Ling 3.0 Tiny kontra Inkling Small: „Small" robi w tych dwóch nazwach kawał dobrej roboty

"Tiny" i "Small" brzmią jak ten sam rozmiar, a dwa najnowsze modele noszące te nazwy nie mogłyby być bardziej od siebie odległe. Ling 3.0 Tiny to autorski model MoE o 7,9 miliarda parametrów od InclusionAI z Ant Group — około 1,3 mld aktywnych na token, dziś bezpłatny do wywołań przez własne endpointy API, wyłącznie tekst, z wynikiem 23 w Artificial Analysis Intelligence Index. Inkling Small to otwarty rzadki model MoE o 276 miliardach parametrów od Thinking Machines Lab — 12 mld aktywnych, wagi Apache 2.0 w Hugging Face, natywne wejście tekstu, obrazu i dźwięku, z wynikiem 40 w tym samym indeksie. Jeden jest mniejszy w każdym realnym sensie i można go wynająć za grosze; drugi to jedna trzecia biliona parametrów, które można pobrać i uruchomić na własnym sprzęcie. Nazwy są pułapką: to nie jest porównanie dwóch małych modeli, to porównanie dwóch całkowicie różnych sposobów kupowania AI, których jedyną wspólną decyzją marketingową jest zdrobniały przymiotnik.

Oba trafiły na rynek w odstępie kilku dni od siebie, w najbardziej zatłoczonym lecie w historii rynku modeli — Inkling Small 30 lipca 2026 r., Ling 3.0 Tiny 6 sierpnia — i oba celują w tego samego nabywcę: zespół, który chce wydajnej sztucznej inteligencji bez budżetu na modele z najwyższej półki. Ten tekst oddziela to, czym faktycznie jest każdy z nich, co mówią niezależne dane i dlaczego pytanie „który jest lepszy” tak naprawdę sprowadza się do pytania „który chcesz posiadać”.

Ling 3.0 Tiny: darmowe API

Ling 3.0 Tiny to model rozumowania typu mixture-of-experts z łączną liczbą 7,9B parametrów i około 1,3B aktywnych na token — mały, tani w obsłudze i obecnie wyceniony tak, aby przyciągać klientów. Oferuje okno kontekstowe 256K tokenów (262K w ofertach komercyjnych i Artificial Analysis), do 32K tokenów na wyjście, natywne wywoływanie funkcji i buforowanie promptów, z przełącznikiem na żądanie między domyślnie włączonym trybem „Thinking" a bezpośrednim trybem „Instant". Jest to model tekst na tekst — nie ma ścieżki wizyjnej ani audio.

Uderzającą częścią jest model biznesowy. Model jest wymieniony jako inclusionai/ling-3.0-tiny:free po 0 USD za milion tokenów w obie strony; drugi gateway udostępnia go za darmo do 8:00 czasu PT 14 sierpnia 2026 r., po czym zastosowanie ma podana stawka 0,06 USD za milion tokenów wejściowych i 0,18 USD za milion tokenów wyjściowych. Dla modelu API to niezwykła liczba – niższa niż praktycznie każdy porównywalny poziom tekstowy na rynku – a Artificial Analysis już go przetestowało: Intelligence Index 23, miejsce #6 na 56 modeli w swojej klasie przy medianie 8. Ten sam test oznaczył go jako bardzo rozwlekły, generujący 210 mln tokenów wyjściowych wobec mediany 63 mln, co jest ukrytym kosztem, o którym należy pamiętać przy modelowaniu rachunku.

Inkling Small: otwarte wagi

Inkling Small to inny gatunek. To rzadki transformator mixture-of-experts z 276B całkowitymi parametrami i 12B aktywnymi na token — 42 warstwy, każdy token kierowany do 6 z 256 ekspertów plus 2 współdzielonych ekspertów — dystylowany on-policy z flagowego modelu Inkling o 975B parametrów, a następnie poddany dodatkowemu uczeniu przez wzmacnianie na agentowym kodowaniu. (Specyfikacja techniczna Artificial Analysis podaje 266B całkowitych parametrów; wartość 12B aktywnych jest zgodna, a różnica nie zmienia porównania.) Wagi są dostępne na Hugging Face na licencji Apache 2.0 bez ograniczeń komercyjnych. Model jest multimodalny na wejściu — tekst, obraz i dźwięk trafiają do tego samego strumienia tokenów, z wyjściem wyłącznie tekstowym — i oferuje pięciopoziomową skalę wysiłku myślowego (od minimal do xhigh), więc te same wagi mogą działać tanio lub z pełną mocą.

Ponieważ ma otwarte wagi, kwestia dostępu jest zupełnie inna. Thinking Machines udostępnia go przez swoje API Tinker w cenie 0,30 USD / 1,20 USD za milion tokenów, z buforowanym wejściem po 0,06 USD. Jest również oferowany na dwóch zewnętrznych endpointach w przybliżeniu po 0,45–0,50 USD za wejście / 1,20 USD za wyjście na 1M tokenów, przy czym kontekst na tych endpointach jest ograniczony do 524 288 tokenów, a nie reklamowanych 1M. Można też pobrać wagi samodzielnie — co oznacza 276 GB w 8-bitach, węzeł z wieloma GPU, a nie stację roboczą, oraz kwestię kwantyzacji (hostowane endpointy serwują fp8; benchmarki producenta nie były mierzone na fp8).

Niezależna tablica wyników

Umieść oba na tej samej skali Artificial Analysis, a różnica w możliwościach będzie jednoznaczna. Inkling Small uzyskuje 40 punktów w Intelligence Index, zajmując #15 z 101 w swojej klasie; Ling 3.0 Tiny uzyskuje 23 punkty, zajmując #6 z 56 w swojej (mniejszej) klasie. 17-punktowa różnica to mniej więcej odległość między „naprawdę przydatnym budżetowym modelem” a „komfortowo powyżej średniej jak na mały model”. Aktywne parametry Inkling Small – 12B, czyli prawie dziesięć razy więcej niż 1.3B w Ling 3.0 Tiny – ujawniają się w pracy agentowej, wyszukiwaniu w długim kontekście i kodowaniu, czyli w wymiarach, które składają się na indeks. Ling 3.0 Tiny jest wyjątkowy jak na swój rozmiar; Inkling Small jest po prostu bardziej zdolny, ponieważ to fundamentalnie większy model noszący małą nazwę.

Oba modele są rozwlekłe, co warto podkreślić, ponieważ wpływa to na oba rachunki. Według Artificial Analysis Ling 3.0 Tiny spala 210 mln tokenów wyjściowych podczas swojego przebiegu indeksowego (mediana 63 mln), a Inkling Small spala 130 mln (mediana 100 mln). Inkling Small myśli o około 30% więcej niż typowo; Ling 3.0 Tiny myśli ponad trzy razy więcej niż typowo. Żaden z nich nie jest modelem, który wdrażasz i zapominasz obserwować.

Wymiary, każdy w osobnej linii:

• Niezależny wynik — Ling 3.0 Tiny AA Index 23 (#6/56, mediana klasy 8) vs Inkling Small AA Index 40 (#15/101).

• Cena — Ling 3.0 Tiny za darmo, potem 0,06 $ / 0,18 $ za 1M vs Inkling Small 0,30–0,50 $ za wejście / 1,20 $ za wyjście za 1M na hostowanych endpointach, lub 0 $ plus własny sprzęt.

• Rozmiar — 7,9B łącznie / ~1,3B aktywnych MoE, własnościowe vs 276B łącznie / 12B aktywnych rzadkich MoE, otwarte wagi Apache 2.0.

• Modalność — Ling 3.0 Tiny tylko tekst vs Inkling Small wejście tekstowe, obrazowe i audio, wyjście tekstowe.

• Kontekst — 256K w Ling 3.0 Tiny vs do 1M deklarowane / 524K udostępniane na obecnych hostowanych punktach końcowych Inkling Small.

• Ownership — zamknięte API, które wynajmujesz, vs otwarte wagi, które możesz posiadać, dostrajać na Tinkerze lub uruchomić na własnym węźle multi-GPU.

Ile każdy z nich faktycznie cię kosztuje

Różnica cenowa nie jest interesującą liczbą; kluczowa jest różnica w modelu własności. Ling 3.0 Tiny to usługa rozliczana za zużycie: darmowa przez tydzień, potem 0,06 $ / 0,18 $ za milion tokenów na zawsze, przy dowolnej współbieżności, z podatkiem od rozwlekłości, który mnoży efektywny koszt generowania. Inkling Small ma dwie ceny: wynajmowaną — około 0,50 $ / 1,20 $ za milion na zewnętrznych endpointach, lub 0,30 $ / 1,20 $ u producenta — oraz własnościową, która oznacza poważny zakup sprzętu i czas inżynierów potrzebny do obsługi 276 miliardów parametrów. Pomiary ekonomiczne Artificial Analysis dają Inkling Small cenę mieszaną około 0,22 $ za milion tokenów i mniej więcej 0,07 $ za zadanie w indeksie inteligencji, co czyni go autentycznie tanim API w przeliczeniu na to, co oferuje. Ale opcja z otwartymi wagami nie ma żadnego licznika po rachunku za trenowanie i hosting, co jest tą samą logiką, która przyciąga ludzi do checkpointu o 2,6 miliarda parametrów i którą znacznie trudniej uzasadnić przy 276 miliardach.

Do otwartego modelu dołączone są również limity możliwości, których specyfikacja nie uwzględnia. Karta modelu Inkling Small zaleca wejścia audio poniżej dwóch minut, podczas gdy flagowy model — poniżej dwudziestu, czyli dziesięciokrotne cięcie, jeśli analizowałeś nagrania ze spotkań. Żaden z hostowanych endpointów nie deklaruje obecnie response_format (JSON z wymuszonym schematem), co ma znaczenie, gdy twój pipeline zależy od ustrukturyzowanych danych wyjściowych. Odporność na ataki adversarialne według pomiarów laboratorium (71,6% w FORTRESS adversarial) to powód, by się zastanowić, zanim umieścisz go za publicznym polem tekstowym. Ling 3.0 Tiny, jako API bez wag, nie ma żadnych z tych pytań dotyczących self-hostingu — dostajesz to, co serwuje endpoint.

Które "małe" jest odpowiednie dla twojego problemu?

Wybierz Ling 3.0 Tiny, gdy chcesz wynająć najtańsze wydajne rozumowanie tekstowe, nie potrzebujesz oglądać obrazów ani słuchać dźwięku, cenisz niezależnie oceniany model, który możesz wypróbować za darmo w tym tygodniu, i akceptujesz opłatę naliczaną według zużycia oraz model udzielający rozbudowanych odpowiedzi. Wybierz Inkling Small, gdy potrzebujesz tej możliwości — prawdziwego wejścia multimodalnego, 12B aktywnych parametrów o sile agentowej, wskaźnika wyższego o 17 punktów — lub gdy konkretnie chcesz otwartych wag, które możesz posiadać, dostrajać albo dzięki którym całkowicie uniezależnisz się od dostawcy. Wybierz go ze względu na modalność i wskaźnik, a nie nazwę.

Szczerze o ich wynajmowaniu

Żaden z tych modeli nie jest dostępny w OrcaRouter i nie będziemy sugerować inaczej. Ling 3.0 Tiny jest serwowany przez własne darmowe endpointy; Inkling Small działa na API Tinker od Thinking Machines, zewnętrznych endpointach lub własnym węźle GPU. To, do czego OrcaRouter jest przydatny w tym konkretnym porównaniu, to wszystko wokół nich: modele z czołówki i średniej półki, względem których będziesz przeprowadzać benchmarki, oraz te, do których kierujesz ruch, gdy tania warstwa wyczerpie swój zapas. Gdy okno darmowego Ling 3.0 Tiny się zamknie lub darmowy endpoint zostanie objęty limitem żądań, ścieżką ucieczki jest hostowana warstwa budżetowa — Qwen 3.7 Flash za $0.03 / $0.13, Gemini 3.5 Flash-Lite za $0.30 / $2.50 i 200+ innych za jednym kluczem zgodnym z OpenAI z 0% marżą, więc cena katalogowa dostawcy jest ceną finalną, z automatycznym przełączaniem awaryjnym, aby uruchomienie benchmarku lub ścieżka produkcyjna nie padły przez złą godzinę jednego dostawcy. Inkling Small, jako model o otwartych wagach, jest tą stroną tego porównania, której router nigdy za Ciebie nie udostępni — i tą stroną, w której właśnie o to chodzi.

Werdykt

Te dwie nazwy opisują intencję marketingową, a nie rozmiar. Ling 3.0 Tiny jest naprawdę mały i naprawdę tani — najlepszy darmowy okres próbny w budżetowej kategorii w tym miesiącu, z uczciwym, choć skromnym niezależnym wynikiem i licznikiem, który startuje 14 sierpnia. Inkling Small to model 276B z małą nazwą — dziesięć razy więcej aktywnych parametrów, o siedemnaście punktów indeksu wyżej, natywnie multimodalny i otwarte wagi, które możesz faktycznie posiadać. Jeśli chcesz wynająć najtańsze wydajne rozumowanie tekstowe, weź Ling 3.0 Tiny i ciesz się darmowym tygodniem. Jeśli chcesz model, który możesz posiadać, dostroić i uruchomić samodzielnie — albo taki, który słyszy i widzi — „Small” to nie jest właściwe słowo na to, czego potrzebujesz.