Introducción
Ling 3.1 Flash es un modelo de razonamiento híbrido de mezcla de expertos de inclusionAI, publicado el 29 de septiembre de 2026. El creador describe 560B de parámetros en total, con 25B activos por token. Aquí se ofrece como un único endpoint de chat compatible con OpenAI: hasta 262,144 tokens de texto de entrada, hasta 262,144 tokens de salida, herramientas y streaming en cada solicitud.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Salida | Texto |
| Presupuesto de entrada | 262,144 tokens |
| Límite de max_tokens | 262,144 |
| Entradas | texto |
Funciones y aspectos destacados
Un modelo muy grande que solo ejecuta una parte de sí mismo
La ficha del modelo de inclusionAI describe Ling 3.1 Flash como una mezcla de expertos híbrida y lineal: 560B de parámetros en total, con ocho de 512 expertos enrutados más un experto compartido activos para cada token, unos 25B de parámetros. Ese diseño es lo que apunta el nombre Flash: un modelo grande pensado para responder al ritmo de uno mucho más pequeño.
Piensa cuando ayuda, omítelo cuando no
reasoning_effort acepta none, low, medium o high; medium es el valor por defecto. Usa none o low para clasificación, extracción y turnos de chat cortos donde importa la latencia, y sube a high en problemas de varios pasos. El creador llama al modelo un modelo de razonamiento híbrido nativo, así que un solo endpoint cubre ambos estilos.
Un cuarto de millón de tokens en una sola solicitud
262,144 tokens de entrada equivalen a unas 190,000 palabras en inglés: suficiente para un contrato largo, un hilo de soporte con sus adjuntos pegados como texto o un módulo de código de tamaño medio. La ficha del modelo abierto indica una ventana de 1M tokens; este endpoint acepta 262,144, y esa es la cifra con la que conviene planificar.
Llamadas a herramientas y streaming en la misma llamada
Envía hasta 128 definiciones de herramientas, deja que el modelo devuelva una llamada a función, ejecútala en tu aplicación y envía el resultado de vuelta como mensaje de herramienta. Las respuestas se transmiten mientras se escriben, y response_format te permite pedir un objeto JSON cuando un servicio posterior lo espera.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
messages | Sí | Envía a Ling 3.1 Flash la conversación en orden con las fuentes para extraer producto y fecha de entrega; vincula cada resultado de herramienta con su |
max_tokens | No | En Ling 3.1 Flash, |
reasoning_effort | No | Ling 3.1 Flash acepta none, low, medium, high, con medium como valor predeterminado; compara ajustes para extraer producto y fecha de entrega y revisa el consumo de tokens de sa… |
stop | No | Detén la salida de Ling 3.1 Flash con una secuencia o una lista de hasta cuatro; la coincidencia no se incluye en el texto final. mínimo 1 caracteres · mínimo 1 elementos · máximo 4 elementos |
temperature | No | temperature ajusta el muestreo de Ling 3.1 Flash; conserva su valor predeterminado para extraer producto y fecha de entrega salvo que necesites otro estilo de respuesta. |
top_p | No |
|
tools | No | Define para Ling 3.1 Flash hasta 128 funciones en formato OpenAI para extraer producto y fecha de entrega; tu aplicación valida los argumentos y ejecuta las operaciones propuestas. máximo 128 elementos |
parallel_tool_calls | No | Permite que Ling 3.1 Flash proponga varias funciones independientes en un turno; tu aplicación sigue controlando su ejecución. Valor predeterminado: |
tool_choice | No | En Ling 3.1 Flash, |
response_format | No | Pide a Ling 3.1 Flash texto o JSON estructurado para extraer producto y fecha de entrega y valida los campos que tu aplicación espera recibir. |
Precios
Entrada $0.075 / Salida $0.225 por 1 millón de tokens
Casos de uso
Clasificación y extracción de alto volumen
Etiqueta tickets de soporte, extrae nombres, fechas e importes de correos o dirige mensajes a la cola correcta. Configura reasoning_effort en none o low, mantén temperature baja y pide un objeto JSON para que cada respuesta pueda procesarse sin limpieza.
Chat rápido para productos y asistentes
Pon la personalidad y las normas de la casa en el mensaje de sistema, envía la conversación de la más antigua a la más reciente y transmite la respuesta al usuario. El contexto amplio permite enviar historiales largos tal como están, sin resumirlos.
Bucles de agentes con herramientas
Dale al modelo una función de búsqueda, una consulta a base de datos o una acción sobre tickets y deja que decida cuándo llamarlas. El creador incluye el uso de herramientas en terminal y el trabajo de ingeniería de software entre los usos previstos.
Lectura de documentos largos
Pega un manual de políticas, una transcripción o un módulo de código, pon el material primero y la pregunta al final, y pide el fragmento que respalda cada afirmación. Sube reasoning_effort cuando la respuesta dependa de unir varias secciones.
Guía de prompts y consejos prácticos
Empieza en medium y luego ajusta un paso
medium es el valor por defecto. Baja a low o none en tareas cortas y bien definidas y observa cómo cae la latencia; sube a high solo en problemas donde una respuesta incorrecta cuesta más que los tokens adicionales. Compara las salidas con algunos de tus propios ejemplos antes de cambiar un valor por defecto en producción.
Deja margen en
max_tokenspara el razonamientoEl valor por defecto de
max_tokenses 4,096. El razonamiento cuenta dentro del mismo presupuesto, así que súbelo para respuestas largas o niveles de esfuerzo altos; si no, el presupuesto puede agotarse antes de que termine la respuesta visible. Revisa el motivo de finalización antes de dar una respuesta por completa.Material largo primero, pregunta al final
Etiqueta cada fuente, coloca los documentos al principio de la conversación y haz tu pregunta al final. Mantén las instrucciones en el mensaje de sistema para que no se confundan con el texto citado.
Devuelve los resultados de herramientas con el id correspondiente
Cuando el modelo pida una llamada a función, ejecútala y envía la salida como mensaje de herramienta con el mismo
tool_call_id. Conserva en el historial las llamadas a herramientas anteriores del asistente para que la conversación siga siendo coherente.
Extrae campos con Ling 3.1 Flash
Pide el producto, la fecha de entrega y la frase que respalda cada dato de un aviso al cliente. Este endpoint acepta solo texto: incluye el contenido del documento, no su foto. Aquí se exponen 262,144 tokens de entrada; inclusionAI describe un contexto de 1M para el modelo subyacente.
Ajusta el esfuerzo
medium es el valor predeterminado; también puedes usar none, low y high. Prueba none para una extracción directa y compara high si hay varias deducciones. El límite de salida inicial es de 4,096 tokens y ampliarlo no cambia la tarifa por token.
Usa los datos extraídos
Solicita JSON mediante response_format y valida los valores contra el aviso original. Ling puede proponer llamadas paralelas a herramientas; tu aplicación las ejecuta y devuelve los resultados. Una fecha generada por sí sola no verifica el estado de un envío.
Ling 3.1 Flash elegido toma sus propias decisiones sobre el contenido. En Ling 3.1 Flash: El comportamiento NSFW puede variar; no se garantiza acceso sin restricciones.
Inicio rápido de la API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "inclusionai/ling-3.1-flash/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.