Ling 3.0 Tiny 對比 Inkling Small：「Small」一詞在兩個名稱中舉足輕重

"Tiny" 和 "Small" 聽起來像是同一種尺寸，而這兩個掛著這些名稱的最新模型，實際上卻天差地遠。Ling 3.0 Tiny 是螞蟻集團 InclusionAI 推出的 79 億參數專有 MoE 模型——每個 token 約啟動 13 億參數，今日即可透過其自有 API 端點免費呼叫，僅限文字，在 Artificial Analysis Intelligence Index 上獲得 23 分。Inkling Small 則是 Thinking Machines Lab 推出的 2760 億參數開放權重稀疏 MoE 模型——啟動參數 12B，Apache 2.0 權重可在 Hugging Face 取得，原生支援文字、影像與音訊輸入，在同一指數上獲得 40 分。一個在每個真實意義上都更小，且出租價格僅需幾美分；另一個則是將近三千億參數，你可以下載並在自己的硬體上執行。這些名字就是陷阱：這不是兩個小型模型的比較，而是兩種截然不同的 AI 購買方式的對比，兩者唯一的共同行銷決策，就是一個表示「小」的形容詞。

兩者發布時間僅相隔數日，正值模型市場有史以來最擁擠的夏季——Inkling Small 於 2026 年 7 月 30 日發布，Ling 3.0 Tiny 於 8 月 6 日發布——且兩者瞄準的是同一類買家：想要強大 AI 卻沒有前沿模型預算的團隊。本文釐清兩者各自的真實面貌、獨立數據怎麼說，以及為何「哪個比較好」的問題，其實是「你想擁有哪一個」的問題。

Ling 3.0 Tiny：免費 API

Ling 3.0 Tiny 是一款混合專家（Mixture-of-Experts）推理模型，總參數量為 7.9B，每個 token 約有 1.3B 參數參與運算——模型小巧、部署成本低廉，目前的定價策略旨在拓展市佔。它支援 256K token 的上下文視窗（商業列表與 Artificial Analysis 上為 262K），最多可產生 32K token 的輸出，具備原生函式呼叫與提示詞快取功能，並可在每次請求時切換預設開啟的「Thinking」模式與直接回應的「Instant」模式。此模型僅接受文字輸入並產生文字輸出，不包含視覺或音訊處理能力。

商業模式才是最引人注目的部分。它被列為inclusionai/ling-3.0-tiny:free，輸入和輸出兩端均為每百萬 token 0 美元；第二個閘道則免費運行至 2026 年 8 月 14 日太平洋時間上午 8:00，之後將按其所列費率計費：每百萬輸入 token 0.06 美元、每百萬輸出 token 0.18 美元。對 API 模型來說，這是個非凡的數字——幾乎低於市面上所有同級文字模型的收費——而且 Artificial Analysis 已經對它進行過評測：智慧指數 23，在同級 56 個模型中排名第 6，而中位數為 8。同一輪評測也標記它為非常冗長，產生了 2.1 億個輸出 token，而中位數為 6,300 萬個，這是你在估算帳單時要牢記的隱藏成本。

Inkling Small：開放權重

Inkling Small 是另一種物種。它是一個稀疏混合專家（sparse mixture-of-experts）Transformer，總參數 276B，每個 token 啟用 12B——共 42 層，每個 token 路由到 256 個專家中的 6 個，外加 2 個共享專家——從 975B 的旗艦模型 Inkling 以同策略（on-policy）蒸餾而來，再針對智能體編碼（agentic coding）額外進行強化學習。（Artificial Analysis 的技術規格標示為總參數 266B；12B 啟用參數的數字一致，而這項差異不會改變比較結果。）權重在 Hugging Face 上以 Apache 2.0 授權釋出，無商業使用限制。它在輸入端是多模態的——文字、圖片和音訊會進入同一個 token 串流，但輸出僅限文字——而且內建五級思考強度調節（從 minimal 到 xhigh），因此同一組權重可以跑得省，也可以跑得狠。

由於是開放權重，取得途徑完全不同。Thinking Machines 在 Tinker API 上以每百萬 tokens 0.30／1.20 美元的價格提供服務，快取輸入為 0.06 美元；同時也有兩個第三方端點提供該模型，價格約為每 1M 輸入 0.45–0.50 美元／輸出 1.20 美元，但這些端點的上下文上限為 524,288 個 tokens，而非宣稱的 1M。或者你也可以自行下載權重——這意味著 8 位元下需要 276GB 容量、一個多 GPU 節點（而非一般工作站），而且還涉及量化問題（託管端點提供的是 fp8；供應商的基準測試並非在 fp8 上測量）。

獨立計分板

將兩者放在同一個 Artificial Analysis 量表上，能力差距一目了然。Inkling Small 在 Intelligence Index 上得分 40，在其類別中排名第 15（共 101 個）；Ling 3.0 Tiny 得分 23，在其（較小的）類別中排名第 6（共 56 個）。17 分的差距大致相當於「真正實用的預算模型」與「在小模型中明顯高於平均」之間的距離。Inkling Small 的 12B 活躍參數——幾乎是 Ling 3.0 Tiny 的 1.3B 的十倍——在代理式工作、長上下文檢索和程式設計等層面展現出來，而這些正是該指數綜合考量的維度。Ling 3.0 Tiny 在其尺寸上表現出色；Inkling Small 則是純粹地更強大，因為它本質上是個更大的模型，只是掛著一個小名字。

這兩個模型都非常冗長，這點值得說明，因為它會影響兩者的帳單。Artificial Analysis 測量到 Ling 3.0 Tiny 在其索引運行中消耗了 2.1 億個輸出 token（中位數 6300 萬），而 Inkling Small 消耗了 1.3 億個（中位數 1 億）。Inkling Small 的思考量約為典型模型的 1.3 倍；Ling 3.0 Tiny 的思考量則超過典型模型的三倍。兩者都不是那種部署後就可以置之不理的模型。

尺寸，各佔一行：

• 獨立評分 — Ling 3.0 Tiny AA 指數 23（第 6/56 名，班級中位數 8）對比 Inkling Small AA 指數 40（第 15/101 名）。

• 價格 — Ling 3.0 Tiny 免費，之後每 1M 為 $0.06 / $0.18；而 Inkling Small 在託管端點上為每 1M 輸入 $0.30–$0.50、輸出 $1.20，或者自備硬體則為 $0。

規模 — 7.9B總參數 / 約1.3B啟用參數（MoE），專有 vs 276B總參數 / 12B啟用參數（稀疏MoE），Apache 2.0開放權重。

• 模態 — Ling 3.0 Tiny 純文字 vs Inkling Small 文字、圖像和音訊輸入，文字輸出。

• 上下文 — Ling 3.0 Tiny 為 256K，對比 Inkling Small 目前託管端點的宣稱最高 1M / 實際提供 524K。

• 所有權 — 封閉式API是租用，開放權重則可擁有、在Tinker上微調，或自行在多GPU節點上運行。

每一項實際上要花你多少錢

價格差異並非有趣的數字；所有權差異才是。{{1}}Ling 3.0 Tiny 是依用量計費的服務：免費一週，之後無論你以何種並發度運行，都永久按每百萬 token 收取 $0.06 / $0.18 美元，此外還有一項冗長度稅，會倍增實際輸出成本。Inkling Small 有兩種價格：一種是租用——在第三方端點約為每百萬 token 收取 $0.50 / $1.20 美元，第一方則為 $0.30 / $1.20 美元；另一種是自有——這需要一筆可觀的硬體採購，以及服務 276B 參數的工程時間。根據 Artificial Analysis 量測的經濟數據，Inkling Small 的綜合價格約為每百萬 token 收取 $0.22 美元，每項智力指數任務約為 $0.07 美元，這使其以 API 形式運行時，就其所提供的效能而言確實便宜。但開放權重的選項在支付訓練與託管費用之後，就不再有任何按量計費了，這與吸引人們採用 2.6B checkpoint 的邏輯相同，但在 276B 規模下則遠更難合理化。{{/1}}

開放模型也附帶了一些規格表遺漏的能力限制。Inkling Small 的模型卡建議音訊輸入不超過兩分鐘，而旗艦版則不超過二十分鐘——若要分析會議內容，這可是十倍的削減。目前兩個託管端點都沒有標榜 response_format（強制 schema 的 JSON），如果你的流程依賴結構化輸出，這點就很重要。此外，根據實驗室自己的數據，其對抗性穩健性（在 FORTRESS 對抗性測試中為 71.6%）也讓人在將其放到公開文字框之前需要三思。Ling 3.0 Tiny 作為沒有權重的 API，完全沒有這些自行託管問題——端點提供什麼，你就接受什麼。

哪個「small」適合你的問題？

當你想要租用最便宜但堪用的文字推理能力、不需要看圖或聽音訊、重視一個本週可免費試用且經獨立評分的模型，而且能接受按量計費與較為冗長的輸出時，請選擇 Ling 3.0 Tiny。當你需要更強的能力——真正的多模態輸入、12B 主動參數的代理式效能、高出 17 分的指數評分——或者你特別想要可以自行擁有、微調或完全脫離供應商的開放權重時，請選擇 Inkling Small。選擇它是為了模態與指數評分，而不是為了名稱。

關於租用它們的誠實說明

這兩個模型都不在 OrcaRouter 上，我們也不會做出相反的暗示。Ling 3.0 Tiny 透過自己的免費端點提供服務；Inkling Small 則放在 Thinking Machines 的 Tinker API、第三方端點或您自己的 GPU 節點上。在這次特定比較中，OrcaRouter 的用處在於它們周邊的一切：您將與其進行基準測試對照的前沿與中階模型，以及在平價層級餘裕耗盡時您所路由到的那些模型。當免費的 Ling 3.0 Tiny 時段結束，或某個免費端點被限流時，退路就是一個託管的預算層級——Qwen 3.7 Flash 價格 $0.03 / $0.13，Gemini 3.5 Flash-Lite 價格 $0.30 / $2.50，以及 200 多個其他模型，全部統一在單一 OpenAI 相容金鑰之後，0% 加成，因此供應商的牌價就是最終價格；同時具備自動故障轉移，讓基準測試運行或生產路徑不會因為單一供應商狀態不佳的時段而中斷。Inkling Small 由於是開放權重，是這次比較中路由器永遠不會為您託管的那一方——而這正是重點所在。

裁決

這兩個名稱描述的是行銷意圖，而非大小。{{1}}Ling 3.0 Tiny{{/1}} 真的非常小巧，也真的非常便宜——是本月平價級距中最佳的免費試用，獨立評分誠實但不突出，用量從8月14日開始計算。{{2}}Inkling Small{{/2}} 是一個名稱雖小、卻有276B參數的模型——活躍參數是其十倍，指數高出十七點，原生多模態，而開放權重是你可以真正擁有的。如果你想租用最便宜且堪用的文字推理模型，選擇{{3}}Ling 3.0 Tiny{{/3}}，享受免費的一週。如果你想要的是可以自己擁有、微調並親自執行的模型——或者一個能聽能看的模型——{{4}}"Small"{{/4}}不是形容你需求的正確詞彙。