Ling 3.0 Tiny so với LFM2.5-2.6B-Base: Hai loại miễn phí, và chỉ một loại trả lời bạn hôm nay

Cả hai mô hình này đều miễn phí. Đó gần như là điểm chung duy nhất của chúng.Ling 3.0 Tiny, mô hình suy luận hỗn hợp chuyên gia 7.9 tỷ tham số của Ant Group InclusionAI, miễn phí vì có người đang chạy một máy chủ và trỏ một API vào nó — bạn dán khóa vào ứng dụng khách và nó trả lời đoạn văn của bạn ngay lập tức, không cần chạy huấn luyện, không cần GPU.LFM2.5-2.6B-Base, một điểm kiểm tra tiền huấn luyện 2.69 tỷ tham số của Liquid AI, miễn phí vì ai đó đã công bố một tệp trọng số — 151 lượt tải về tính đến lần đếm gần nhất, không có nhà cung cấp dịch vụ suy luận nào lưu trữ nó ở bất kỳ đâu, và thẻ mô hình khuyến nghị phiên bản gốc "chỉ dành cho các tác vụ yêu cầu tinh chỉnh chuyên sâu." Một mô hình là một sản phẩm có đồng hồ đo, mô hình còn lại là nguyên liệu thô. Sự so sánh này nói về loại miễn phí nào bạn thực sự cần, vì hai mô hình sẽ không hợp với cùng một người dù cả hai đều ghi "0 đô la" trong bao nhiêu tháng đi nữa.

Cái tên khiến sự khác biệt dễ bị bỏ lỡ. Cả hai đều nằm trong nhóm "mô hình tiny / small model" — phân khúc đã trở thành kệ hàng đông đúc nhất trong lĩnh vực AI vào năm 2026. Cả hai đều chỉ xử lý văn bản, đều có ngữ cảnh đủ lớn để làm việc thực tế, và đều có thể chạy một mô hình thực sự hữu ích với ngân sách vừa phải. Nhưng chúng được xây dựng theo những triết lý khác nhau, thuộc sở hữu của các bên khác nhau, và được thuê hoặc sở hữu qua các kênh hoàn toàn khác nhau. Trước khi chọn một trong hai, câu hỏi hữu ích nhất bạn nên đặt ra là: bạn cần câu trả lời, hay bạn cần trọng số mô hình?

Ling 3.0 Tiny, API miễn phí

Ling 3.0 Tiny được phát hành vào ngày 6 tháng 8 năm 2026 theo mô hình ra mắt âm thầm kinh điển: một bản niêm yết API thương mại từ InclusionAI, bộ phận mô hình của Ant Group, thay vì một bài keynote. Kiến trúc của nó là mô hình hỗn hợp chuyên gia (mixture-of-experts) với 7,9 tỷ tham số tổng cộng và khoảng 1,3 tỷ tham số kích hoạt trên mỗi token — đủ nhỏ để vận hành với chi phí thấp, đủ lớn để có năng lực suy luận thực sự. Mô hình hỗ trợ cửa sổ ngữ cảnh 256K token (các bản niêm yết thương mại hiển thị 262K), tối đa 32K token đầu ra, đồng thời đi kèm hai chế độ bạn có thể chuyển đổi theo từng yêu cầu: chế độ "Thinking" bật mặc định — tiêu tốn thêm token để suy luận — và chế độ "Instant" trả lời trực tiếp. Khả năng gọi hàm nguyên bản và bộ nhớ đệm prompt đều được công bố, điều quan trọng cho công việc của agent.

Định giá là điểm cần làm rõ chữ “miễn phí”. Hiện tại, mô hình thực sự miễn phí khi gọi: nó được niêm yết là inclusionai/ling-3.0-tiny:free với mức giá $0 cho cả đầu vào và đầu ra, và một cổng thứ hai đang chạy nó như một chương trình khuyến mãi miễn phí dưới tên inclusionai/ling-3.0-tiny-free cho đến 8:00 sáng theo giờ PT ngày 14 tháng 8 năm 2026. Sau chương trình khuyến mãi đó, biểu giá niêm yết của Vercel sẽ được áp dụng: $0,06 cho mỗi triệu token đầu vào, $0,18 cho mỗi triệu token đầu ra và $0,01 cho mỗi triệu token đầu vào được lưu trong bộ nhớ đệm. Đó là một mức giá thực — khoảng một phần ba so với tầng GPT-5.6 Luna sau khi cắt giảm, để hình dung quy mô — nhưng đó không phải là thứ “miễn phí” bạn có thể dựa vào sau giữa tháng 8. Bất kỳ ai xây dựng trên giả định rằng Ling 3.0 Tiny miễn phí vĩnh viễn với $0 là đang xây dựng trên một chương trình khuyến mãi sẽ kết thúc.

LFM2.5-2.6B-Base, trọng số miễn phí

LFM2.5-2.6B-Base là loại hoàn toàn miễn phí còn lại. Đây là checkpoint nền được tiền huấn luyện đằng sau dòng sản phẩm LFM2.5-2.6B của Liquid AI, được công bố trên Hugging Face vào ngày 4 tháng 8 năm 2026 — cùng tuần mà O​penAI cắt giảm 80% giá của GPT-5.6 Luna, điều này phần nào cho thấy lý do vì sao cả thị trường đang chật cứng. Mô hình nền này sở hữu 2,69 tỷ tham số ở định dạng bfloat16 với kiến trúc lai: 22 khối tích chập ngắn cổng kép cùng 8 lớp chú ý truy vấn nhóm, từ vựng 128.000 token bao phủ 16 ngôn ngữ, và khoảng 34 nghìn tỷ token tiền huấn luyện — một quá trình huấn luyện dài bất thường so với một mô hình có kích thước như vậy.

Theo mọi thước đo hiện có, nó cũng chưa từng được đo lường. Chính đợt ra mắt của Liquid đã trao cho phiên bản anh em được hậu huấn luyện LFM2.5-2.6B bảng benchmark cùng 47.000 lượt tải trong tuần đầu tiên, trong khi checkpoint gốc chỉ được nhắc đến trong một dấu ngoặc đơn và có 151 lượt tải. Checkpoint gốc không có bất kỳ đánh giá công bố nào — không MMLU, không GPQA, không perplexity trên bất kỳ nền tảng nào của Liquid. Nó chỉ hỗ trợ văn bản. Ngữ cảnh của nó là 128K theo config.json trong kho lưu trữ (thẻ mô hình quảng cáo 131.072, còn config mới là thứ mà tập lệnh huấn luyện thực sự đóng gói tới). Và không có nhà cung cấp suy luận nào lưu trữ nó, nên cách duy nhất để xem các trọng số này làm được gì là tự tinh chỉnh và phục vụ chúng — đúng như những gì thẻ mô hình hướng dẫn bạn làm. Nó được phát hành theo LFM Open License v1.0, vốn giới hạn sử dụng thương mại ở mức 10 triệu đô la doanh thu hằng năm và áp dụng giới hạn đó lên các tác phẩm phái sinh như bản tinh chỉnh của bạn.

Bảng điểm trung thực

Trận đấu này có tình trạng bằng chứng chênh lệch nhất mà bạn sẽ thấy giữa hai mẫu xe 2026. Ling 3.0 Tiny có điểm số độc lập: Artificial Analysis chấm cho nó 23 trên Chỉ số Trí tuệ, xếp hạng #6 trong số 56 mẫu cùng phân khúc kích thước, so với mức trung bình của phân khúc là 8 — cao hơn hẳn mức trung bình đối với một mẫu nhỏ như vậy. Chỉ số đó là tổng hợp của chín bài đánh giá, bao gồm Terminal-Bench 2.1, GPQA Diamond và Humanity's Last Exam, được thực hiện bởi bên thứ ba chứ không phải do nhà cung cấp lựa chọn.

LFM2.5-2.6B-Base không có điểm số nào cả. Các con số agentic mà mọi người trích dẫn cho dòng mô hình này — ToolSandbox 77.83, IFBench 59.17, Multi-IF 80.07, AIME25 51.87 — thuộc về LFM2.5-2.6B đã qua hậu huấn luyện, do nhà cung cấp công bố, và là đầu ra của một quy trình hậu huấn luyện bốn giai đoạn không tồn tại trong checkpoint cơ sở. Khi lấy các trọng số cơ sở, bạn kế thừa phần tiền huấn luyện — các ngôn ngữ, tri thức thế giới, khả năng ngữ cảnh dài — nhưng không có bảng điểm nào về khả năng làm theo chỉ dẫn. Con số duy nhất mà bản cơ sở mang theo là 34T token huấn luyện, một ngân sách chứ không phải kết quả. Chưa ai báo cáo con số đó đã mua được những gì.

Sáu chiều kích ngăn cách chúng, mỗi chiều một dòng:

• Giá — Ling 3.0 Tiny $0.06 / $0.18 mỗi 1M sau chương trình khuyến mãi miễn phí (miễn phí đến hết ngày 14 tháng 8) so với LFM2.5-2.6B-Base $0 để tải xuống, cộng với hóa đơn đào tạo của bạn, mãi mãi.

• Ngữ cảnh — 256K token trên Ling 3.0 Tiny so với 128K trên LFM2.5-2.6B-Base (config.json), chênh lệch gấp 2 lần.

• Tham số — MoE: ~1,3 tỷ tham số hoạt động trên tổng số 7,9 tỷ; dense: 2,69 tỷ; cả hai chỉ hỗ trợ văn bản.

• Điểm đánh giá độc lập — Ling 3.0 Tiny AA Intelligence Index 23 (#6/56) so với LFM2.5-2.6B-Base không có đánh giá công bố nào.

• Chế độ — Ling 3.0 Tiny: chuyển đổi Thinking/Instant, gọi hàm, bộ nhớ đệm lời nhắc so với LFM2.5-2.6B-Base: không có gì cho đến khi bạn post-train nó.

• Đã phục vụ — Ling 3.0 Tiny hiện đang hoạt động trên các endpoint thương mại riêng của mình vào hôm nay, so với LFM2.5-2.6B-Base không được bất kỳ nhà cung cấp inference nào lưu trữ ở bất kỳ đâu.

Sự bất đối xứng chính là điểm mấu chốt: bạn có thể A/B test Ling 3.0 Tiny với các prompt của chính mình ngay chiều nay với chi phí rất nhỏ, và những con số bạn nhận lại là có thể kiểm chứng được. Checkpoint cơ sở là một canh bạc vào kỹ năng fine-tuning của chính bạn khi chưa có sự xác thực bên ngoài nào.

Cái giá của sự "miễn phí": một câu trả lời có chừng mực so với một chiếc đồng hồ ngừng chạy

Đồng hồ tính phí của Ling 3.0 Tiny không bao giờ dừng lại sau khi chương trình khuyến mãi kết thúc. Mọi token vào và ra đều bị tính phí theo mức giá đã niêm yết, mãi mãi, ở bất kỳ mức độ đồng thời nào bạn chạy. Còn có một chi phí ẩn nữa: Artificial Analysis đã đo mô hình này tạo ra 210 triệu token đầu ra khi chấm điểm lớp 56 mô hình của nó — so với mức trung vị 63 triệu — và đánh dấu nó là "rất dài dòng". Một mô hình suy luận đốt thêm token đầu ra để suy nghĩ sẽ có chi phí hiệu quả trên mỗi tác vụ cao hơn so với biểu giá gợi ý, và sự dài dòng này phần nào làm xói mòn lợi thế về giá. Định giá miễn phí hôm nay cộng với cách tính phí "dài dòng" từ ngày mai là một sự đánh đổi kinh tế thực sự, không phải là một sai số làm tròn.

Phiên bản "miễn phí" của checkpoint gốc là một cách tính toán khác: tải về không tốn phí, nhưng sau đó bạn phải trả bằng dữ liệu, một lần huấn luyện và phần cứng. Một tập dữ liệu tinh chỉnh có giám sát 100K ví dụ tốn khoảng mười đô la token để tạo ra; tập 1M ví dụ thì gần một trăm đô la. Bản thân việc tinh chỉnh — mô hình 2.6B là một lần chạy ngắn trên một GPU — tốn vài giờ máy chạy cộng với giờ kỹ thuật của bạn. Để phục vụ nó, bạn cần một thiết bị; Liquid báo cáo dòng sản phẩm này đạt khoảng 220 token/giây khi giải mã trên Apple M5 Max và 113 trên Ryzen AI Max+ 395, được nhà cung cấp đo trên phiên bản anh em sau huấn luyện, còn bản gốc không có số liệu tốc độ riêng. Trên thực tế, điều đó có nghĩa là một chiếc laptop bạn đã có hoặc một máy mới có giá khởi điểm khoảng 1.500 đô la.

Sự khác biệt quyết định cũng chính là điều blog này từng dùng để định khung LFM2.5-2.6B-Base so với GPT-5.6 Luna được định giá lại: một bộ đo đếm không bao giờ dừng, còn bộ kia dừng lại ngay khi quá trình huấn luyện kết thúc. Ling 3.0 Tiny tính phí theo từng token ở bất kỳ mức độ đồng thời nào của bạn, mãi mãi. Token cận biên của mô hình Base là miễn phí sau đợt huấn luyện, ở bất kỳ mức độ đồng thời nào, cho bao nhiêu tác tử đồng thời tùy theo khả năng bạn có thể nạp dữ liệu cho nó. Đó là chế độ duy nhất mà một mô hình 2.6B thực sự vượt trội hơn một API tính phí theo mức sử dụng về chi phí: khối lượng lớn, độ đồng thời cao, tác vụ thường trực.

Ai nên chọn cái nào

Chọn Ling 3.0 Tiny nếu…

Bạn cần một mô hình hoạt động được trong tuần này: một mô hình lý luận văn bản mạnh mẽ mà bạn có thể gọi qua một endpoint tương thích O​penAI, với ngữ cảnh 256K, khả năng gọi công cụ, và một điểm số độc lập mà bạn có thể tra cứu. Giai đoạn miễn phí cho bạn một khoảng thời gian thực sự để đánh giá nó trên khối lượng công việc của riêng bạn trước khi trả bất cứ chi phí nào, và ngay cả sau chương trình khuyến mãi, mức giá $0,06 / $0,18 vẫn rất cạnh tranh đối với một mô hình có điểm số thông minh đo được vượt trên phân khúc của nó. Bạn đang thuê trí thông minh theo đồng hồ đo, và bạn cảm thấy thoải mái với điều đó.

Chọn LFM2.5-2.6B-Base nếu…

Bạn đang xây dựng một mô hình thay vì thuê một mô hình: một ngôn ngữ hoặc lĩnh vực mà các mô hình có sẵn chưa phục vụ đầy đủ, một ngành dọc có quy định chặt chẽ nơi dữ liệu không thể rời khỏi thiết bị, nghiên cứu hậu huấn luyện, hoặc một học viên sinh ra từ chưng cất. Khối lượng công việc của bạn đủ đòi hỏi độ đồng thời cao đến mức chi phí biên bằng không đánh bại hóa đơn tính theo mức sử dụng, và bạn thoải mái với giới hạn doanh thu trong giấy phép. Bạn cũng nên thành thật với chính mình về những rủi ro: không có đánh giá công bố, không có đường dẫn phục vụ, và một bản tinh chỉnh mà bạn sẽ phải gỡ lỗi mà không có điểm chuẩn để nhắm tới.

Hybrid đúng nghĩa — và vị trí của bộ định tuyến

Cách đọc hữu ích nhất về cặp đôi này là xem chúng như hai nửa của một hệ thống thay vì hai đối thủ. Điều kiện tiên quyết thực sự của checkpoint cơ sở là dữ liệu: công thức hậu huấn luyện của Liquid vận hành dựa trên chuyên môn hóa giáo viên và chưng cất on-policy, nghĩa là để làm cho mô hình cơ sở hữu ích, bạn phải bắt đầu với một công việc tạo dữ liệu từ nhiều mô hình trước khi nó trở thành một công việc huấn luyện. Đó chính là nơi một mô hình API rẻ mà mạnh như Ling 3.0 Tiny — hoặc, ở chất lượng cao hơn, bất kỳ mức văn bản nào trên OrcaRouter — xứng đáng giữ vị trí giáo viên cho một học viên cục bộ nhỏ. Hãy tận dụng cửa sổ miễn phí khi nó còn hiệu lực, tạo kho ngữ liệu tinh chỉnh, rồi huấn luyện mô hình cơ sở thành thứ bạn sở hữu.

Về phía API, một lời cảnh báo thẳng thắn trước khi chúng tôi nói bất cứ điều gì về sản phẩm của mình: cả Ling 3.0 Tiny lẫn LFM2.5-2.6B-Base đều không nằm trên OrcaRouter. Ling 3.0 Tiny được phục vụ bởi các endpoint thương mại riêng, còn checkpoint cơ sở thì không được ai lưu trữ. Điều OrcaRouter làm hữu ích thực sự là vận chuyển các mô hình giáo viên và lưu lượng API xung quanh chúng — Qwen 3.7 Flash với giá $0.03 / $0.13 mỗi 1M, Gemini 3.5 Flash-Lite ở mức $0.30 / $2.50, cùng hơn 200 mô hình khác chỉ với một khóa API và mức tăng giá 0%, nên bạn trả đúng giá niêm yết của nhà cung cấp và việc giảm giá từ nhà cung cấp cũng được áp dụng ngay trong ngày. Đối với một lần chạy tạo dữ liệu không được phép chết giữa chừng, khả năng tự động chuyển đổi dự phòng giữa các nhà cung cấp quan trọng hơn việc chọn mô hình. Nhưng chúng tôi không lưu trữ cả hai mô hình mà bài viết này đề cập đến, và chúng tôi sẽ không giả vờ điều ngược lại.

Phán quyết

Đây không hẳn là cuộc so tài giữa hai mô hình giá rẻ, mà là ngã rẽ giữa hai cách tiêu tiền của bạn. Nếu bạn cần câu trả lời — những câu trả lời có năng lực, có thể kiểm chứng, có thể thuê được — Ling 3.0 Tiny đã ra mắt hôm nay, miễn phí trong tuần tới, được đánh giá độc lập vượt trên phân khúc của mình, và có mức giá rẻ sau đợt khuyến mãi. Nếu bạn muốn sở hữu mô hình — ngoại tuyến, riêng tư, chi phí biên bằng không, được tinh chỉnh thành thứ gì đó của riêng bạn — LFM2.5-2.6B-Base là một trong số ít checkpoint 2.6B thực sự chưa được đo lường, với 34T token tiền huấn luyện đằng sau, và bạn sẽ là một trong những người đầu tiên trên thế giới khám phá ra nó tốt đến mức nào. Cả hai đều miễn phí. Chúng miễn phí theo những đơn vị tiền tệ khác nhau: Ling 3.0 Tiny tính phí theo đồng hồ đo, còn LFM2.5-2.6B-Base tính phí bằng một lần chạy huấn luyện.