comprato.

Le sei dimensioni che li separano, una riga ciascuna:

Prezzo — Ling 3.0 Tiny $0,06 / $0,18 per 1M dopo la promo gratuita (gratis fino al 14 agosto) vs LFM2.5-2.6B-Base $0 per il download, più la tua fattura per l'addestramento, per sempre.

• Contesto — 256K token su Ling 3.0 Tiny contro 128K su LFM2.5-2.6B-Base (config.json), un divario di 2x.

• Parametri — ~1,3B attivi su 7,9B totali MoE vs 2,69B densi; entrambi solo testo.

• Punteggio indipendente — Ling 3.0 Tiny AA Intelligence Index 23 (#6/56) vs LFM2.5-2.6B-Base: zero valutazioni pubblicate.

• Modalità — Ling 3.0 Tiny Thinking/Instant switch, function calling, prompt caching vs LFM2.5-2.6B-Base: non fa nulla finché non lo sottoponi a post-training.

• Servito — Ling 3.0 Tiny è oggi live sui propri endpoint commerciali, mentre LFM2.5-2.6B-Base non è ospitato da alcun provider di inferenza in nessun luogo.

L'asimmetria è il punto: puoi testare A/B Ling 3.0 Tiny con i tuoi prompt questo pomeriggio per pochi spiccioli, e i numeri che ottieni sono verificabili. Il checkpoint di base è una scommessa sulla tua capacità di fine-tuning, senza alcuna validazione esterna disponibile per ora.

Il costo del "gratis": una risposta misurata vs un contatore che si ferma

Il contatore di Ling 3.0 Tiny non si ferma mai una volta terminata la promo. Ogni token in entrata e in uscita viene fatturato alla tariffa indicata, per sempre, a qualsiasi concorrenza tu esegua. C'è anche un costo nascosto: Artificial Analysis ha misurato il modello mentre generava 210 milioni di token di output durante la valutazione della sua classe di 56 modelli, contro una mediana di 63 milioni, e lo segnala come "molto verboso". Un modello reasoning che brucia token di output extra per pensare ha un costo effettivo per attività superiore a quanto suggerisce la tariffa, e la verbosità erode parzialmente il vantaggio di prezzo. La tariffa gratuita di oggi unita alla misurazione verbosa di domani è un vero compromesso economico, non un errore di arrotondamento.

Il "free" del checkpoint base è una contabilità diversa: non costa nulla da scaricare, ma poi ti costa dati, una sessione di addestramento e hardware. Un set di fine-tuning supervisionato con 100K esempi costa circa dieci dollari in token da generare; un set da 1M di esempi si avvicina a cento. Il fine-tuning in sé — un 2.6B è un'esecuzione breve su una singola GPU — richiede ore di tempo macchina più le tue ore di ingegneria. Per servirlo ti serve un dispositivo; Liquid riporta per la famiglia circa 220 token/secondo in decodifica su un Apple M5 Max e 113 su un Ryzen AI Max+ 395, valori misurati dal vendor sulla variante post-addestrata, mentre il modello base non ha numeri di velocità propri. In pratica significa un laptop che già possiedi oppure una nuova macchina a partire da circa $1.500.

La differenza decisiva è la stessa che questo blog usava per inquadrare LFM2.5-2.6B-Base rispetto a un GPT-5.6 Luna riprezzato: un contatore non si ferma mai, l'altro si ferma il giorno in cui finisce l'addestramento. Ling 3.0 Tiny addebita per token a qualsiasi livello di concorrenza, per sempre. Il token marginale della base è gratuito dopo la corsa di addestramento, a qualunque concorrenza, per tutti gli agenti concorrenti che riesci a sostenere. Questo è l'unico regime in cui una 2.6B batte davvero un'API a consumo sul costo: carichi di lavoro ad alto volume, alta concorrenza, sempre attivi.

Chi dovrebbe scegliere cosa

Scegli Ling 3.0 Tiny se…

Ti serve un modello funzionante questa settimana: un modello di ragionamento testuale capace, che puoi chiamare tramite un endpoint compatibile con OpenAI, con un contesto da 256K, chiamate a strumenti e un punteggio indipendente che puoi consultare. Il periodo gratuito ti offre una finestra reale per valutarlo sul tuo carico di lavoro prima di pagare qualsiasi cosa, e anche dopo la promo la tariffa di $0,06 / $0,18 è aggressiva per un modello con un punteggio di intelligenza misurato al di sopra della sua categoria. Stai noleggiando intelligenza a contatore, e ti sta bene così.

Scegli LFM2.5-2.6B-Base se…

Stai costruendo un modello piuttosto che noleggiandone uno: un linguaggio o un dominio che i modelli standard non coprono adeguatamente, un settore regolamentato in cui i dati non possono lasciare il dispositivo, ricerca post-addestramento, o uno studente per distillazione. Il tuo carico di lavoro è sufficientemente concorrente da far sì che un costo marginale pari a zero batta una bolletta a consumo, e sei a tuo agio sotto il tetto di fatturato della licenza. Dovresti anche essere onesto con te stesso sui rischi: nessuna valutazione pubblicata, nessun percorso di servizio, e un fine-tuning che dovrai debuggare senza un benchmark a cui mirare.

L'onesto ibrido — e dove si inserisce un router

Il modo più utile di interpretare questa coppia è come due metà di un unico sistema, piuttosto che come due rivali. Il vero prerequisito del checkpoint di base sono i dati: la ricetta di post-addestramento di Liquid si basa sulla specializzazione dell'insegnante e sulla distillazione on-policy, il che significa che rendere utile la base inizia con un lavoro di generazione dati su molti modelli, prima che diventi un lavoro di addestramento. È esattamente qui che un modello API economico e capace come Ling 3.0 Tiny — oppure, a qualità superiore, uno qualsiasi dei livelli testuali su OrcaRouter — si guadagna il ruolo di insegnante per un piccolo studente locale. Sfrutta la finestra gratuita finché dura, genera il corpus di fine-tuning, poi addestra la base trasformandola in qualcosa che possiedi.

Sul fronte API, una premessa onesta prima di dire qualsiasi cosa sul nostro prodotto: né Ling 3.0 Tiny né LFM2.5-2.6B-Base sono su OrcaRouter. Ling 3.0 Tiny è servito dai suoi endpoint commerciali, e il checkpoint base non è ospitato da nessuno. Ciò che OrcaRouter fa utilmente è trasportare i modelli insegnante e il traffico API che li circonda — Qwen 3.7 Flash a $0.03 / $0.13 per 1M, Gemini 3.5 Flash-Lite a $0.30 / $2.50, e più di 200 altri dietro una sola chiave con ricarico dello 0%, così il prezzo di listino del fornitore è quello che paghi e un taglio di prezzo del vendor viene applicato lo stesso giorno. Per una sessione di generazione dati che non deve interrompersi a metà, il failover automatico tra provider conta più della scelta del modello. Ma noi non ospitiamo nessuno dei due modelli di cui parla questo articolo, e non fingeremo il contrario.

Verdetto

Non è tanto una gara tra due modelli economici quanto un bivio tra due modi di spendere i tuoi soldi. Se hai bisogno di risposte — risposte capaci, verificabili, noleggiabili — Ling 3.0 Tiny è disponibile da oggi, gratuita per la prossima settimana, con un punteggio indipendente superiore alla sua categoria e un prezzo conveniente dopo la promo. Se vuoi possedere il modello — offline, privato, costo marginale zero, messo a punto finché non diventa qualcosa di tuo — LFM2.5-2.6B-Base è uno dei pochi checkpoint 2.6B davvero mai misurati, con 34T token di pre-training alle spalle, e sarai tra le prime persone in assoluto a scoprire quanto è buono. Entrambi sono gratuiti. Sono gratuiti in valute diverse: Ling 3.0 Tiny ti costa un contatore, e LFM2.5-2.6B-Base ti costa una sessione di addestramento.