Ling 3.0 Tiny vs Inkling Small: "Small" está fazendo muito trabalho nesses dois nomes

"Tiny" e "Small" parecem ter o mesmo tamanho, e os dois modelos mais novos que carregam esses nomes não poderiam estar mais distantes. Ling 3.0 Tiny é um MoE proprietário de 7,9 bilhões de parâmetros do InclusionAI do Ant Group — cerca de 1,3B ativos por token, gratuito para usar hoje por meio de seus próprios endpoints de API, somente texto, com pontuação 23 no Artificial Analysis Intelligence Index. Inkling Small é um MoE esparso de pesos abertos de 276 bilhões de parâmetros do Thinking Machines Lab — 12B ativos, pesos Apache 2.0 no Hugging Face, entrada nativa de texto, imagem e áudio, com pontuação 40 no mesmo índice. Um é menor em todos os sentidos reais e custa centavos; o outro é um terço de trilhão de parâmetros que você pode baixar e executar no seu próprio hardware. Os nomes são a armadilha: esta não é uma comparação de dois modelos pequenos, é uma comparação de duas maneiras completamente diferentes de comprar IA, cuja única decisão de marketing em comum é um adjetivo diminutivo.

Ambos lançados com dias de diferença um do outro no verão mais concorrido que o mercado de modelos já teve — Inkling Small em 30 de julho de 2026, Ling 3.0 Tiny em 6 de agosto — e ambos miram o mesmo comprador: uma equipe que quer IA capaz sem um orçamento de modelo de fronteira. Este texto separa o que cada um realmente é, o que dizem os números independentes e por que a pergunta "qual é melhor" é, na verdade, uma pergunta "qual você quer ter".

Ling 3.0 Tiny: a API gratuita

Ling 3.0 Tiny é um modelo de raciocínio por mistura de especialistas com 7,9B de parâmetros totais e aproximadamente 1,3B ativos por token — pequeno, barato de servir e atualmente com preço competitivo. Ele possui uma janela de contexto de 256K tokens (262K nas listagens comerciais e no Artificial Analysis), até 32K tokens de saída, chamada de função nativa e cache de prompt, com uma alternância por solicitação entre os modos "Thinking" (ativo por padrão) e "Instant" (direto). É texto-in, texto-out; não há caminho de visão ou áudio.

O modelo de negócio é a parte mais marcante. Ele está listado como inclusionai/ling-3.0-tiny:free a $0 por milhão de tokens em ambos os lados; um segundo gateway o executa gratuitamente até as 8h da manhã, horário do Pacífico, em 14 de agosto de 2026, após o que sua taxa listada de $0,06 por milhão de tokens de entrada e $0,18 por milhão de tokens de saída se aplica. Para um modelo de API, esse é um número extraordinário — abaixo de praticamente todos os níveis de texto comparáveis no mercado — e a Artificial Analysis já o executou: Intelligence Index 23, classificado em 6º lugar entre 56 modelos de sua classe, contra uma mediana de 8. A mesma execução o sinalizou como muito verboso, gerando 210M tokens de saída versus uma mediana de 63M, que é o custo oculto a ter em mente ao modelar a fatura.

Inkling Small: os pesos abertos

Inkling Small é uma espécie diferente. É um transformer esparso de mistura de especialistas com 276B de parâmetros totais e 12B ativos por token — 42 camadas, cada token roteado para 6 de 256 especialistas, além de 2 especialistas compartilhados — destilado on-policy a partir do Inkling principal de 975B, e depois submetido a aprendizado por reforço extra em codificação agêntica. (A especificação técnica da Artificial Analysis indica 266B no total; o número de 12B ativos concorda, e a diferença não altera a comparação.) Os pesos estão no Hugging Face sob Apache 2.0, sem restrições comerciais. A entrada é multimodal — texto, imagem e áudio chegam no mesmo fluxo de tokens, com saída apenas de texto — e acompanha um seletor de esforço de pensamento de cinco níveis (de mínimo a xhigh), para que os mesmos pesos rodem barato ou rodem pesado.

Por ser de pesos abertos, a história de acesso é completamente diferente. A Thinking Machines o serve em sua API Tinker a US$ 0,30 / US$ 1,20 por milhão de tokens, com entrada em cache a US$ 0,06, e ele é servido em dois endpoints de terceiros a aproximadamente US$ 0,45–US$ 0,50 de entrada / US$ 1,20 de saída por 1M, com contexto limitado a 524.288 tokens nesses endpoints, em vez do 1M anunciado. Ou você baixa os pesos você mesmo — o que significa 276 GB em 8 bits, um nó multi-GPU, não uma estação de trabalho, e uma questão de quantização (os endpoints hospedados servem fp8; os benchmarks do fornecedor não foram medidos em fp8).

O placar independente

Coloque os dois na mesma escala do Artificial Analysis e a lacuna de capacidade é inequívoca. O Inkling Small pontua 40 no Intelligence Index, classificado em #15 de 101 na sua classe; o Ling 3.0 Tiny pontua 23, classificado em #6 de 56 na sua classe (menor). A diferença de 17 pontos é aproximadamente a distância entre "modelo econômico genuinamente útil" e "confortavelmente acima da média para um modelo minúsculo." Os 12B de parâmetros ativos do Inkling Small — quase dez vezes os 1.3B do Ling 3.0 Tiny — se refletem em trabalho agêntico, recuperação de contexto longo e programação, as dimensões que compõem o índice. O Ling 3.0 Tiny é excepcional para o seu tamanho; o Inkling Small é simplesmente mais capaz, porque é um modelo fundamentalmente maior vestindo um nome pequeno.

Ambos os modelos são verbosos, o que vale mencionar porque {{1}}afeta ambas as faturas{{/1}}. A Artificial Analysis mediu o Ling 3.0 Tiny queimando 210M de tokens de saída em sua execução de índice (63M de mediana) e o Inkling Small queimando 130M (100M de mediana). O Inkling Small pensa cerca de 30% mais que o típico; o Ling 3.0 Tiny pensa mais de três vezes o típico. {{2}}Nenhum dos dois é um modelo que você implanta e esquece de monitorar{{/2}}.

As dimensões, uma linha cada:

• Pontuação independente — Ling 3.0 Tiny AA Index 23 (#6/56, mediana da classe 8) vs Inkling Small AA Index 40 (#15/101).

• Preço — Ling 3.0 Tiny grátis e depois $0,06 / $0,18 por 1M vs Inkling Small $0,30–$0,50 de entrada / $1,20 de saída por 1M em endpoints hospedados, ou $0 mais seu próprio hardware.

• Tamanho — 7,9B total / ~1,3B MoE ativo, proprietário vs 276B total / 12B MoE esparso ativo, pesos abertos Apache 2.0.

• Modalidade — Ling 3.0 Tiny somente texto vs Inkling Small entrada de texto, imagem e áudio, saída de texto.

• Contexto — 256K no Ling 3.0 Tiny vs até 1M anunciado / 524K servidos nos endpoints hospedados atuais do Inkling Small.

• Propriedade — API fechada que você aluga vs pesos abertos que você pode possuir, fazer fine-tune no Tinker, ou executar você mesmo em um nó multi-GPU.

O que cada um realmente custa para você

A diferença de preço não é o número interessante; a diferença de propriedade é. {{1}}Ling 3.0 Tiny é um serviço medido: grátis por uma semana, depois $0,06 / $0,18 por milhão de tokens para sempre, em qualquer nível de concorrência, com uma taxa de verbosidade que multiplica o custo efetivo de saída.{{/1}} {{2}}Inkling Small tem duas etiquetas de preço: uma alugada — cerca de $0,50 / $1,20 por milhão em endpoints de terceiros, ou $0,30 / $1,20 em first-party — e uma própria, que é uma compra séria de hardware e o tempo de engenharia para servir 276B parâmetros.{{/2}} {{3}}As medições econômicas da Artificial Analysis dão a Inkling Small um preço combinado em torno de $0,22 por 1M de tokens e aproximadamente $0,07 por tarefa de índice de inteligência, o que o torna genuinamente barato de rodar como API pelo que entrega.{{/3}} Mas {{4}}a opção de pesos abertos não tem nenhum medidor depois que se paga a conta de treinamento e hospedagem, o que é a mesma lógica que atrai pessoas para um checkpoint de 2,6B e é muito mais difícil de justificar para 276B.{{/4}}

Há também limitações de capacidade associadas ao modelo aberto que uma ficha técnica não mostra. A ficha do Inkling Small recomenda entradas de áudio de menos de dois minutos, contra menos de vinte para o modelo principal — uma redução de dez vezes se você fosse raciocinar sobre reuniões. Nenhum endpoint hospedado anuncia atualmente response_format (JSON com esquema obrigatório), o que importa se o seu pipeline depende de saída estruturada. E a robustez adversarial, pelos próprios números do laboratório (71,6% em FORTRESS adversarial), é um motivo para pensar antes de colocá-lo atrás de uma caixa de texto pública. O Ling 3.0 Tiny, sendo uma API sem pesos, não tem nenhuma dessas questões de auto-hospedagem — você aceita o que o endpoint oferece.

Qual "pequeno" é o certo para o seu problema

Escolha o Ling 3.0 Tiny quando quiser o raciocínio de texto capaz mais barato que você pode alugar, não precisar ver imagens nem ouvir áudio, valorizar um modelo com pontuação independente que pode testar gratuitamente esta semana e aceitar uma cobrança por uso e um modelo verboso. Escolha o Inkling Small quando precisar da capacidade — entrada multimodal real, 12B de parâmetros ativos de força agêntica, um índice de pontuação 17 pontos maior — ou quando quiser especificamente pesos abertos que possa possuir, ajustar ou tirar de um fornecedor por completo. Escolha-o pela modalidade e pelo índice de pontuação, não pelo nome.

Uma nota honesta sobre alugá-los

Nenhum desses modelos está no OrcaRouter, e não vamos dar a entender o contrário. O Ling 3.0 Tiny é servido por seus próprios endpoints gratuitos; o Inkling Small vive na API Tinker da Thinking Machines, em endpoints de terceiros ou no seu próprio nó de GPU. O que o OrcaRouter é útil nesta comparação específica é tudo ao redor deles: os modelos de fronteira e intermediários contra os quais você fará benchmark, e aqueles para os quais você roteia quando a camada barata fica sem folga. Quando a janela gratuita do Ling 3.0 Tiny fecha ou um endpoint gratuito sofre limitação de taxa, o caminho de escape é uma camada econômica hospedada — Qwen 3.7 Flash a US$ 0,03 / US$ 0,13, Gemini 3.5 Flash-Lite a US$ 0,30 / US$ 2,50 e mais de 200 outros atrás de uma única chave compatível com OpenAI com markup de 0%, então o preço de tabela do provedor é o preço, com failover automático para que uma execução de benchmark ou um caminho de produção não morra na má hora de um único provedor. O Inkling Small, por ter pesos abertos, é o lado desta comparação que um roteador nunca hospedará para você — e o lado em que esse é exatamente o ponto.

Veredito

Os dois nomes descrevem intenção de marketing, não tamanho. O Ling 3.0 Tiny é genuinamente minúsculo e genuinamente barato — o melhor teste gratuito no nível de baixo custo deste mês, com uma pontuação independente honesta, embora modesta, e um medidor que começa em 14 de agosto. O Inkling Small é um modelo de 276B com um nome pequeno — dez vezes os parâmetros ativos, dezessete pontos de índice a mais, nativamente multimodal e pesos abertos que você pode realmente possuir. Se você quer alugar o raciocínio de texto mais barato e capaz, escolha o Ling 3.0 Tiny e aproveite a semana gratuita. Se você quer um modelo que possa possuir, ajustar e executar você mesmo — ou um que possa ouvir e ver — "Small" não é a palavra certa para o que você precisa.