Ling 3.0 Tiny เทียบกับ Inkling Small: "Small" ทำงานหนักมากในสองชื่อนี้

"Tiny" และ "Small" ฟังดูเหมือนขนาดเดียวกัน แต่โมเดลใหม่สองรุ่นที่ใช้ชื่อเหล่านี้แทบจะห่างกันคนละขั้ว Ling 3.0 Tiny คือ MoE กรรมสิทธิ์ขนาด 7.9 พันล้านพารามิเตอร์จาก InclusionAI ของ Ant Group — เปิดใช้งานประมาณ 1.3 พันล้านพารามิเตอร์ต่อโทเคน เรียกใช้ฟรีได้แล้ววันนี้ผ่าน API endpoints ของตัวเอง รองรับเฉพาะข้อความ ได้คะแนน 23 บน Artificial Analysis Intelligence Index Inkling Small คือ sparse MoE แบบเปิดน้ำหนักขนาด 276 พันล้านพารามิเตอร์จาก Thinking Machines Lab — เปิดใช้งาน 12 พันล้าน น้ำหนัก Apache 2.0 บน Hugging Face รองรับอินพุตข้อความ รูปภาพ และเสียงโดยตรง ได้คะแนน 40 บนดัชนีเดียวกัน รุ่นหนึ่งเล็กกว่าในทุกความหมายที่แท้จริงและให้เช่าในราคาเพียงเล็กน้อย อีกรุ่นคือพารามิเตอร์หนึ่งในสามของล้านล้านที่คุณดาวน์โหลดและรันบนฮาร์ดแวร์ของคุณเอง ชื่อคือกับดัก: นี่ไม่ใช่การเปรียบเทียบโมเดลเล็กสองรุ่น แต่เป็นการเปรียบเทียบวิธีซื้อ AI ที่แตกต่างกันโดยสิ้นเชิงสองวิธี ซึ่งสิ่งที่เหมือนกันทางการตลาดเพียงอย่างเดียวคือการเลือกใช้คำคุณศัพท์ที่บ่งบอกความเล็ก

ทั้งคู่วางจำหน่ายห่างกันเพียงไม่กี่วันในช่วงฤดูร้อนที่คับคั่งที่สุดเท่าที่ตลาดโมเดลเคยมีมา — Inkling Small ในวันที่ 30 กรกฎาคม 2026 และ Ling 3.0 Tiny ในวันที่ 6 สิงหาคม — และทั้งคู่มุ่งเป้าไปที่ผู้ซื้อกลุ่มเดียวกัน: ทีมที่ต้องการ AI ที่มีความสามารถโดยไม่ต้องแบกรับงบประมาณระดับ frontier model บทความนี้จะแยกแยะว่าแต่ละตัวจริงๆ แล้วคืออะไร ตัวเลขจากแหล่งอิสระพูดว่าอย่างไร และเหตุใดคำถามที่ว่า "อันไหนดีกว่า" จึงแท้จริงแล้วคือคำถามที่ว่า "คุณอยากเป็นเจ้าของอันไหน"

Ling 3.0 Tiny: API ฟรี

{{1}}Ling 3.0 Tiny{{/1}} เป็นโมเดลให้เหตุผลแบบ {{2}}mixture-of-experts{{/2}} ที่มี {{3}}พารามิเตอร์ทั้งหมด 7.9B{{/3}} และมีพารามิเตอร์ที่ทำงานจริงประมาณ {{4}}1.3B ต่อโทเคน{{/4}} — มีขนาดเล็ก ต้นทุนการให้บริการต่ำ และปัจจุบันตั้งราคาเพื่อดึงดูดลูกค้า รองรับ {{5}}หน้าต่างบริบท 256K โทเคน{{/5}} ({{6}}262K ในรายการเชิงพาณิชย์และ Artificial Analysis{{/6}}) เอาต์พุตสูงสุด {{7}}32K โทเคน{{/7}} รองรับ {{8}}การเรียกใช้ฟังก์ชัน{{/8}} แบบเนทีฟ และ {{9}}prompt caching{{/9}} โดยสามารถสลับได้ในแต่ละคำขอระหว่างโหมด {{10}}"Thinking"{{/10}} ที่เปิดเป็นค่าเริ่มต้นกับโหมด {{11}}"Instant"{{/11}} โดยตรง เป็นโมเดลแบบ {{12}}ข้อความเข้า-ข้อความออก{{/12}} ไม่มีช่องทางสำหรับภาพหรือเสียง

โมเดลธุรกิจคือส่วนที่โดดเด่น โดยระบุเป็น inclusionai/ling-3.0-tiny:free ที่ราคา $0 ต่อล้านโทเคนทั้งสองฝั่ง; เกตเวย์ที่สองให้บริการฟรีจนถึง 8:00 น. PT ของวันที่ 14 สิงหาคม 2026 หลังจากนั้นจะใช้อัตราที่ระบุไว้คือ $0.06 ต่อล้านโทเคน input และ $0.18 ต่อล้านโทเคน output สำหรับโมเดล API ถือเป็นตัวเลขที่พิเศษมาก — ต่ำกว่าระดับข้อความที่เทียบเคียงได้แทบทั้งหมดในตลาด — และ Artificial Analysis ได้ทดสอบแล้ว: Intelligence Index 23 อยู่ในอันดับ #6 จาก 56 โมเดลในระดับเดียวกัน เทียบกับค่ามัธยฐานที่ 8 การทดสอบเดียวกันยังระบุว่าโมเดลนี้มีความ verbose มาก สร้าง output tokens 210M เทียบกับค่ามัธยฐาน 63M ซึ่งเป็นต้นทุนแฝงที่ต้องคำนึงถึงเมื่อคำนวณค่าใช้จ่าย

Inkling Small: โอเพนเวท

อินคลิงสมอลเป็นสปีชีส์ที่แตกต่าง มันคือทรานส์ฟอร์เมอร์แบบ sparse mixture-of-experts ที่มีพารามิเตอร์รวม 276B และแอ็กทีฟต่อโทเคน 12B — 42 เลเยอร์ แต่ละโทเคนถูกส่งไปยัง 6 ใน 256 เอกซ์เพิร์ต รวมถึงเอกซ์เพิร์ตที่ใช้ร่วมกันอีก 2 ตัว — กลั่นแบบ on-policy จากอินคลิงรุ่นธงขนาด 975B จากนั้นได้รับการเสริมการเรียนรู้เพิ่มเติมในด้านการเขียนโค้ดแบบเอเจนต์ (สเปกเทคนิคของ Artificial Analysis ระบุรวม 266B ตัวเลขแอ็กทีฟ 12B สอดคล้องกัน และความแตกต่างนั้นไม่ได้เปลี่ยนการเปรียบเทียบ) น้ำหนักอยู่บน Hugging Face ภายใต้ Apache 2.0 โดยไม่มีข้อจำกัดทางการค้า มันเป็นแบบมัลติโมดัลทางอินพุต — ข้อความ รูปภาพ และเสียงเข้ามาในสตรีมโทเคนเดียวกัน โดยเอาต์พุตเป็นข้อความเท่านั้น — และมาพร้อมกับระดับความพยายามในการคิดห้าระดับ (ตั้งแต่ minimal ถึง xhigh) เพื่อให้น้ำหนักชุดเดียวกันทำงานแบบประหยัดหรือทำงานเต็มที่

เนื่องจากเป็นโมเดลน้ำหนักเปิด เรื่องการเข้าถึงจึงแตกต่างอย่างสิ้นเชิง Thinking Machines ให้บริการโมเดลดังกล่าวบน Tinker API ในราคา $0.30 / $1.20 ต่อล้านโทเค็น โดยอินพุตแบบแคชอยู่ที่ $0.06 และยังมีการให้บริการผ่านเอนด์พอยต์ของบุคคลที่สามสองแห่งในราคาประมาณ $0.45–$0.50 ต่ออินพุต และ $1.20 ต่อเอาต์พุต ต่อ 1M โดยคอนเทกซ์ถูกจำกัดที่ 524,288 โทเค็นบนเอนด์พอยต์เหล่านั้น แทนที่จะเป็น 1M ตามที่โฆษณา หรือคุณสามารถดาวน์โหลดน้ำหนักของโมเดลได้เอง ซึ่งหมายถึงไฟล์ขนาด 276GB ที่ความแม่นยำ 8-bit ต้องใช้โหนดที่มี GPU หลายตัว ไม่ใช่เวิร์กสเตชัน และยังมีคำถามเรื่องการควอนไทซ์ (เอนด์พอยต์ที่ให้บริการใช้ fp8; การวัดประสิทธิภาพจากผู้จัดจำหน่ายไม่ได้วัดบน fp8)

กระดานคะแนนอิสระ

หากนำทั้งสองรุ่นมาเปรียบเทียบบนมาตราส่วน Artificial Analysis เดียวกัน ช่องว่างด้านความสามารถจะชัดเจนไม่คลุมเครือ Inkling Small ได้ 40 คะแนนในดัชนี Intelligence Index อยู่ในอันดับที่ 15 จาก 101 ในรุ่นของมัน ส่วน Ling 3.0 Tiny ได้ 23 คะแนน อยู่ในอันดับที่ 6 จาก 56 ในรุ่น (ที่เล็กกว่า) ของมัน ช่องว่าง 17 คะแนนนี้มีขนาดใกล้เคียงกับระยะห่างระหว่าง “โมเดลราคาประหยัดที่ใช้งานได้จริง” กับ “สูงกว่าค่าเฉลี่ยอย่างสบายๆ สำหรับโมเดลจิ๋ว” พารามิเตอร์แอคทีฟ 12B ของ Inkling Small — เกือบสิบเท่าของ 1.3B ใน Ling 3.0 Tiny — ส่งผลชัดเจนในงาน agentic การค้นคืนบริบทยาว และการเขียนโค้ด ซึ่งเป็นมิติที่ดัชนีนี้ประกอบขึ้น Ling 3.0 Tiny นั้นยอดเยี่ยมเมื่อเทียบกับขนาดของมัน แต่ Inkling Small นั้นมีความสามารถมากกว่าอย่างแท้จริง เพราะมันเป็นโมเดลที่ใหญ่กว่าโดยพื้นฐาน แต่กลับมีชื่อที่ฟังดูเล็ก

โมเดลทั้งสองตัวต่างก็ verbose ซึ่งควรกล่าวถึงเพราะมันส่งผลต่อค่าใช้จ่ายทั้งสองบิล Artificial Analysis วัดว่า Ling 3.0 Tiny ใช้ output tokens ไป 210M ในการรัน index (median 63M) และ Inkling Small ใช้ไป 130M (median 100M) Inkling Small คิดมากกว่าปกติประมาณ 30% ส่วน Ling 3.0 Tiny คิดมากกว่าปกติถึงสามเท่า ทั้งสองไม่ใช่โมเดลที่คุณจะติดตั้งแล้วปล่อยไว้โดยไม่ดูแล

ขนาด บรรทัดละหนึ่ง:

• คะแนนอิสระ — Ling 3.0 Tiny AA Index 23 (#6/56, ค่ามัธยฐานของคลาส 8) เทียบกับ Inkling Small AA Index 40 (#15/101)

• ราคา — Ling 3.0 Tiny ฟรี จากนั้น $0.06 / $0.18 ต่อ 1M เทียบกับ Inkling Small $0.30–$0.50 input / $1.20 output ต่อ 1M บนเอนด์พอยต์ที่โฮสต์ไว้ หรือ $0 บวกฮาร์ดแวร์ของคุณเอง

• ขนาด — รวม 7.9B / MoE แอคทีฟ ~1.3B, แบบปิด เทียบกับ รวม 276B / sparse MoE แอคทีฟ 12B, น้ำหนักเปิด Apache 2.0

• โมดาลิตี — Ling 3.0 Tiny รองรับเฉพาะข้อความ เทียบกับ Inkling Small ที่รองรับอินพุตข้อความ รูปภาพ และเสียง โดยเอาต์พุตเป็นข้อความ

• บริบท — 256K บน Ling 3.0 Tiny เทียบกับสูงสุด 1M ตามโฆษณา / 524K ที่ให้บริการจริงบนเอนด์พอยต์โฮสต์ปัจจุบันของ Inkling Small

• ความเป็นเจ้าของ — API แบบปิดที่คุณเช่า เทียบกับน้ำหนักโมเดลแบบเปิดที่คุณสามารถเป็นเจ้าของ ปรับแต่งบน Tinker หรือรันด้วยตัวเองบนโหนด multi-GPU

แต่ละอย่างจริงๆ แล้วทำให้คุณเสียค่าใช้จ่ายเท่าไร

ความแตกต่างของราคาไม่ใช่ตัวเลขที่น่าสนใจ ความแตกต่างของความเป็นเจ้าของต่างหาก Ling 3.0 Tiny เป็นบริการคิดตามการใช้งาน: ฟรีหนึ่งสัปดาห์ จากนั้น $0.06 / $0.18 ต่อล้านโทเค็นตลอดไป ไม่ว่าคุณจะเรียกใช้ด้วยระดับความพร้อมกันเท่าใด และมีภาษีความเยิ่นเย้อที่คูณต้นทุนเอาต์พุตจริง Inkling Small มีป้ายราคาสองแบบ: แบบเช่า — ประมาณ $0.50 / $1.20 ต่อล้านบนเอนด์พอยต์ของบุคคลที่สาม หรือ $0.30 / $1.20 สำหรับบุคคลที่หนึ่ง — และแบบเป็นเจ้าของ ซึ่งเป็นการซื้อฮาร์ดแวร์ที่จริงจังและเวลาในการวิศวกรรมเพื่อรองรับ 276B พารามิเตอร์ เศรษฐศาสตร์ที่วัดโดย Artificial Analysis ทำให้ Inkling Small มีราคาแบบผสมประมาณ $0.22 ต่อ 1M โทเค็น และประมาณ $0.07 ต่องานดัชนีเชาวน์ปัญญา ซึ่งทำให้ถูกอย่างแท้จริงเมื่อเรียกใช้เป็น API เมื่อเทียบกับสิ่งที่มันมอบให้ แต่ตัวเลือกแบบเปิดน้ำหนักไม่มีการคิดตามการใช้งานเลยหลังจากจ่ายค่าฝึกและโฮสต์ ซึ่งเป็นตรรกะเดียวกับที่ดึงดูดผู้คนให้มาที่เช็คพอยต์ 2.6B และยากที่จะให้เหตุผลได้มากกว่ามากที่ 276B

ยังมีเงื่อนไขด้านความสามารถที่ผูกมากับโมเดลแบบเปิด ซึ่งสเปกชีตมองไม่เห็น การ์ดของ Inkling Small แนะนำอินพุตเสียงไม่เกินสองนาที ขณะที่รุ่นเรือธงรองรับไม่เกินยี่สิบนาที — ซึ่งลดลงถึงสิบเท่าหากคุณใช้เพื่อสรุปการประชุม ปัจจุบันไม่มีเอนด์พอยต์ที่โฮสต์อยู่ตัวใดโฆษณา response_format (JSON ที่บังคับตามสคีมา) ซึ่งสำคัญหากไปป์ไลน์ของคุณต้องพึ่งพาเอาต์พุตที่มีโครงสร้าง และความทนทานต่อการโจมตีแบบ adversarial จากตัวเลขของแล็บเอง (71.6% บนชุด FORTRESS adversarial) ก็เป็นเหตุผลที่ควรคิดให้รอบคอบก่อนจะนำไปวางไว้หลังกล่องข้อความสาธารณะ ส่วน Ling 3.0 Tiny ซึ่งเป็น API ที่ไม่มีน้ำหนัก (weights) ไม่มีปัญหาเรื่องการโฮสต์ด้วยตัวเองเหล่านี้ — คุณต้องยอมรับสิ่งที่เอนด์พอยต์ส่งให้

"small" แบบไหนที่เหมาะกับปัญหาของคุณ

เลือก {{1}}Ling 3.0 Tiny{{/1}} เมื่อคุณต้องการ {{2}}การให้เหตุผลผ่านข้อความ{{/2}} ที่ถูกที่สุดเท่าที่จะเช่าใช้ได้ คุณไม่จำเป็นต้องดู {{3}}ภาพหรือฟังเสียง{{/3}} คุณให้คุณค่ากับ {{4}}โมเดลที่ได้รับการให้คะแนนอย่างอิสระ{{/4}} ซึ่งลองใช้ได้ {{5}}ฟรีในสัปดาห์นี้{{/5}} และคุณรับได้กับ {{6}}การคิดเงินตามปริมาณการใช้งานและโมเดลที่ให้คำตอบยาว{{/6}} เลือก {{7}}Inkling Small{{/7}} เมื่อคุณต้องการความสามารถที่เหนือกว่า — {{8}}อินพุตหลายรูปแบบที่ใช้ได้จริง{{/8}}, {{9}}พารามิเตอร์ที่ทำงานจริง 12B แห่งความแข็งแกร่งแบบเอเจนต์{{/9}}, {{10}}คะแนนดัชนีสูงกว่า 17 จุด{{/10}} — หรือเมื่อคุณต้องการ {{11}}น้ำหนักโมเดลแบบเปิดที่คุณเป็นเจ้าของ ปรับแต่ง หรือย้ายออกจากผู้ให้บริการได้ทั้งหมด{{/11}} เลือกมันเพราะ {{12}}รูปแบบอินพุตและคะแนนดัชนี ไม่ใช่เพราะชื่อ{{/12}}

หมายเหตุตรงไปตรงมาเกี่ยวกับการเช่าพวกมัน

{{1}}ทั้งสองโมเดลนี้ไม่ได้อยู่ใน OrcaRouter และเราจะไม่สื่อเป็นนัยว่าอยู่{{/1}} {{2}}Ling 3.0 Tiny ให้บริการผ่านเอนด์พอยต์ฟรีของตัวเอง ส่วน Inkling Small อยู่บน Tinker API ของ Thinking Machines, เอนด์พอยต์ของบุคคลที่สาม หรือโหนด GPU ของคุณเอง{{/2}} {{3}}สิ่งที่ OrcaRouter มีประโยชน์ในกรณีเปรียบเทียบนี้คือทุกอย่างรอบๆ ตัวมัน: โมเดลระดับแนวหน้าและระดับกลางที่คุณจะใช้เป็นเกณฑ์เปรียบเทียบ และโมเดลที่คุณจะกำหนดเส้นทางไปเมื่อเทียร์ราคาถูกถึงขีดจำกัด{{/3}} {{4}}เมื่อหน้าต่างฟรีของ Ling 3.0 Tiny ปิดลง หรือเอนด์พอยต์ฟรีถูกจำกัดอัตราการใช้งาน เส้นทางหลบหนีคือเทียร์ประหยัดแบบโฮสต์ — Qwen 3.7 Flash ที่ $0.03 / $0.13, Gemini 3.5 Flash-Lite ที่ $0.30 / $2.50 และอีก 200+ รายการภายใต้คีย์ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียว โดยคิดมาร์กอัป 0% ราคารายการของผู้ให้บริการจึงเป็นราคาที่ต้องจ่าย พร้อมการเฟลโอเวอร์อัตโนมัติ เพื่อให้การรันเบนช์มาร์กหรือเส้นทางการผลิตไม่ตายเพราะช่วงเวลาย่ำแย่ของผู้ให้บริการรายหนึ่ง{{/4}} {{5}}Inkling Small ซึ่งเป็น open weights คือฝั่งเดียวของการเปรียบเทียบนี้ที่เราเตอร์จะไม่มีวันโฮสต์ให้คุณ — และเป็นฝั่งที่ประเด็นอยู่ตรงนั้น{{/5}}

คำตัดสิน

ชื่อทั้งสองนั้นสื่อถึงเจตนาทางการตลาด ไม่ใช่ขนาด Ling 3.0 Tiny มีขนาดเล็กจริง ๆ และราคาถูกจริง ๆ — เป็นการทดลองใช้ฟรีที่ดีที่สุดในระดับราคาประหยัดของเดือนนี้ พร้อมคะแนนอิสระที่ซื่อตรงแม้จะไม่สูงนัก และมิเตอร์ที่เริ่มนับตั้งแต่วันที่ 14 สิงหาคม Inkling Small เป็นโมเดลขนาด 276B ที่มีชื่อเล็ก — มีพารามิเตอร์ที่ใช้งานจริงมากกว่าสิบเท่า คะแนนดัชนีสูงกว่าสิบเจ็ดจุด รองรับมัลติโมดัลโดยธรรมชาติ และมีน้ำหนักโมเดลแบบเปิดที่คุณเป็นเจ้าของได้จริง หากคุณต้องการเช่าการให้เหตุผลเชิงข้อความที่ถูกที่สุดที่ใช้งานได้ ให้เลือก Ling 3.0 Tiny แล้วเพลิดเพลินกับสัปดาห์ฟรี หากคุณต้องการโมเดลที่คุณเป็นเจ้าของได้ ปรับแต่งได้ และรันได้ด้วยตัวเอง — หรือโมเดลที่ฟังและมองเห็นได้ — คำว่า "Small" ไม่ใช่คำที่ถูกต้องสำหรับสิ่งที่คุณต้องการ