Ling 3.0 Tiny vs LFM2.5-2.6B-Base: 두 종류의 무료, 오늘 당신에게 답하는 것은 오직 하나뿐

이 두 모델은 모두 무료입니다. 그게 사실상 이 둘의 유일한 공통점입니다. Ling 3.0 Tiny는 Ant Group InclusionAI의 79억 파라미터 전문가 혼합(MoE) 추론 모델로, 누군가 서버를 실행하고 API를 연결해 두었기 때문에 무료입니다. 키를 클라이언트에 붙여넣으면 지금 바로 작성한 글에 대한 답변을 받을 수 있습니다. 학습 실행도 GPU도 필요 없습니다. LFM2.5-2.6B-Base는 Liquid AI의 26억 9천만 파라미터 사전학습 체크포인트로, 누군가 가중치 파일을 공개했기 때문에 무료입니다. 마지막 확인 기준 다운로드 151회, 이를 호스팅하는 추론 제공업체는 어디에도 없으며, 모델 카드는 베이스 모델을 "상당한 파인튜닝이 필요한 작업에만" 사용할 것을 권장합니다. 하나는 계량기가 달린 제품입니다. 다른 하나는 원자재입니다. 이 비교는 당신이 실제로 어떤 종류의 무료가 필요한지에 관한 것입니다. 두 모델 모두 아무리 여러 달 동안 "$0"이라고 표시해도, 같은 사람에게 둘 다 맞을 수는 없기 때문입니다.

이름 때문에 두 모델의 차이를 놓치기 쉽다. 둘 다 2026년 AI 업계에서 가장 복잡한 선반이 된 '초소형/소형 모델' 범주에 속한다. 둘 다 텍스트 전용이며, 실제 작업을 처리하기에 충분한 컨텍스트를 제공하고, 적당한 예산으로 실질적으로 유용한 모델을 실행할 수 있다. 그러나 두 모델은 서로 다른 철학에서 비롯되었고, 서로 다른 주체가 소유하고 있으며, 완전히 다른 채널을 통해 임대하거나 구매할 수 있다. 하나를 선택하기 전에 가장 유용한 질문은 이것이다: 답이 필요한가, 아니면 가중치가 필요한가?

Ling 3.0 Tiny, 무료 API

Ling 3.0 Tiny는 2026년 8월 6일에 출시되었으며, 전형적인 조용한 출시 방식을 따랐습니다. 키노트 대신 Ant Group의 모델 부서인 InclusionAI의 상용 API 목록으로 공개된 것입니다. 아키텍처는 총 7.9B 파라미터와 토큰당 약 1.3B 활성 파라미터를 가진 mixture-of-experts 모델로, 저렴하게 서빙할 수 있을 만큼 작으면서도 실제 추론 능력을 담기에 충분히 큽니다. 256K 토큰 컨텍스트 창(상용 목록에는 262K로 표시), 최대 32K 출력 토큰을 지원하며, 요청별로 전환할 수 있는 두 가지 모드를 제공합니다. 기본적으로 활성화되는 'Thinking' 모드는 추론에 추가 토큰을 사용하고, 'Instant' 모드는 직접 답변합니다. 네이티브 함수 호출과 프롬프트 캐싱도 모두 광고되고 있는데, 이는 에이전트 작업에 중요합니다.

요금이 바로 '무료'라는 말을 풀어서 설명해야 할 부분입니다. 현재 이 모델은 실제로 무료로 호출할 수 있으며, 다음과 같이 등록되어 있습니다: inclusionai/ling-3.0-tiny:free 입력과 출력 모두 $0 요율이 적용되며, 두 번째 게이트웨이에서는 inclusionai/ling-3.0-tiny-free라는 이름으로 2026년 8월 14일 오전 8시(PT)까지 무료 프로모션을 진행합니다. 프로모션이 끝난 후에는 Vercel의 공시 요금표가 적용됩니다: 입력 토큰 100만 개당 $0.06, 출력 토큰 100만 개당 $0.18, 캐시된 입력 토큰 100만 개당 $0.01입니다. 이는 실제 가격입니다. 규모를 가늠하자면 인하 이후 GPT-5.6 Luna 등급의 약 3분의 1 수준이지만, 8월 중순 이후에는 기대할 수 있는 '무료'가 아닙니다. Ling 3.0 Tiny가 영구적으로 $0라고 가정하고 구축하는 사람은 곧 끝날 프로모션 위에 구축하고 있는 셈입니다.

LFM2.5-2.6B-Base, 무료 가중치

LFM2.5-2.6B-Base는 완전히 무료인 또 다른 종류의 모델입니다. 이는 Liquid AI의 LFM2.5-2.6B 제품군의 기반이 되는 사전 학습된 베이스 체크포인트로, 2026년 8월 4일 Hugging Face에 공개되었습니다. 같은 주에 OpenAI가 GPT-5.6 Luna의 가격을 80% 인하했는데, 이는 전체 시장이 왜 이렇게 붐비는지에 대해 시사하는 바가 있습니다. 이 베이스 모델은 bfloat16 형식의 26.9억 파라미터를 가진 하이브리드 아키텍처 모델입니다: 22개의 이중 게이트 단기 컨볼루션 블록과 8개의 그룹 쿼리 어텐션 레이어, 16개 언어를 포괄하는 128,000개 토큰 어휘, 그리고 약 34조 개의 사전 학습 토큰 — 이는 이 크기의 모델로서는 비정상적으로 긴 학습 실행입니다.

또한, 이용 가능한 모든 기준으로 측정해 보아도 측정되지 않았습니다. Liquid가 자체적으로 공개한 내용을 보면, 포스트 트레이닝된 형제 모델 LFM2.5-2.6B에는 벤치마크 표와 첫 주 47,000건의 다운로드가 제공된 반면, 기본 체크포인트에는 괄호 하나와 151건의 다운로드만 주어졌습니다. 기본 모델은 공개된 평가가 전혀 없습니다. MMLU도, GPQA도, Liquid의 어떤 채널에서도 퍼플렉시티 수치도 없습니다. 이 모델은 텍스트 전용입니다. 컨텍스트 길이는 리포지토리의 config.json 기준 128K입니다(카드에는 131,072라고 광고하지만, 실제로 훈련 스크립트가 패킹하는 값은 config입니다). 그리고 어떤 추론 제공자도 이 모델을 호스팅하지 않으므로, 이 가중치가 어떤 일을 할 수 있는지 확인하는 유일한 방법은 직접 파인튜닝하고 서빙하는 것입니다. 이것은 정확히 모델 카드가 하라고 말하는 일이기도 합니다. 이 모델은 LFM Open License v1.0에 따라 배포되며, 이 라이선스는 상업적 사용을 연간 매출 1,000만 달러로 제한하고 그 제한을 여러분의 파인튜닝과 같은 파생 저작물에도 적용합니다.

정직한 점수판

이 매치업은 2026년형 모델 두 개 사이에서 볼 수 있는 가장 한쪽으로 치우친 증거 상황을 보여줍니다. Ling 3.0 Tiny는 독립적인 점수를 보유하고 있습니다. Artificial Analysis는 Intelligence Index에서 23점을 부여했으며, 같은 크기 등급의 56개 모델 중 6위, 등급 중앙값은 8입니다. 이는 이렇게 작은 모델로서는 평균을 훨씬 웃도는 수치입니다. 이 지수는 Terminal-Bench 2.1, GPQA Diamond, Humanity's Last Exam을 포함한 9개 평가로 구성된 복합 지수이며, 공급업체가 선정한 것이 아니라 제3자가 실행한 것입니다.

LFM2.5-2.6B-Base에는 점수가 전혀 없습니다. 사람들이 이 패밀리에 대해 인용하는 에이전틱 수치들(ToolSandbox 77.83, IFBench 59.17, Multi-IF 80.07, AIME25 51.87)은 사후 학습된 LFM2.5-2.6B에 속한 것으로, 공급업체가 보고한 값이며 베이스 체크포인트에는 존재하지 않는 4단계 사후 학습 파이프라인의 산출물입니다. 베이스 가중치를 취하면 사전 학습(언어, 세계 지식, 긴 문맥 처리 능력)은 물려받지만, 지시 따르기 스코어보드는 전혀 얻지 못합니다. 베이스가 지니는 유일한 숫자는 34T 학습 토큰으로, 이는 예산이지 결과가 아닙니다. 아무도 그것이 무엇을 가져다주었는지 아직 보고하지 않았습니다.

그들을 구분하는 여섯 가지 차원, 각각 한 줄씩:

• 가격 — Ling 3.0 Tiny: 무료 프로모션 이후 1M당 $0.06 / $0.18 (8월 14일까지 무료) vs LFM2.5-2.6B-Base: 다운로드 $0, 하지만 학습 비용은 영원히 든다.

• 컨텍스트 — Ling 3.0 Tiny에서는 256K 토큰, LFM2.5-2.6B-Base(config.json)에서는 128K로 2배 차이.

• 파라미터 — MoE 총 7.9B 중 약 1.3B 활성 vs 2.69B 밀집; 둘 다 텍스트 전용.

• 독립 점수 — Ling 3.0 Tiny AA 지능 지수 23 (#6/56) vs LFM2.5-2.6B-Base 공개 평가 0건

• 모드 — Ling 3.0 Tiny Thinking/Instant switch, 함수 호출, 프롬프트 캐싱 vs LFM2.5-2.6B-Base는 포스트트레이닝을 하기 전까지 아무것도 없음.

• 제공 — Ling 3.0 Tiny는 오늘 자체 상용 엔드포인트에서 라이브로 제공되는 반면, LFM2.5-2.6B-Base는 어디에서도 추론 제공업체가 호스팅하지 않습니다.

비대칭성이 바로 핵심입니다. 오늘 오후에 푼돈으로 Ling 3.0 Tiny를 자신의 프롬프트와 A/B 테스트할 수 있고, 돌아오는 숫자는 검증 가능합니다. 기본 체크포인트는 아직 외부 검증이 없는 상태에서 자신의 파인튜닝 실력에 거는 베팅입니다.

'무료'의 대가: 계량된 답변 vs 멈춘 미터

Ling 3.0 Tiny의 계량은 프로모션이 끝난 후에도 멈추지 않습니다. 들어오고 나가는 모든 토큰은 명시된 요율로, 어떤 동시성으로 실행하든 영원히 청구됩니다. 숨은 비용도 있습니다. Artificial Analysis는 56개 모델 클래스를 평가하면서 이 모델이 2억 1,000만 개의 출력 토큰을 생성한 것을 측정했으며(중앙값 6,300만 개와 대조), 이를 '매우 장황함(very verbose)'으로 지적했습니다. 추론 모델이 사고하는 동안 추가 출력 토큰을 소모하면 작업당 실질 비용이 요율표가 시사하는 것보다 높아지며, 장황함은 가격 우위를 부분적으로 잠식합니다. 오늘의 무료 가격과 내일의 장황한 계량은 반올림 오류가 아니라 실제 경제적 트레이드오프입니다.

기본 체크포인트의 {{1}}"무료"{{/1}}는 다른 회계 방식이다. 다운로드에는 비용이 들지 않지만, 이후 데이터, 학습 실행, 하드웨어 비용이 발생한다. 100K 예제의 지도 미세 조정 데이터셋을 생성하는 데는 토큰 비용이 대략 수십 달러 수준이고, 1M 예제 데이터셋은 백 달러에 가깝다. 미세 조정 자체는 — 2.6B는 단일 GPU에서 짧은 실행이다 — 기계 시간 몇 시간에 엔지니어링 시간이 더해진다. 서빙하려면 기기가 필요하다. Liquid는 해당 제품군이 Apple M5 Max에서 약 {{2}}초당 220토큰{{/2}}, Ryzen AI Max+ 395에서 초당 113토큰의 디코딩 속도를 낸다고 보고하는데, 이는 벤더가 사후 학습된 형제 모델에서 측정한 값이며 기본 모델 자체의 속도 수치는 없다. 실제로 이는 이미 보유한 노트북이거나 약 {{3}}1,500달러{{/3}}부터 시작하는 새 기기를 의미한다.

결정적인 차이는 이 블로그가 LFM2.5-2.6B-Base를 재가격 조정된 GPT-5.6 Luna와 대조하면서 사용한 바로 그 차이다. 하나의 계량기는 결코 멈추지 않는 반면, 다른 하나는 훈련이 끝나는 날 멈춘다. Ling 3.0 Tiny는 동시성과 무관하게 토큰당 비용을 영원히 청구한다. 베이스의 한계 토큰은 훈련 실행 후에는 무료이며, 어떤 동시성에서든, 공급할 수 있는 한 많은 동시 에이전트에 대해 무료다. 그것이 2.6B가 비용 면에서 진정으로 계량식 API를 이기는 유일한 체제, 즉 대량·고동시성·상시 가동 워크로드다.

누가 무엇을 골라야 할까

Ling 3.0 Tiny를 선택하세요, 만약…

이번 주에 작동하는 모델이 필요합니다: O​penAI 호환 엔드포인트를 통해 호출할 수 있고, 256K 컨텍스트, 도구 호출, 그리고 조회 가능한 독립 점수를 갖춘 유능한 텍스트 추론 모델입니다. 무료 기간은 비용을 지불하기 전에 자체 워크로드로 평가할 수 있는 실질적인 창을 제공하며, 프로모션 이후에도 $0.06 / $0.18 요율은 측정된 지능 점수가 자기 등급보다 높은 모델에게는 파격적입니다. 당신은 계량기로 지능을 임대하고 있으며, 그 점을 편안하게 받아들입니다.

LFM2.5-2.6B-Base를 선택하세요…

여러분은 모델을 임대하는 대신 직접 구축하려는 상황입니다. 기성 모델이 제대로 지원하지 못하는 언어나 도메인, 데이터가 기기를 벗어날 수 없는 규제 산업 분야, 사후 학습(post-training) 연구, 또는 증류(distillation) 학생 모델이 그 대상입니다. 워크로드의 동시성이 충분히 높아 한계 비용 0이 사용량 기반 과금보다 유리하고, 라이선스의 수익 상한선 아래에서도 부담이 없어야 합니다. 또한 위험에 대해 스스로 솔직해져야 합니다. 공개된 평가 결과도, 서빙 경로도 없으며, 목표로 삼을 벤치마크도 없는 채로 디버깅해야 하는 파인튜닝이 기다리고 있기 때문입니다.

정직한 하이브리드 — 그리고 라우터가 어울리는 위치

이 페어링을 읽는 가장 유용한 방식은 두 경쟁자가 아니라 하나의 시스템을 이루는 두 절반으로 보는 것입니다. 베이스 체크포인트의 진정한 전제 조건은 데이터입니다. Liquid 자체의 포스트 트레이닝 레시피는 교사 특화(teacher specialisation)와 온-폴리시 증류(on-policy distillation)에 기반하여 실행되며, 이는 베이스를 유용하게 만드는 작업이 훈련 작업으로 전환되기 전에 다중 모델 데이터 생성 작업으로 시작된다는 것을 의미합니다. 바로 이 지점에서 Ling 3.0 Tiny와 같은 저렴하면서도 유능한 API 모델(또는 더 높은 품질을 원한다면 OrcaRouter의 텍스트 티어 중 하나)이 작은 로컬 학생 모델을 위한 교사로서 제 역할을 수행합니다. 무료 기간이 지속되는 동안 실행하여 파인튜닝 코퍼스를 생성한 다음, 베이스를 여러분이 소유할 수 있는 무언가로 훈련하세요.

API 측면에서, 우리 자체 제품에 대해 말하기 전에 한 가지 솔직하게 밝힐 점이 있습니다: Ling 3.0 Tiny와 LFM2.5-2.6B-Base 둘 다 OrcaRouter에 없습니다. Ling 3.0 Tiny는 자체 상용 엔드포인트로 제공되며, 베이스 체크포인트를 호스팅하는 곳은 없습니다. OrcaRouter가 유용하게 하는 일은 티처 모델과 그 주변의 API 트래픽을 전달하는 것입니다 — Qwen 3.7 Flash는 1M당 $0.03 / $0.13, Gemini 3.5 Flash-Lite는 $0.30 / $2.50, 그리고 200개 이상의 모델을 하나의 키로 0% 마크업으로 제공하므로, 제공업체의 공식 가격을 그대로 지불하고 공급업체의 가격 인하도 당일에 반영됩니다. 중간에 중단되지 않아야 하는 데이터 생성 작업의 경우, 모델 선택보다 공급업체 간 자동 장애 조치가 더 중요합니다. 하지만 우리는 이 글에서 다루는 두 모델 중 어느 것도 호스팅하지 않으며, 그렇지 않은 척하지 않겠습니다.

평결

이것은 두 개의 저렴한 모델 간의 대결이라기보다는, 돈을 쓰는 두 가지 방식 사이의 갈림길입니다. 답변이 필요하다면 — 유능하고, 검증 가능하고, 임대 가능한 답변 — Ling 3.0 Tiny가 오늘 출시되었습니다. 앞으로 일주일간 무료이며, 독립 평가에서 동급 이상의 점수를 받았고, 프로모션 이후에는 저렴한 가격으로 제공됩니다. 모델을 소유하고 싶다면 — 오프라인, 비공개, 한계 비용 제로, 나만의 무언가로 파인튜닝할 수 있는 — LFM2.5-2.6B-Base는 34T 토큰의 사전 학습을 기반으로 한, 진정으로 측정된 적 없는 몇 안 되는 2.6B 체크포인트 중 하나이며, 당신은 그것이 얼마나 좋은지 알게 될 전 세계 최초의 사람들 중 하나가 될 것입니다. 둘 다 무료입니다. 그러나 그 무료함은 서로 다른 통화로 지불됩니다: Ling 3.0 Tiny는 미터(사용량)라는 비용이 들고, LFM2.5-2.6B-Base는 학습 실행이라는 비용이 듭니다.