Ling 3.0 Tiny vs LFM2.5-2.6B-Base: Dwa rodzaje „free” i tylko jedna odpowiada ci dzisiaj

Oba te modele są darmowe. To prawie jedyna rzecz, która je łączy. Ling 3.0 Tiny, model rozumowania typu mixture-of-experts o 7,9 miliarda parametrów od Ant Group InclusionAI, jest darmowy, ponieważ ktoś uruchomił serwer i podpiął do niego API — wklejasz klucz do klienta, a on natychmiast odpowiada na Twój akapit, bez trenowania, bez GPU. LFM2.5-2.6B-Base, punkt kontrolny przed treningiem o 2,69 miliarda parametrów od Liquid AI, jest darmowy, ponieważ ktoś opublikował plik wag — 151 pobrań według ostatniego zliczenia, żaden dostawca wnioskowania nie hostuje go nigdzie, a karta modelu zaleca bazę „wyłącznie do zadań wymagających intensywnego dostrajania”. Jeden z nich to produkt z licznikiem. Drugi to surowiec. To porównanie dotyczy tego, którego rodzaju darmowości naprawdę potrzebujesz, ponieważ te dwa modele nie będą działać dla tej samej osoby, niezależnie od tego, przez ile miesięcy oba będą pokazywać „$0”.

Nazwy sprawiają, że łatwo przeoczyć tę rozbieżność. Oba mieszczą się w kategorii „małych / malutkich modeli”, która w 2026 roku stała się najbardziej zatłoczoną półką w AI. Oba są wyłącznie tekstowe, oba oferują konteksty wystarczająco duże do prawdziwej pracy, a oba uruchomią naprawdę użyteczny model przy skromnym budżecie. Ale są zbudowane według różnych filozofii, należą do różnych podmiotów i są wynajmowane lub nabywane za pośrednictwem zupełnie innych kanałów. Zanim wybierzesz jeden, najważniejsze pytanie, jakie warto zadać, brzmi: czy potrzebujesz odpowiedzi, czy wag?

Ling 3.0 Tiny, darmowe API

Ling 3.0 Tiny został wydany 6 sierpnia 2026 roku w klasycznym schemacie cichej premiery: jako komercyjna oferta API od InclusionAI, wydziału modeli Ant Group, a nie podczas keynote'a. Architektura to model mixture-of-experts z 7,9 mld parametrów łącznie i około 1,3 mld aktywnych na token — wystarczająco mały, by serwować go tanio, i wystarczająco duży, by posiadać realne zdolności rozumowania. Obsługuje okno kontekstowe 256K tokenów (komercyjne oferty pokazują 262K), do 32K tokenów odpowiedzi, i oferuje dwa tryby, które można przełączać per żądanie: domyślnie włączony tryb „Thinking", który zużywa dodatkowe tokeny na rozumowanie, oraz tryb „Instant", który odpowiada bezpośrednio. Natywne wywoływanie funkcji i cache'owanie promptów są również reklamowane, co ma znaczenie dla pracy agentów.

Cennik to miejsce, gdzie słowo „free” wymaga wyjaśnienia. Dziś model jest naprawdę darmowy do wywołania: jest wymieniony jako inclusionai/ling-3.0-tiny:free ze stawką $0 zarówno za wejście, jak i wyjście, a druga brama udostępnia go w ramach bezpłatnej promocji pod nazwą inclusionai/ling-3.0-tiny-free do 8:00 czasu PT 14 sierpnia 2026 roku. Po zakończeniu promocji obowiązuje opublikowany cennik Vercela: 0,06 USD za milion tokenów wejściowych, 0,18 USD za milion tokenów wyjściowych i 0,01 USD za milion tokenów wejściowych z pamięci podręcznej. To realna cena — mniej więcej jedna trzecia poziomu GPT-5.6 Luna po obniżce, dla porównania — ale to nie jest „free”, na którym można polegać po połowie sierpnia. Każdy, kto zakłada, że Ling 3.0 Tiny jest trwale za 0 USD, opiera się na promocji, która się kończy.

LFM2.5-2.6B-Base, wolne wagi

LFM2.5-2.6B-Base jest całkowicie innym rodzajem darmowego modelu. To wstępnie wytrenowany punkt kontrolny (checkpoint) stojący za rodziną LFM2.5-2.6B firmy Liquid AI, opublikowany na Hugging Face 4 sierpnia 2026 roku — w tym samym tygodniu, w którym OpenAI obniżyło cenę GPT-5.6 Luna o 80%, co wiele mówi o tym, dlaczego cały rynek jest zatłoczony. Baza to model o 2,69 miliarda parametrów w formacie bfloat16 z hybrydową architekturą: 22 bloki krótkich splotów z podwójną bramką oraz 8 warstw uwagi z grupowanym zapytaniem, słownik 128 000 tokenów obejmujący 16 języków i około 34 biliony tokenów do wstępnego treningu — jak na model tej wielkości to niezwykle długi proces treningowy.

Jest to również, według wszelkich dostępnych miar, niezmierzone. Własna premiera Liquid przyznała potrenowanemu modelowi bliźniaczemu LFM2.5-2.6B tabelę benchmarków i 47 000 pobrań w pierwszym tygodniu, podczas gdy bazowy checkpoint otrzymał jeden nawias i 151 pobrań. Bazowy model ma zero opublikowanych ewaluacji — żadnego MMLU, żadnego GPQA, żadnej perplexity na żadnej z powierzchni Liquid. Jest wyłącznie tekstowy. Jego kontekst wynosi 128K według config.json w repozytorium (karta reklamuje 131 072, a config to właśnie to, do czego faktycznie pakuje skrypt treningowy). I żaden dostawca inferencji go nie hostuje, więc jedynym sposobem, aby zobaczyć, co potrafią te wagi, jest samodzielne dostrojenie i serwowanie ich — co dokładnie zaleca karta modelu. Jest dystrybuowany na licencji LFM Open License v1.0, która ogranicza użycie komercyjne do 10 milionów dolarów rocznych przychodów i przenosi ten limit na dzieła pochodne, takie jak twoje dostrojenie.

Uczciwa tablica wyników

Ten pojedynek ma najbardziej jednostronną sytuację dowodową, jaką zobaczysz między dwoma modelami z 2026 roku. Ling 3.0 Tiny ma niezależny wynik: Artificial Analysis przyznaje mu 23 w Intelligence Index, co plasuje go na #6 wśród 56 modeli w jego klasie rozmiaru, przy medianie klasy wynoszącej 8 — znacznie powyżej średniej dla tak małego modelu. Ten indeks jest złożeniem dziewięciu ewaluacji, w tym Terminal-Bench 2.1, GPQA Diamond i Humanity's Last Exam, przeprowadzanych przez stronę trzecią, a nie wybranych przez dostawcę.

LFM2.5-2.6B-Base nie ma żadnego wyniku. Liczby agentowe, które ludzie podają dla tej rodziny — ToolSandbox 77.83, IFBench 59.17, Multi-IF 80.07, AIME25 51.87 — należą do potreningowego LFM2.5-2.6B, są raportowane przez producenta i są wynikiem czteroetapowego potoku potreningowego, którego nie ma w bazowym punkcie kontrolnym. Weź bazowe wagi, a dziedziczysz pre-trening — języki, wiedzę o świecie, zdolność do pracy z długim kontekstem — ale żadnej tablicy wyników dotyczącej podążania za instrukcjami. Jedyna liczba, którą niesie baza, to 34 biliony tokenów treningowych, co jest budżetem, a nie wynikiem. Nikt dotąd nie poinformował, co za nią kupiono.

Sześć wymiarów, które ich oddzielają, po jednej linii każde:

• Cena — Ling 3.0 Tiny $0,06 / $0,18 za 1M po darmowej promocji (bezpłatnie do 14 sierpnia) vs LFM2.5-2.6B-Base $0 za pobranie, plus Twój rachunek za trenowanie, na zawsze.

• Kontekst — 256K tokenów w Ling 3.0 Tiny vs 128K w LFM2.5-2.6B-Base (config.json), czyli dwukrotna różnica.

• Parametry — ~1,3 mld aktywnych z 7,9 mld łącznie w MoE vs 2,69 mld w modelu gęstym; oba wyłącznie tekstowe.

• Niezależny wynik — Ling 3.0 Tiny AA: Indeks Inteligencji 23 (#6/56) vs LFM2.5-2.6B-Base: zero opublikowanych ewaluacji.

• {{1}}Tryby{{/1}} — {{2}}Ling 3.0 Tiny Thinking/Instant switch, wywoływanie funkcji, buforowanie promptów{{/2}} {{3}}w porównaniu z{{/3}} {{4}}LFM2.5-2.6B-Base{{/4}} {{5}}nic, dopóki go nie dotrenujesz.{{/5}}

• Udostępniony — Ling 3.0 Tiny działa dziś na własnych komercyjnych endpointach vs LFM2.5-2.6B-Base, którego nie hostuje żaden dostawca inferencji.

Asymetria jest sednem sprawy: możesz jeszcze dziś po południu za grosze przetestować Ling 3.0 Tiny metodą A/B na własnych promptach, a otrzymane liczby są weryfikowalne. Bazowy checkpoint to zakład na twoje umiejętności fine-tuningu, bez żadnej dostępnej na razie zewnętrznej walidacji.

Koszt "darmowego": odmierzona odpowiedź kontra licznik, który staje

Licznik w Ling 3.0 Tiny nigdy się nie zatrzymuje po zakończeniu promocji. Każdy token wejściowy i wyjściowy jest rozliczany według podanej stawki, na zawsze, przy dowolnym poziomie współbieżności. Istnieje też ukryty koszt: firma Artificial Analysis zmierzyła, że model wygenerował 210M tokenów wyjściowych podczas oceny swojej 56-modelowej klasy — wobec mediany 63M — i określa go jako „bardzo gadatliwy”. Model rozumujący, który spala dodatkowe tokeny wyjściowe na myślenie, ma wyższy efektywny koszt na zadanie, niż sugeruje cennik, a gadatliwość częściowo niweluje przewagę cenową. Dzisiejsza darmowa cena plus jutrzejsze rozliczanie za gadatliwość to realny kompromis ekonomiczny, a nie błąd zaokrąglenia.

„Darmowość” bazowego checkpointu to inna kalkulacja: pobranie nic nie kosztuje, ale potem płacisz danymi, treningiem i sprzętem. Zestaw 100 tysięcy przykładów do nadzorowanego fine-tuningu to koszt rzędu dziesięciu dolarów za tokeny; zestaw miliona przykładów to bliżej stu. Sam fine-tuning — model 2.6B to krótki trening na jednym GPU — to godziny czasu maszynowego plus godziny Twojej pracy inżynierskiej. Do serwowania go potrzebujesz urządzenia; Liquid podaje dla rodziny szybkość dekodowania na poziomie około 220 tokenów na sekundę na Apple M5 Max i 113 na Ryzen AI Max+ 395, według pomiarów producenta na potreningowym modelu siostrzanym, a model bazowy nie ma własnych pomiarów szybkości. W praktyce oznacza to laptop, który już masz, albo nową maszynę w cenie od około 1500 dolarów.

Decydująca różnica jest ta sama, którą ten blog wykorzystał do zestawienia LFM2.5-2.6B-Base z przecenionym GPT-5.6 Luna: jeden licznik nigdy się nie zatrzymuje, drugi zatrzymuje się w dniu zakończenia treningu. Ling 3.0 Tiny pobiera opłatę za token przy dowolnej Twojej współbieżności, na zawsze. Token krańcowy wersji bazowej jest darmowy po zakończeniu treningu, przy dowolnej współbieżności, dla tylu równoczesnych agentów, ilu zdołasz mu dostarczyć. To jedyny reżim, w którym model 2.6B naprawdę pokonuje pod względem kosztów API z licznikiem: duże wolumeny, wysoka współbieżność, obciążenie ciągłe.

Kto powinien wybrać, które

Wybierz Ling 3.0 Tiny, jeśli…

Potrzebujesz działającego modelu w tym tygodniu: wydajnego modelu rozumowania tekstu, który możesz wywołać przez endpoint zgodny z O​penAI, z kontekstem 256K, wywoływaniem narzędzi i niezależnym wynikiem, który możesz sprawdzić. Okres darmowy daje ci realne okno na ocenę go pod kątem własnego obciążenia, zanim cokolwiek zapłacisz, a nawet po promocji stawka $0.06 / $0.18 jest agresywna jak na model z zmierzonym wynikiem inteligencji powyżej swojej klasy. Wynajmujesz inteligencję z licznikiem i jest ci z tym dobrze.

Wybierz LFM2.5-2.6B-Base, jeśli…

Budujesz model, a nie wynajmujesz go: język lub domenę, którą gotowe modele niedostatecznie obsługują, regulowaną branżę, w której dane nie mogą opuszczać urządzenia, badania potreningowe lub ucznia destylacji. Twoje obciążenie jest na tyle silnie współbieżne, że zerowy koszt krańcowy bije rachunek za zużycie, a Ty wygodnie mieścisz się pod limitem przychodów w licencji. Powinieneś też być wobec siebie szczery co do ryzyk: brak opublikowanych ewaluacji, brak ścieżki serwowania oraz dostrojenie, które będziesz musiał debugować bez benchmarku, do którego mógłbyś celować.

Prawdziwy hybryd — i gdzie pasuje router

Najbardziej użyteczny sposób czytania tego połączenia to dwie połowy jednego systemu, a nie dwóch rywali. Prawdziwym warunkiem wstępnym bazowego checkpointu są dane: własny przepis po treningu Liquid opiera się na specjalizacji nauczyciela i destylacji on-policy, co oznacza, że uczynienie bazy użyteczną zaczyna się od zadania generowania danych z wieloma modelami, zanim stanie się zadaniem treningowym. To właśnie tutaj tani, wydajny model API, taki jak Ling 3.0 Tiny — lub, przy wyższej jakości, dowolny z poziomów tekstowych na OrcaRouter — zasługuje na miejsce jako nauczyciel dla małego lokalnego ucznia. Wykorzystaj darmowe okno, dopóki trwa, wygeneruj korpus do fine-tuningu, a następnie wytrenuj bazę w coś, co jest Twoje.

{{1}}Po stronie API jedno szczere zastrzeżenie, zanim powiemy cokolwiek o naszym własnym produkcie{{/1}}: {{2}}ani Ling 3.0 Tiny, ani LFM2.5-2.6B-Base nie znajduje się na OrcaRouter{{/2}}. {{3}}Ling 3.0 Tiny jest obsługiwany przez własne komercyjne endpointy, a bazowy checkpoint nie jest hostowany przez nikogo{{/3}}. {{4}}To, co OrcaRouter robi użytecznego, to przenoszenie modeli nauczycielskich i ruchu API wokół nich{{/4}} — {{5}}Qwen 3.7 Flash po 0,03 $ / 0,13 $ za 1M, Gemini 3.5 Flash-Lite po 0,30 $ / 2,50 $ oraz 200+ innych za pomocą jednego klucza z 0% narzutu, więc płacisz cenę katalogową dostawcy, a jego obniżka ceny obowiązuje od tego samego dnia{{/5}}. {{6}}W przypadku procesu generowania danych, który nie może zostać przerwany w połowie, automatyczne przełączanie awaryjne między dostawcami ma większe znaczenie niż wybór modelu{{/6}}. {{7}}Ale nie hostujemy żadnego z dwóch modeli, których dotyczy ten artykuł, i nie zamierzamy udawać, że jest inaczej{{/7}}.

Werdykt

To nie jest rywalizacja między dwoma tanimi modelami, ile raczej rozwidlenie między dwoma sposobami wydania pieniędzy. Jeśli potrzebujesz odpowiedzi – kompetentnych, sprawdzalnych, do wynajęcia – Ling 3.0 Tiny jest dostępny już dziś, darmowy przez najbliższy tydzień, niezależnie oceniony powyżej swojej klasy i tanio wyceniony po promocji. Jeśli chcesz posiadać model – offline, prywatnie, zerowym kosztem krańcowym, dostrojony do czegoś własnego – LFM2.5-2.6B-Base to jeden z niewielu naprawdę niezmierzonych checkpointów 2.6B, za którym stoi pre-trening na 34T tokenach, a ty będziesz jedną z pierwszych osób na świecie, które przekonają się, jak dobry jest. Oba są darmowe. Są darmowe w różnych walutach: Ling 3.0 Tiny kosztuje cię licznik, a LFM2.5-2.6B-Base kosztuje cię sesję treningową.