Ling 3.0 Tiny vs LFM2.5-2.6B-Base：二種類のフリー、そして今日あなたに応えるのは片方だけ

これらの2つのモデルはどちらも無料です。それがほぼ唯一の共通点です。Ling 3.0 Tinyは、Ant Group InclusionAIの79億パラメータの混合エキスパート（MoE）推論モデルで、誰かがサーバーを実行してAPIを公開しているため無料です。クライアントにキーを貼り付けると、すぐにあなたの段落に答えが返ってきます。トレーニング実行もGPUも不要です。LFM2.5-2.6B-Baseは、Liquid AIの26.9億パラメータの事前学習チェックポイントであり、誰かがウェイトファイルを公開したため無料です。最後に確認したところ、ダウンロード数は151件で、どこにも推論プロバイダーがホストしておらず、モデルカードには「重いファインチューニングを必要とするタスクにのみ」ベースモデルを推奨すると書かれています。一方はメーター付きの製品で、もう一方は原材料です。この比較は、実際にどの種類の無料が必要かについてのものです。というのも、両モデルが「$0」と表示している月数がどれだけあっても、同じ人には機能しないからです。

名前だけ見ると、その相違を見落としがちだ。両者とも、{{3}}2026年{{/3}}のAI業界で最も{{2}}混雑した棚{{/2}}となった{{1}}超小型／小型モデル{{/1}}カテゴリに属している。どちらも{{4}}テキストのみ{{/4}}対応で、どちらも{{5}}実際の作業に十分なコンテキスト長{{/5}}を持ち、どちらも{{6}}控えめな予算で真に有用なモデル{{/6}}を実行できる。しかし、両者は{{7}}異なる哲学{{/7}}から構築され、{{8}}異なる主体{{/8}}によって所有され、{{9}}まったく異なるチャネル{{/9}}を通じてレンタルまたは購入される。どちらかを選ぶ前に、最も有用な問いはただ一つだ：{{10}}必要なのは答えか、それとも重みか？{{/10}}

Ling 3.0 Tiny、無料のAPI

Ling 3.0 Tiny は2026年8月6日に、典型的な静かなローンチパターンでリリースされました。基調講演ではなく、Ant Group のモデル部門である InclusionAI からの商用APIリストとしての登場です。アーキテクチャは混合専門家（Mixture-of-Experts）モデルで、総パラメータ数は 7.9B、トークンあたりのアクティブパラメータは約 1.3B です。安価に提供できるほど小さい一方で、本格的な推論能力を保持するのに十分な大きさです。256K トークンのコンテキストウィンドウ（商用リストでは 262K と表示）に対応し、最大 32K トークンの出力が可能です。さらに、リクエストごとに切り替えられる2つのモードを備えています。推論に追加トークンを費やすデフォルト有効の「Thinking」モードと、直接回答する「Instant」モードです。ネイティブの関数呼び出しとプロンプトキャッシュの両方が宣伝されており、これはエージェント作業にとって重要です。

価格設定こそ、「無料」という言葉を詳しく説明する必要がある部分です。現在、このモデルは実際に無料で呼び出すことができ、次のようにリストされています：inclusionai/ling-3.0-tiny:free入力・出力とも$0のレートで、別のゲートウェイでは無料プロモーションとして次の名称で提供されています：inclusionai/ling-3.0-tiny-free2026年8月14日午前8:00(PT)まで。このプロモーション終了後は、Vercelの公表レートカードが適用されます：入力トークン100万件あたり$0.06、出力トークン100万件あたり$0.18、キャッシュ入力トークン100万件あたり$0.01。これは実際の価格です——規模感を示すと、値下げ後のGPT-5.6 Lunaティアのおよそ3分の1——しかし、8月中旬以降も当てにできる「無料」ではありません。Ling 3.0 Tinyが恒久的に$0であるという前提で構築している人は、終了するプロモーションの上に構築していることになります。

LFM2.5-2.6B-Base、無料のウェイト

LFM2.5-2.6B-Baseは、まったく別の意味で完全に無料のモデルです。これはLiquid AIのLFM2.5-2.6Bファミリーの背後にある事前学習済みベースチェックポイントで、2026年8月4日にHugging Faceで公開されました。ちょうどその同じ週にOpenAIがGPT-5.6 Lunaの価格を80%引き下げたことからも、市場全体が混雑している理由の一端がうかがえます。このベースモデルは、bfloat16形式の26.9億パラメータを持つハイブリッドアーキテクチャで、22個のダブルゲート短畳み込みブロックと8層のグループ化クエリ注意機構、16言語をカバーする128,000トークンの語彙、そして約34兆トークンの事前学習データを備えています——この規模のモデルとしては異例に長いトレーニングです。

あらゆる利用可能な尺度で見ても、それは未測定である。Liquid自身のローンチでは、ポストトレーニング済みの姉妹モデルLFM2.5-2.6Bにベンチマーク表と初週47,000回のダウンロードが与えられた一方、ベースチェックポイントには括弧書きでの言及1つと151回のダウンロードしかなかった。ベースには公開された評価が一切ない。MMLUもGPQAも、Liquidのどのサーフェスにもパープレキシティも存在しない。テキストのみ対応である。コンテキストはリポジトリのconfig.jsonによると128Kである（カードは131,072と宣伝しているが、トレーニングスクリプトが実際にパックするのはconfigの値である）。また、どの推論プロバイダーもこれをホストしておらず、これらの重みが何ができるかを確認する唯一の方法は、自分でファインチューニングしてサーブすることである。これはまさにモデルカードが指示していることだ。このモデルはLFM Open License v1.0の下で提供され、商用利用を年間収益1,000万ドルに制限し、その上限はあなたのファインチューンなどの派生作品にも適用される。

正直なスコアボード

この対戦は、2026年モデル同士としては、最も偏ったエビデンス状況が見られる組み合わせです。Ling 3.0 Tiny には独立したスコアがあります。Artificial Analysis は、Intelligence Index で23点を与えており、同サイズクラスの56モデル中6位、クラス中央値は8です。これは、この小さなモデルとしては平均をはるかに上回っています。この指数は、Terminal-Bench 2.1、GPQA Diamond、Humanity's Last Exam などを含む9つの評価の複合で、ベンダーが選定したものではなく、第三者によって実施されたものです。

{{1}}LFM2.5-2.6B-Baseにはスコアがまったくない。{{/1}}{{2}}人々がこのファミリーについて引用するエージェント系の数値 — ToolSandbox 77.83、IFBench 59.17、Multi-IF 80.07、AIME25 51.87 — はポストトレーニング済みのLFM2.5-2.6Bのものであり、ベンダー報告値であり、ベースチェックポイントには存在しない4段階のポストトレーニングパイプラインの出力である。{{/2}}{{3}}ベースの重みを取れば、プレトレーニング — 言語、世界知識、長文コンテキスト能力 — は継承されるが、指示追従スコアボードは一切継承されない。{{/3}}{{4}}ベースが保持する唯一の数値は34Tのトレーニングトークンであり、それは予算であって結果ではない。{{/4}}{{5}}それが何を買ったのか、まだ誰も報告していない。{{/5}}

それらを隔てる6つの次元、それぞれ1行で：

• 価格 — Ling 3.0 Tiny は無料プロモーション後（8月14日まで無料）、$0.06 / $0.18 per 1M。一方 LFM2.5-2.6B-Base はダウンロード無料、ただしトレーニング費用が永続的にかかる。

• コンテキスト — Ling 3.0 Tiny では 256K トークン、LFM2.5-2.6B-Base（config.json）では 128K と、2倍の差。

• パラメータ — MoE（合計7.9B中、有効約1.3B） vs dense 2.69B；両方ともテキストのみ。

• 独立スコア — Ling 3.0 Tiny：AA Intelligence Index 23（#6/56） vs LFM2.5-2.6B-Base：公開評価ゼロ

• モード — Ling 3.0 Tiny の Thinking/Instant switch、関数呼び出し、プロンプトキャッシング vs LFM2.5-2.6B-Base には、ポストトレーニングするまで何もありません。

• 提供中 — Ling 3.0 Tiny は本日、独自の商用エンドポイントで稼働中。一方、LFM2.5-2.6B-Base は、いかなる推論プロバイダーにもホストされていません。

非対称性こそが重要な点です。今日の午後、ほんのわずかな費用でLing 3.0 Tinyを自分のプロンプトとA/Bテストでき、得られる数値は検証可能です。ベースチェックポイントは、まだ外部検証が存在しない中での、自身のファインチューニング技術への賭けなのです。

「無料」の代償：計量された回答と、止まるメーター

Ling 3.0 Tiny のメーターは、プロモーション終了後も止まりません。入出力のすべてのトークンが、表示されているレートで、永遠に、どのような同時実行数でも課金されます。隠れたコストもあります。Artificial Analysis は、56モデルクラスの評価中にこのモデルが2億1000万の出力トークンを生成したことを測定し、中央値が6300万だったのに対し、「非常に冗長」と指摘しています。思考に余分な出力トークンを消費する推論モデルは、レートカードが示すよりもタスクあたりの実効コストが高くなり、その冗長さが価格優位性を部分的に損なっています。「今日は無料、明日は冗長な計測」という価格設定は、切り捨て誤差ではなく、実際の経済的トレードオフです。

ベースチェックポイントの「無料」は別の勘定だ。ダウンロード自体は無料だが、その後データ、トレーニング実行、ハードウェアのコストがかかる。10万例の教師ありファインチューニングセットの生成には、トークン費用として約10ドルかかる。100万例なら100ドルに近い。ファインチューニング自体は、2.6Bパラメータモデルなら単一GPUでの短時間の実行で済み、数時間のマシンタイムとエンジニアリング時間がかかる。それを運用するにはデバイスが必要だ。Liquidによると、このファミリーはApple M5 Max上で毎秒約220トークンのデコード速度、Ryzen AI Max+ 395上で113トークンを報告しており、これはポストトレーニング済みの兄弟版でのベンダー計測値であり、ベースモデル自体には速度の数値はない。実際には、すでに所有しているラップトップか、約1,500ドルからの新しいマシンが必要になる。

決定的な違いは、このブログが以前、LFM2.5-2.6B-Baseを値下げ後のGPT-5.6 Lunaと比較する際に使ったものと同じだ。一方のメーターは決して止まらず、もう一方はトレーニングが終了した日に止まる。Ling 3.0 Tinyは、コンカレンシーがいくらであっても、トークンごとに永久に課金される。一方、ベースモデルの限界トークンはトレーニング完了後、任意のコンカレンシーで、供給できるだけの数のコンカレントエージェントに対して無料となる。2.6Bがコスト面で従量課金APIに真に勝てるのは、この状況だけだ。すなわち、高ボリューム・高コンカレンシー・常時稼働のワークロードである。

誰がどれを選ぶべきか

Ling 3.0 Tiny を選ぶなら…

今週中に実用的なモデルが必要だ。OpenAI互換エンドポイントから呼び出せる高性能なテキスト推論モデルで、256Kのコンテキスト、ツール呼び出し、そして自分で確認できる独立したスコアを備えているものだ。無料期間は、お金を払う前に自分のワークロードで実際に評価するための実質的な機会になる。プロモーション後も、$0.06 / $0.18という料金は、測定された知能スコアが同クラスを上回るモデルとしては攻撃的だ。あなたはメーター付きで知能をレンタルしているのであり、それに違和感はない。

LFM2.5-2.6B-Base を選ぶなら…

レンタルではなく自前でモデルを構築するケースとは、既製モデルが十分にカバーしていない言語やドメイン、データをデバイス外に出せない規制業界、ポストトレーニング研究、あるいは蒸留による生徒モデルなどです。ワークロードの同時実行性が十分に高く、従量課金よりも限界費用ゼロのほうが有利であり、さらにライセンスの収益上限の範囲内で運用できることが条件です。また、リスクについて正直に認識すべきでもあります。公開された評価結果がないこと、サービングの経路がないこと、そして狙うべきベンチマークなしにデバッグしなければならないファインチューニングがあることです。

正直なハイブリッド — そしてルーターの位置付け

このペアリングを最も有意義に読む方法は、それを二つの競合製品ではなく、一つのシステムの二つの半分として捉えることだ。ベースチェックポイントの真の前提条件は{{1}}データ:{{/1}}である。Liquid独自のポストトレーニング手法は教師特化とオンポリシー蒸留に依存しており、つまりベースを実用化するには、トレーニングジョブに変わる前に、まず多数のモデルによるデータ生成ジョブが必要になる。まさにそこで、安価で高性能なAPIモデル — 例えば{{2}}Ling 3.0 Tiny{{/2}}、あるいはより高品質なら{{3}}OrcaRouter{{/3}}上の任意のテキストプラン — が、小規模なローカル学生モデルの教師としての役割を果たす。無料期間が続くうちに実行し、ファインチューニング用コーパスを生成し、そしてベースを自分自身の所有物へと訓練しよう。

API側については、私たちの製品について何か言う前に、一つ正直な注意点を述べます。Ling 3.0 TinyもLFM2.5-2.6B-BaseもOrcaRouterには載っていません。Ling 3.0 Tinyは独自の商用エンドポイントで提供されており、ベースチェックポイントは誰もホストしていません。OrcaRouterが有用なのは、教師モデルとその周辺のAPIトラフィックを運ぶことです。Qwen 3.7 Flashは1Mあたり$0.03/$0.13、Gemini 3.5 Flash-Liteは$0.30/$2.50、さらに200以上のモデルを1つのキーで0%マークアップで利用できます。つまり、プロバイダーのリスト価格がそのまま支払額になり、ベンダーの値下げは同じ日に反映されます。途中で停止してはならないデータ生成実行では、プロバイダー間の自動フェイルオーバーがモデル選択よりも重要です。しかし、私たちはこの記事の主題である2つのモデルのどちらもホストしておらず、そうでないふりをするつもりもありません。

評決

これは、二つの安価なモデル同士の対決というよりは、お金の使い道を選ぶ分岐点です。答えが必要なら——有能で、検証可能で、レンタル可能な答え——Ling 3.0 Tiny は本日公開され、来週まで無料、独立した評価で同クラスを上回り、プロモ期間後は手頃な価格です。モデルを所有したいなら——オフライン、プライベート、限界費用ゼロ、自分だけのものにファインチューニング——LFM2.5-2.6B-Base は、34Tトークンの事前学習を背後に持つ、真に未測定の2.6Bチェックポイントの数少ないひとつであり、その良さを世界で最初に知る一人になるでしょう。どちらも無料です。ただし無料の通貨が異なります。Ling 3.0 Tiny はメーターを消費し、LFM2.5-2.6B-Base はトレーニングランを消費します。