Ling 3.0 Tiny vs LFM2.5-2.6B-Base: Twee soorten gratis, en slechts één geeft je vandaag antwoord

Beide modellen zijn gratis. Dat is vrijwel het enige wat ze gemeen hebben. Ling 3.0 Tiny, het mixture-of-experts-redeneermodel met 7,9 miljard parameters van Ant Group InclusionAI, is gratis omdat iemand een server draait en er een API op richt — je plakt een sleutel in een client en het beantwoordt direct je alinea, geen trainingsrun, geen GPU. LFM2.5-2.6B-Base, het pre-training checkpoint met 2,69 miljard parameters van Liquid AI, is gratis omdat iemand een weightsbestand heeft gepubliceerd — 151 downloads bij de laatste telling, geen inferentieprovider die het ergens host, en een modelkaart die het basismodel aanbeveelt "alleen voor taken die zware fine-tuning vereisen." Het ene is een product met een meter. Het andere is grondstof. Deze vergelijking gaat over welke soort gratis je daadwerkelijk nodig hebt, want de twee modellen zullen niet voor dezelfde persoon werken, hoeveel maanden ze ook allebei "$0" zeggen.

De namen maken de divergentie gemakkelijk over het hoofd te zien. Beide zitten in de categorie 'tiny / small model' die in 2026 het drukstbevolkte schap in AI is geworden. Beide zijn tekst-only, beide hebben contexten die groot genoeg zijn voor serieus werk, en beide draaien een oprecht nuttig model op een bescheiden budget. Maar ze zijn gebouwd vanuit verschillende filosofieën, eigendom van verschillende partijen, en worden gehuurd of aangeschaft via totaal verschillende kanalen. Voordat je er een kiest, is de allerbelangrijkste vraag die je kunt stellen: heb je antwoorden nodig, of heb je gewichten nodig?

Ling 3.0 Tiny, de gratis API

Ling 3.0 Tiny werd op 6 augustus 2026 uitgebracht volgens een klassiek stillanceringspatroon: een commerciële API-notering van InclusionAI, de modeldivisie van Ant Group, in plaats van een keynote. De architectuur is een mixture-of-experts-model met 7,9 miljard totale parameters en ongeveer 1,3 miljard actieve parameters per token — klein genoeg om goedkoop te kunnen draaien, groot genoeg om echte redeneercapaciteit te bieden. Het ondersteunt een contextvenster van 256K tokens (de commerciële noteringen tonen 262K), tot 32K outputtokens, en wordt geleverd met twee modi die je per verzoek kunt omschakelen: een standaard ingeschakelde "Thinking"-modus die extra tokens besteedt aan redeneren, en een "Instant"-modus die direct antwoordt. Native function calling en prompt caching worden beide geadverteerd, wat belangrijk is voor agentwerk.

De prijsstelling is waar 'gratis' nader moet worden toegelicht. Vandaag is het model daadwerkelijk gratis aan te roepen: het staat vermeld als inclusionai/ling-3.0-tiny:free met een tarief van $0 voor zowel input als output, en een tweede gateway biedt het aan als gratis promotie onder inclusionai/ling-3.0-tiny-free tot 08:00 uur PT op 14 augustus 2026. Na die promotie geldt de gepubliceerde prijslijst van Vercel: $0,06 per miljoen inputtokens, $0,18 per miljoen outputtokens en $0,01 per miljoen gecachte inputtokens. Dat is een echte prijs — ruwweg een derde van het GPT-5.6 Luna-tarief na de verlaging, om het in perspectief te plaatsen — maar het is niet het 'gratis' waar je na half augustus op kunt rekenen. Iedereen die bouwt op de aanname dat Ling 3.0 Tiny permanent $0 kost, bouwt op een promotie die afloopt.

LFM2.5-2.6B-Base, de vrije gewichten

LFM2.5-2.6B-Base is het andere soort dat volledig gratis is. Het is de voorgetrainde basis-checkpoint achter Liquid AI's LFM2.5-2.6B-familie, gepubliceerd op Hugging Face op 4 augustus 2026 — dezelfde week waarin OpenAI de prijs van GPT-5.6 Luna met 80% verlaagde, wat iets zegt over waarom de hele markt overvol is. De basis is een model met 2,69 miljard parameters in bfloat16 met een hybride architectuur: 22 dubbelgepoorte korte-convolutieblokken plus 8 grouped-query attention-lagen, een vocabulaire van 128.000 tokens dat 16 talen bestrijkt, en ongeveer 34 biljoen pre-trainingstokens — een ongewoon lange trainingsrun voor een model van deze omvang.

Het is ook, bij elke beschikbare maatstaf, ongemeten. Liquid's eigen lancering gaf het post-getrainde zustermodel LFM2.5-2.6B de benchmarktabel en de 47.000 downloads in de eerste week, terwijl het basis-checkpoint één vermelding tussen haakjes en 151 downloads kreeg. Het basismodel heeft nul gepubliceerde evaluaties — geen MMLU, geen GPQA, en geen perplexity op welke van Liquids kanalen dan ook. Het is alleen-tekst. De contextlengte is 128K volgens de config.json van de repository (de modelkaart vermeldt 131.072, en de config is wat een trainingsscript daadwerkelijk hanteert). En geen enkele inference-provider host het, dus de enige manier om te zien wat deze gewichten kunnen doen, is ze zelf te fine-tunen en te serveren — dat is precies wat de modelkaart je opdraagt te doen. Het wordt geleverd onder de LFM Open License v1.0, die commercieel gebruik beperkt tot $10 miljoen aan jaarlijkse omzet en die limiet overdraagt op afgeleide werken zoals jouw fine-tune.

Het eerlijke scorebord

Deze vergelijking heeft de meest scheef verdeelde bewijssituatie die je zult zien tussen twee modellen van 2026. Ling 3.0 Tiny heeft een onafhankelijke score: Artificial Analysis geeft het een 23 op de Intelligence Index, gerangschikt op #6 van de 56 modellen in zijn grootteklasse, tegen een klassenmediaan van 8 — ruim boven het gemiddelde voor een model dat zo klein is. Die index is een samenstelling van negen evaluaties, waaronder Terminal-Bench 2.1, GPQA Diamond en Humanity's Last Exam, uitgevoerd door een derde partij in plaats van geselecteerd door de leverancier.

LFM2.5-2.6B-Base heeft helemaal geen score. De agentische cijfers die mensen voor de familie aanhalen — ToolSandbox 77.83, IFBench 59.17, Multi-IF 80.07, AIME25 51.87 — behoren toe aan de post-getrainde LFM2.5-2.6B, zijn door de leverancier gerapporteerd en vormen de output van een post-training-pijplijn in vier fasen die niet in de basis-checkpoint aanwezig is. Neem de basisgewichten en je erft de pre-training — de talen, de wereldkennis, de long-context-capaciteit — en niets van het scorebord voor instructie-opvolging. Het enige getal dat de basis met zich meedraagt is 34T trainings-tokens, en dat is een budget, geen resultaat. Niemand heeft nog gerapporteerd wat dat heeft opgeleverd.

De zes dimensies die hen scheiden, elk één regel:

• Prijs — Ling 3.0 Tiny $0,06 / $0,18 per 1M na de gratis promotie (gratis tot 14 aug.) vs LFM2.5-2.6B-Base $0 om te downloaden, plus je trainingskosten, voor altijd.

• Context — 256K tokens op Ling 3.0 Tiny versus 128K op LFM2.5-2.6B-Base (config.json), een verschil van 2x.

• Parameters — ~1,3B actief van 7,9B totaal MoE vs 2,69B dense; beide alleen-tekst.

• Onafhankelijke score — Ling 3.0 Tiny AA Intelligence Index 23 (#6/56) vs LFM2.5-2.6B-Base zonder gepubliceerde evaluaties.

• Modi — Ling 3.0 Tiny: Thinking/Instant-schakelaar, function calling, prompt-caching vs. LFM2.5-2.6B-Base: niets totdat je het post-traint.

• Aangeboden — Ling 3.0 Tiny vandaag live op zijn eigen commerciële endpoints vs LFM2.5-2.6B-Base dat door geen enkele inferentieprovider waar dan ook wordt gehost.

De asymmetrie is precies de bedoeling: je kunt Ling 3.0 Tiny vanmiddag voor een habbekrats A/B-testen tegen je eigen prompts, en de cijfers die je terugkrijgt zijn controleerbaar. De basis-checkpoint is een gok op je eigen fine-tuningvaardigheid, zonder dat er al externe validatie beschikbaar is.

De kosten van "gratis": een gemeten antwoord versus een meter die stopt.

De meter van Ling 3.0 Tiny stopt nooit zodra de promotie eindigt. Elke token in en uit wordt gefactureerd tegen het vermelde tarief, voor altijd, op elke gelijktijdigheid die je draait. Er is ook een verborgen kost: Artificial Analysis mat dat het model 210M output-tokens genereerde bij het scoren van zijn klasse van 56 modellen — tegenover een mediaan van 63M — en bestempelt het als „zeer uitweidend". Een redenerend model dat extra output-tokens verbrandt met denken heeft een hogere effectieve kost per taak dan de tariefkaart suggereert, en de uitweiding erodeert gedeeltelijk het prijsvoordeel. De prijs van vandaag gratis plus de uitweidende meter van morgen is een echte economische afweging, geen afrondingsfout.

Het 'gratis' van het basis-checkpoint is een andere boekhouding: het kost niets om te downloaden, maar kost je data, een trainingsrun en hardware. Een set voor begeleide fine-tuning met 100K voorbeelden kost in de orde van tien dollar aan tokens om te genereren; een set met 1M voorbeelden zit dichter bij honderd. De fine-tuning zelf — bij een 2.6B is dat een korte run op één GPU — kost uren rekentijd plus jouw engineeringsuren. Om het te draaien heb je een apparaat nodig; Liquid rapporteert voor de familie ongeveer 220 tokens/seconde decode op een Apple M5 Max en 113 op een Ryzen AI Max+ 395, door de leverancier gemeten op het na-getrainde zustermodel, en het basismodel heeft geen eigen snelheidscijfers. In de praktijk betekent dat een laptop die je al bezit of een nieuwe machine vanaf ongeveer $1.500.

Het beslissende verschil is hetzelfde als waarmee deze blog LFM2.5-2.6B-Base eerder afzette tegen een herprijsde GPT-5.6 Luna: de ene meter blijft lopen, de andere stopt op de dag dat de training eindigt. Ling 3.0 Tiny rekent per token, ongeacht je concurrency, voor altijd. De marginale token van het basismodel is gratis na de trainingsrun, bij elke concurrency, voor net zoveel gelijktijdige agents als je erin kunt voeren. Dat is het enige regime waarin een 2.6B het qua kosten echt wint van een API die per gebruik rekent: workloads met een hoog volume, hoge concurrency en altijd-aan.

Wie moet welke kiezen

Kies Ling 3.0 Tiny als…

Deze week heb je een werkend model nodig: een capabel tekstredeneringsmodel dat je kunt aanroepen via een O​penAI-compatibel eindpunt, met een 256K-context, tool calling, en een onafhankelijke score die je kunt opzoeken. De gratis periode geeft je een reëel venster om het tegen je eigen workload te evalueren voordat je iets betaalt, en zelfs na de promotie is het tarief van $0,06 / $0,18 agressief voor een model met een gemeten intelligentiescore boven zijn klasse. Je huurt intelligentie met een meter, en daar voel je je comfortabel bij.

Kies LFM2.5-2.6B-Base als…

Je bouwt een model in plaats van er een te huren: een taal of domein waarin de kant-en-klare modellen tekortschieten, een gereguleerde verticale markt waar gegevens het apparaat niet mogen verlaten, post-trainingonderzoek, of een destillatiestudent. Je werklast is zo sterk gelijktijdig dat marginale kosten van nul opwegen tegen een verbruiksrekening, en je zit comfortabel onder de omzetlimiet van de licentie. Je moet ook eerlijk tegen jezelf zijn over de risico's: geen gepubliceerde evaluaties, geen servingpad, en een fine-tune die je zult moeten debuggen zonder een benchmark om op te richten.

De eerlijke hybride — en waar een router past

De meest nuttige manier om deze koppeling te lezen is als twee helften van één systeem in plaats van twee rivalen. Het echte vereiste van de basis-checkpoint is data: Liquid's eigen post-trainingrecept draait op leraarspecialisatie en on-policy-destillatie, wat betekent dat het nuttig maken van de basis begint met een data-generatieklus voor vele modellen voordat het een trainingsklus wordt. Dat is precies waar een goedkoop, capabel API-model zoals Ling 3.0 Tiny — of, bij hogere kwaliteit, een van de tekstniveaus op OrcaRouter — zijn plaats verdient als leraar voor een kleine lokale student. Benut het gratis venster zolang het duurt, genereer het fine-tuningcorpus en train de basis tot iets dat van jou is.

Wat de API-kant betreft, één eerlijk voorbehoud voordat we iets over ons eigen product zeggen: noch Ling 3.0 Tiny, noch LFM2.5-2.6B-Base staat op OrcaRouter. Ling 3.0 Tiny wordt bediend via eigen commerciële endpoints, en de basis-checkpoint wordt door niemand gehost. Wat OrcaRouter nuttig doet, is het dragen van de teacher-modellen en het API-verkeer eromheen — Qwen 3.7 Flash voor $0,03 / $0,13 per 1M, Gemini 3.5 Flash-Lite voor $0,30 / $2,50, en 200+ meer achter één sleutel met 0% opslag, dus de lijstprijs van de aanbieder is wat je betaalt en een prijsverlaging van de leverancier gaat dezelfde dag in. Voor een data-generatierun die niet halverwege mag afbreken, is automatische failover tussen aanbieders belangrijker dan de modelkeuze. Maar we hosten geen van beide modellen waar dit artikel over gaat, en we gaan niet doen alsof dat wel zo is.

Vonnis

Dit is geen wedstrijd tussen twee goedkope modellen, maar eerder een tweesprong tussen twee manieren om je geld uit te geven. Als je antwoorden nodig hebt — capabele, controleerbare, betaalbare antwoorden — dan is Ling 3.0 Tiny vandaag live, de komende week gratis, onafhankelijk beoordeeld boven zijn klasse, en na de promotie betaalbaar geprijsd. Als je het model wilt bezitten — offline, privé, zonder marginale kosten, verfijnd tot iets van jezelf — dan is LFM2.5-2.6B-Base een van de weinige echt ongemeten 2.6B-checkpoints met 34T tokens aan pre-training erachter, en je zult een van de eersten ter wereld zijn om te ontdekken hoe goed het is. Beide zijn gratis. Ze zijn gratis in verschillende valuta: Ling 3.0 Tiny kost je een meter, en LFM2.5-2.6B-Base kost je een trainingsrun.