Ling 3.0 Tiny 对比 LFM2.5-2.6B-Base：两种免费，而今天只有一种能回答你

这两个模型都是免费的。这几乎就是它们唯一的共同点。Ling 3.0 Tiny，蚂蚁集团 InclusionAI 的 79 亿参数混合专家推理模型，它是免费的，因为有人在运行服务器并为其提供 API——你将密钥粘贴到客户端中，它立即回答你的段落，无需训练运行，无需 GPU。LFM2.5-2.6B-Base，Liquid AI 的 26.9 亿参数预训练检查点，它是免费的，因为有人发布了权重文件——上次统计有 151 次下载，没有任何推理提供商托管它，而且模型卡建议该基础模型“仅用于需要大量微调的任务”。一个是带有计费表的产品。另一个是原材料。这个比较关乎你实际需要哪种免费，因为无论这两个模型都说“$0”多少个月，它们都不会为同一个人服务。

这些名称让差异很容易被忽略。两者都属于“微型/小型模型”类别，这一类别已成为2026年AI领域竞争最激烈的赛道。两者都仅支持文本，都拥有足以处理实际工作的上下文窗口，并且都能在有限的预算下运行真正实用的模型。但它们的构建理念不同，所属方不同，获取或拥有方式也截然不同。在选择之前，最值得问的一个问题是：你需要的是答案，还是权重？

Ling 3.0 Tiny，免费API

Ling 3.0 Tiny 于2026年8月6日发布，采用的是典型的低调发布模式：以蚂蚁集团模型部门 InclusionAI 发布的商业 API 列表形式亮相，而非主题演讲。其架构是一个混合专家（MoE）模型，总参数为79亿，每个 token 约激活13亿参数——规模小到可以低成本部署，又足够大以具备真正的推理能力。它支持256K token 的上下文窗口（商业列表显示为262K），最多可输出32K token，并附带两种可按请求切换的模式：默认开启的“Thinking”模式，会花费额外 token 进行推理；以及直接作答的“Instant”模式。原生函数调用和提示词缓存均为其宣传的卖点，这对智能体工作至关重要。

定价是“免费”需要厘清的地方。目前该模型确实可以免费调用：它被列为inclusionai/ling-3.0-tiny:free，输入和输出均为 $0 费率，同时第二个网关也以免费促销的形式运行它，名称为inclusionai/ling-3.0-tiny-free，该促销持续到 2026 年 8 月 14 日上午 8:00（太平洋时间）。促销结束后，适用 Vercel 公布的费率表：每百万输入 token 收费 $0.06，每百万输出 token 收费 $0.18，每百万缓存输入 token 收费 $0.01。这是一个真实的价格——大约是降费后 GPT-5.6 Luna 档位的三分之一，以此给你一个参照——但它并非你在八月中旬之后仍可依赖的“免费”。任何基于 Ling 3.0 Tiny 永久 $0 这一假设进行开发的人，都是在依赖一个终会结束的促销。

LFM2.5-2.6B-Base，免费权重

LFM2.5-2.6B-Base 则是完全免费的另一类模型。它是 Liquid AI 的 LFM2.5-2.6B 系列背后的预训练基础检查点，于 2026 年 8 月 4 日发布在 Hugging Face 上——就在同一周，O​penAI 将 GPT-5.6 Luna 的价格下调了 80%，这多少说明了为什么整个市场如此拥挤。该基础模型是一个 26.9 亿参数、bfloat16 精度的混合架构模型：包含 22 个双门控短卷积块和 8 个分组查询注意力层，拥有覆盖 16 种语言的 128,000 token 词表，以及约 34 万亿预训练 token——对于这种体量的模型来说，如此长的训练过程实属罕见。

此外，用所有可用的衡量标准来看，它都是未经衡量的。Liquid 自己的发布给后训练的兄弟模型 LFM2.5-2.6B 提供了基准测试表和 47,000 次首周下载，而基础检查点只得到一个括号和 151 次下载。基础模型没有任何已发布的评估——在 Liquid 的任何平台上都没有 MMLU、GPQA 或困惑度数据。它仅支持文本。根据仓库的 config.json，其上下文长度为 128K（模型卡宣传的是 131,072，而 config 才是训练脚本实际打包时使用的）。而且没有任何推理提供商托管它，所以要了解这些权重的实际能力，唯一的方法是自己微调并部署——这正是模型卡建议你做的。它基于 LFM 开放许可证 v1.0 发布，该许可证将商业使用限制在年收入 1000 万美元以内，并将这一上限延伸到衍生作品，比如你的微调模型。

诚实的记分牌

这场对比中，两款2026年型号之间的数据证据呈现最一边倒的局面。Ling 3.0 Tiny拥有一项独立评分：Artificial Analysis在智能指数上给它打了23分，在其规模级别的56款模型中排名第6，而同级中位数为8——对于如此小的模型来说远高于平均水平。该指数是九项评估的综合结果，包括Terminal-Bench 2.1、GPQA Diamond和Humanity's Last Exam，这些评估由第三方运行，而非由供应商挑选。

LFM2.5-2.6B-Base 完全没有分数。人们为这个模型家族引用的智能体（agentic）分数——ToolSandbox 77.83、IFBench 59.17、Multi-IF 80.07、AIME25 51.87——属于后训练（post-trained）版本的 LFM2.5-2.6B，它们是供应商自我报告的，并且是四阶段后训练流程的输出结果，而该流程并不存在于基础检查点（base checkpoint）中。获取基础权重后，你继承的是预训练部分——语言能力、世界知识、长上下文能力——而没有任何指令遵循的得分榜。基础模型携带的唯一数字是 34T 训练 token，那是一个预算，而不是结果。还没有人报告这些预算究竟买来了什么。

区分它们的六个维度，每个一行：

• 价格 — Ling 3.0 Tiny 在免费促销后为每 1M $0.06 / $0.18（免费至 8 月 14 日），而 LFM2.5-2.6B-Base 下载免费，只需支付你的训练费用，且永久如此。

• 上下文 — Ling 3.0 Tiny 支持 256K tokens，而 LFM2.5-2.6B-Base 仅支持 128K（config.json），两者相差 2 倍。

• 参数 — MoE模型总参数79亿，激活参数约13亿；对比稠密模型26.9亿；两者均为纯文本模型。

• 独立评分 — Ling 3.0 Tiny AA Intelligence Index 23（#6/56），对比 LFM2.5-2.6B-Base 无已发布评测。

• 模式 — Ling 3.0 Tiny 支持思考/即时切换、函数调用、提示缓存，而 LFM2.5-2.6B-Base 在您进行后训练之前则一无所有。

• 已提供服务 — Ling 3.0 Tiny 今天已通过自己的商业端点上线，而 LFM2.5-2.6B-Base 目前在全球范围内没有任何推理提供商托管。

不对称性正是重点：今天下午你就能花点小钱，用自己的提示词对 Ling 3.0 Tiny 做 A/B 测试，拿回来的数字都是可核验的。这个基础检查点赌的是你自己的微调能力，目前还没有任何外部验证可用。

“免费”的代价：按量计费的答案 vs 停摆的计量表

Ling 3.0 Tiny 的计费在促销结束后永远不会停止。每个输入和输出 token 都按所列费率计费，无论你以何种并发运行，都是如此。还有一个隐藏成本：Artificial Analysis 在对其 56 个模型类别进行评分时，测得该模型生成了 2.1 亿个输出 token，而中位数仅为 6300 万，并将其标记为“非常冗长”。一个推理模型在思考时会消耗额外的输出 token，其每项任务的有效成本高于费率表所暗示的水平，而冗长性也在一定程度上削弱了价格优势。今天的免费定价加上明天的冗长计费，是一种真实的经济权衡，而不是四舍五入的误差。

基础检查点的“免费”是一种不同的计算方式：下载本身不花一分钱，但之后会让你付出数据、训练运行和硬件的成本。一个10万样本的监督微调数据集，生成所需的token大约花费十美元；100万样本的数据集则接近一百美元。微调本身——2.6B参数在单块GPU上只是一次短任务——需要数小时的机器时间，外加你的工程时间。要部署服务，你需要一台设备；Liquid报告该系列在Apple M5 Max上解码速度约为每秒220个token，在Ryzen AI Max+ 395上为113，这些是厂商在训练后的同系列模型上测得的，而基础版本没有自己的速度数据。实际上，这意味着你可以用一台已有的笔记本电脑，或者一台起价约1,500美元的新机器。

关键区别与本博客此前用来对比LFM2.5-2.6B-Base和重新定价的GPT-5.6 Luna时所用的框架相同：一个计费表永不停摆，另一个在训练结束当天就停止计费。Ling 3.0 Tiny按token收费，无论你的并发量是多少，永远如此。而基础模型的边际token在训练运行结束后是免费的，不限并发量，只要你的并发代理能喂多少，它就接多少。这是2.6B在成本上真正击败按量计费API的唯一场景：高流量、高并发、常驻型工作负载。

谁应该选哪个

如果…，请选择 Ling 3.0 Tiny

你这周需要一个可用的模型：一个能通过兼容O​penAI的端点调用的强大文本推理模型，具备256K上下文、工具调用，以及一个你可以查证的独立评分。免费期让你在真正付费之前有一个实际窗口，可以针对自己的工作负载来评估它；而且即使促销结束后，对于一款实测智能分数高于同类水平的模型来说，$0.06 / $0.18 的价格也很有竞争力。你是在按表租用智能，而你对此感到坦然。

如果…，请选择 LFM2.5-2.6B-Base

你是在自己构建一个模型，而不是租用一个：一种现成模型覆盖不足的语言或领域，一个数据不能离开设备的受监管垂直行业，后训练研究，或者蒸馏学生模型。你的工作负载并发度足够高，因此零边际成本胜过按量计费，而且你能接受许可协议中的收入上限。同时，你也应该对自己诚实，正视这些风险：没有已发布的评测结果，没有服务路径，以及一个你不得不在没有基准可瞄准的情况下调试的微调模型。

诚实的混合体——以及路由器的用武之地

阅读这一配对最有用的方式是将其视为一个系统的两个部分，而非两个对手。基础检查点的真正先决条件是数据：Liquid 自己的后训练方案依赖于教师特化（teacher specialisation）和同策略蒸馏（on-policy distillation），这意味着让基础模型发挥作用，首先要进行多模型数据生成工作，然后才能进入训练阶段。这正是像 Ling 3.0 Tiny 这样廉价而强大的 API 模型——或者追求更高质量时，OrcaRouter 上的任意文本层级——作为小型本地学生模型的教师而占据一席之地的原因。趁免费窗口还在时抓紧运行，生成微调语料库，然后将基础模型训练成属于你自己的东西。

在 API 这一侧，在讨论我们自己的产品之前，先坦诚说明一点：Ling 3.0 Tiny 和 LFM2.5-2.6B-Base 都不在 OrcaRouter 上。Ling 3.0 Tiny 由自己的商业端点提供，而基础检查点没有任何托管方。OrcaRouter 真正有用的地方，是承载教师模型及其周围的 API 流量——Qwen 3.7 Flash 每 1M 收费 $0.03 / $0.13，Gemini 3.5 Flash-Lite 收费 $0.30 / $2.50，另有 200 多个模型可用一个密钥访问，0% 加价，因此你支付的就是供应商的标价，供应商降价当天即可生效。对于不能半途中断的数据生成任务，跨提供商的自动故障转移比模型选择更重要。但本文讨论的这两个模型，我们一个都没有托管，我们也不会对此装作不是这样。

判决

这与其说是两款廉价模型之间的比拼，不如说是在两种花钱方式之间的岔路口做选择。如果你需要答案——可靠的、可核验的、可按需租用的答案——Ling 3.0 Tiny 今日上线，下周之前免费使用，独立评分高于同类产品，促销期过后定价低廉。如果你想拥有这个模型——离线、私密、零边际成本，微调成属于你自己的东西——LFM2.5-2.6B-Base 是少数几个真正未经评测的 2.6B 检查点之一，背后有 34T 词元的预训练支撑，而你将成为全世界最早发现它有多好的人之一。两者都是免费的，但免费的“货币”不同：Ling 3.0 Tiny 消耗的是你的计量用量，而 LFM2.5-2.6B-Base 消耗的是一次训练运行。