Ling 3.0 Tiny vs Inkling Small：「Small」はこの二つの名前で大きな役割を果たしている

「Tiny」と「Small」は同じ大きさに聞こえるが、その名を冠する最新の2つのモデルは、これ以上ないほどかけ離れている。Ling 3.0 Tinyは、Ant GroupのInclusionAIによる79億パラメータの独自MoEで、トークンあたり約13億のパラメータがアクティブになる。現在は独自のAPIエンドポイントを通じて無料で呼び出せ、テキストのみに対応し、Artificial Analysis Intelligence Indexでは23点を記録している。Inkling Smallは、Thinking Machines Labの2760億パラメータのオープンウェイトなスパースMoEである。アクティブパラメータは120億で、Hugging FaceにApache 2.0のウェイトが公開されており、テキスト・画像・音声入力をネイティブにサポートし、同じ指標で40点を記録している。一方はあらゆる現実的な意味でより小さく、ほんのわずかな料金でレンタルできる。もう一方は、ダウンロードして自前のハードウェアで実行できる、1兆の約3分の1に相当するパラメータを持つ。この名前こそが罠だ。これは2つの小さなモデルの比較ではなく、AIを購入するまったく異なる2つの方法の比較であり、両者に共通するマーケティング上の判断は、「小さい」を意味する形容詞だけなのである。

この2つのモデルは、モデル市場史上最も混雑した夏に、わずか数日の間隔で相次いでリリースされた。Inkling Small は2026年7月30日、Ling 3.0 Tiny は8月6日。そして両者は同じ購入者をターゲットにしている。フロンティアモデル級の予算をかけずに高性能なAIを求めるチームである。本稿では、それぞれのモデルが実際には何なのか、独立した数値が何を示すのか、そして「どちらが優れているか」という問いが実は「どちらを所有したいか」という問いである理由を整理する。

Ling 3.0 Tiny: 無料API

Ling 3.0 Tinyは、総パラメータ数79億、トークンあたりのアクティブパラメータ数が約13億の混合専門家（MoE）推論モデルです。小型で運用コストが低く、現在は獲得を目的とした価格設定となっています。256Kトークンのコンテキストウィンドウ（商用リストおよびArtificial Analysisでは262K）、最大32Kトークンの出力、ネイティブな関数呼び出し、プロンプトキャッシングを備え、リクエストごとにデフォルト有効の「Thinking」モードと直接的な「Instant」モードを切り替えられます。テキスト入力・テキスト出力のみで、ビジョンやオーディオの経路はありません。

ビジネスモデルが際立った点です。それは次のように記載されています：inclusionai/ling-3.0-tiny:freeは、入力・出力とも100万トークンあたり$0です。別のゲートウェイでは、2026年8月14日午前8時（PT）まで無料で利用でき、その後は入力100万トークンあたり$0.06、出力100万トークンあたり$0.18という規定レートが適用されます。APIモデルとしては、これは驚異的な数字です。市場の実質的にすべての同等のテキストプランを下回っており、Artificial Analysisもすでにテストを実施しています。その結果、インテリジェンス指数は23で、同クラスの56モデル中6位（中央値は8）となっています。同じテストでは、このモデルは非常に冗長であると判定され、出力トークンは2億1000万（中央値6300万）を生成しました。これは、請求額を試算する際に念頭に置くべき隠れたコストです。

Inkling Small：オープンウェイト

Inkling Small は異なる種である。疎な mixture-of-experts トランスフォーマーで、総パラメータ数は276B、トークンあたりのアクティブパラメータは12Bである。42層で、各トークンは256個のエキスパートのうち6個と、共有エキスパート2個にルーティングされる。975BのフラッグシップモデルであるInklingからオンポリシーで蒸留され、その後エージェント的なコーディングに関して追加の強化学習が施されている。（Artificial Analysisの技術仕様書では総パラメータは266Bと読めるが、12Bアクティブという数値は一致しており、その差は比較を変えるものではない。）重みはApache 2.0ライセンスでHugging Faceに公開されており、商用制限はない。入力はマルチモーダルで、テキスト・画像・音声が同じトークンストリームに載るが、出力はテキストのみである。また、思考努力のダイヤルが5段階（minimalからxhighまで）備わっており、同じ重みで安価に実行することも、高負荷で実行することもできる。

オープンウェイトであるため、アクセスの事情はまったく異なります。Thinking Machinesは、Tinker APIでこれを提供しており、100万トークンあたり$0.30 / $1.20、キャッシュ入力は$0.06です。また、2つのサードパーティのエンドポイントでも提供されており、100万トークンあたり入力がおよそ$0.45〜$0.50、出力が$1.20で、それらのエンドポイントではコンテキストは宣伝されている100万ではなく524,288トークンに制限されています。あるいは、自分でウェイトをダウンロードすることもできます。つまり、8ビットで276GB、ワークステーションではなくマルチGPUノードが必要であり、さらに量子化の問題もあります（ホスト型エンドポイントはfp8を提供していますが、ベンダーのベンチマークはfp8で測定されていません）。

独立したスコアボード

この2つを同じArtificial Analysisのスケールに載せると、能力差は明白です。Inkling SmallはIntelligence Indexで40点を獲得し、同クラス101モデル中15位。一方Ling 3.0 Tinyは23点で、(より小規模な)クラス56モデル中6位です。この17点の差は、「本当に使える格安モデル」と「小型モデルとしては余裕で平均以上」の間隔にほぼ相当します。Inkling Smallの12Bのアクティブパラメータ——Ling 3.0 Tinyの1.3Bの約10倍——は、エージェント的作業、長文コンテキスト検索、コーディングといった、インデックスが合成する各次元で顕著に現れます。Ling 3.0 Tinyはそのサイズにしては傑出していますが、Inkling Smallは単純に能力が高い。なぜなら、それは小さな名前を冠した、根本的により大きなモデルだからです。

両モデルはともに冗長です。これは、両方の請求額に影響するため、述べておく価値があります。Artificial Analysis の測定によると、Ling 3.0 Tiny はインデックスラン全体で210Mの出力トークンを消費し（中央値63M）、Inkling Small は130Mを消費しました（中央値100M）。Inkling Small は通常のモデルより約30%多く思考し、Ling 3.0 Tiny は通常のモデルの3倍以上思考します。どちらのモデルも、デプロイしたら監視を忘れてよいモデルではありません。

寸法は各行に1つずつ：

• 独立スコア — Ling 3.0 Tiny AA Index 23 (#6/56、クラス中央値 8) vs Inkling Small AA Index 40 (#15/101)。

• 価格 — Ling 3.0 Tiny は無料、その後は 1M あたり $0.06 / $0.18。一方、Inkling Small はホスト型エンドポイントでは 1M あたり入力 $0.30–$0.50 / 出力 $1.20、または自前のハードウェアなら $0。

• サイズ — 7.9B合計 / ~1.3BアクティブMoE、プロプライエタリ vs 276B合計 / 12Bアクティブ・スパースMoE、Apache 2.0オープンウェイト。

• モダリティ — Ling 3.0 Tinyはテキストのみ、Inkling Smallはテキスト・画像・音声の入力とテキスト出力に対応。

• コンテキスト — Ling 3.0 Tinyでは256K、一方Inkling Smallの現在のホスト型エンドポイントでは宣伝上最大1M / 実際に提供されるのは524K。

• 所有権 — 借りるクローズドAPI vs 所有できるオープンウェイト、Tinkerでファインチューニング、またはマルチGPUノード上で自分で実行

それぞれが実際にあなたにいくらかかるのか

価格差が興味深い数字なのではない。所有権の違いが興味深いのだ。Ling 3.0 Tiny は従量制サービスである。最初の1週間は無料、その後は毎百万トークンあたり $0.06 / $0.18 を、実行する並列度に関係なく永久に支払うことになり、さらに有効な出力コストを増幅する冗長性税がかかる。Inkling Small には2つの価格帯がある。1つはレンタルで、サードパーティのエンドポイントでは毎百万トークンあたり約 $0.50 / $1.20、ファーストパーティでは $0.30 / $1.20。もう1つは所有で、これは本格的なハードウェア購入と、276B パラメータを提供するためのエンジニアリング時間を要する。Artificial Analysis の実測経済性によると、Inkling Small のブレンド価格は 1Mトークンあたり約 $0.22、インテリジェンス指標タスク1件あたり約 $0.07 であり、提供される内容に対して API として実行するのは確かに安価である。しかし、オープンウェイトの選択肢は、トレーニングとホスティングの費用を支払った後はメーターが一切ない。これは 2.6B チェックポイントに人々が惹かれるのと同じ論理だが、276B では正当化するのがはるかに難しい。

オープンモデルには、スペックシートでは分からない能力上の制約も付随している。Inkling Smallのモデルカードは音声入力を2分未満に推奨している。一方フラッグシップは20分未満だ。会議の内容を解析するなら、これは10分の1の削減に相当する。現在、どちらのホスト型エンドポイントもresponse_format（スキーマ強制JSON）を明示しておらず、パイプラインが構造化出力に依存している場合には重要になる。さらに、ラボ自身の数値（FORTRESS adversarialで71.6%）による敵対的堅牢性は、公開テキストボックスの背後に置く前に再考すべき理由となる。Ling 3.0 Tinyは、重みを公開しないAPIであり、セルフホスティングに関するこうした問題は一切ない。エンドポイントが提供するものをそのまま受け取るだけだ。

あなたの問題には、どの「small」が適していますか？

「Ling 3.0 Tiny」は、レンタルできる有能なテキスト推論として最も安価なものを求める場合、画像を見たり音声を聞いたりする必要がない場合、今週は無料で試せる独立評価スコア付きのモデルを重視する場合、そして従量課金と冗長なモデルで構わない場合に選びましょう。「Inkling Small」は、真のマルチモーダル入力、エージェント性能を備えた12Bアクティブパラメータ、17ポイント高いインデックススコアといった能力が必要な場合、あるいは所有・ファインチューニング・ベンダーからの完全な移行が可能なオープンウェイトを特に望む場合に選びましょう。モダリティとインデックススコアのために選ぶのであって、名前のために選ぶのではありません。

正直なメモ：それらを借りることについて

これらのモデルはどちらもOrcaRouter上にはなく、私たちがそうではないと示唆するつもりもありません。Ling 3.0 Tinyは独自の無料エンドポイントで提供され、Inkling SmallはThinking MachinesのTinker API、サードパーティのエンドポイント、またはご自身のGPUノード上にあります。この特定の比較においてOrcaRouterが役立つのは、その周囲のすべて、つまりベンチマークの対象となるフロンティアモデルやミッドティアモデル、そして低価格ティアに余裕がなくなったときにルーティングする先のモデルです。無料のLing 3.0 Tinyの利用枠が終了するか、無料エンドポイントがレート制限を受けた場合の脱出経路は、ホスト型バジェットティアです。Qwen 3.7 Flashは$0.03/$0.13、Gemini 3.5 Flash-Liteは$0.30/$2.50、そして200以上の他のモデルが、0%マークアップのOpenAI互換キー1つで利用でき、プロバイダーのリスト価格がそのまま価格となります。さらに自動フェイルオーバーにより、ベンチマーク実行や本番パスが1つのプロバイダーの不調な時間帯で停止することはありません。Inkling Smallはオープンウェイトであるため、この比較においてルーターが決してホストしてくれない側面であり——そして、それがまさに要点となる側面です。

評決

2つの名前は{{1}}マーケティング上の意図を表しており、サイズを表しているわけではない{{/1}}。Ling 3.0 Tinyは{{2}}本当に小さく、本当に安い{{/2}}——{{3}}今月の低価格帯で最高の無料トライアル{{/3}}であり、{{4}}控えめながらも正直な独立スコア{{/4}}と{{5}}8月14日から始まるメーター{{/5}}を備えている。Inkling Smallは{{6}}小さな名前を持つ276Bモデル{{/6}}——{{7}}アクティブパラメータは10倍{{/7}}、{{8}}インデックススコアは17ポイント高い{{/8}}、{{9}}ネイティブなマルチモーダル対応{{/9}}、そして{{10}}実際に所有できるオープンウェイト{{/10}}を備えている。{{11}}最も安価で有能なテキスト推論{{/11}}をレンタルしたいなら、Ling 3.0 Tinyを選んで無料の1週間を楽しもう。{{12}}自分で所有し、ファインチューニングし、自分で実行できるモデル{{/12}}——あるいは{{13}}聞くことも見ることもできるモデル{{/13}}——が必要なら、{{14}}「Small」という言葉はあなたが必要とするものを表すのにふさわしくない{{/14}}。