Introduction
Ling 3.1 Flash est un modèle de raisonnement hybride à mélange d’experts, signé inclusionAI et publié le 29 septembre 2026. L’éditeur annonce 560B de paramètres au total, dont 25B actifs par token. Il est proposé ici sous la forme d’un seul point de terminaison de chat compatible OpenAI : jusqu’à 262,144 tokens de texte en entrée, jusqu’à 262,144 tokens en sortie, outils et streaming sur chaque requête.
| Champ | Valeur |
|---|---|
| Entrée | Texte |
| Sortie | Texte |
| Budget d’entrée | 262,144 tokens |
| Plafond de max_tokens | 262,144 |
| Entrées | du texte |
Fonctionnalités et points forts
Un très grand modèle qui n’exécute qu’une partie de lui-même
La fiche modèle d’inclusionAI décrit Ling 3.1 Flash comme un mélange d’experts hybride linéaire : 560B de paramètres au total, dont huit experts sur 512 routés et un expert partagé actifs pour chaque token, soit environ 25B de paramètres. C’est ce que signifie le nom Flash : un grand modèle conçu pour répondre au rythme d’un modèle nettement plus petit.
Réfléchir quand c’est utile, s’en passer sinon
reasoning_effort accepte none, low, medium ou high, medium étant la valeur par défaut. Utilisez none ou low pour la classification, l’extraction et les courts échanges lorsque la latence compte, et passez à high pour un problème en plusieurs étapes. L’éditeur présente le modèle comme un modèle de raisonnement hybride natif : un seul point de terminaison couvre les deux usages.
Un quart de million de tokens dans une seule requête
262,144 tokens en entrée représentent environ 190,000 mots anglais, assez pour un long contrat, un fil de support avec ses pièces jointes collées en texte ou un module de code de taille moyenne. La fiche du modèle ouvert annonce une fenêtre de 1M tokens ; ce point de terminaison accepte 262,144, et c’est ce chiffre qu’il faut retenir pour vos calculs.
Appels d’outils et streaming dans le même appel
Envoyez jusqu’à 128 définitions d’outils, laissez le modèle renvoyer un appel de fonction, exécutez-le dans votre application et renvoyez le résultat sous forme de message d’outil. Les réponses sont diffusées au fil de leur rédaction, et response_format permet de demander un objet JSON lorsqu’un service aval l’attend.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
messages | Oui | Envoyez à Ling 3.1 Flash une conversation ordonnée avec les sources pour l’extraction du produit et de la date de livraison ; associez les résultats d’outils à leur |
max_tokens | Non | Pour Ling 3.1 Flash, |
reasoning_effort | Non | Ling 3.1 Flash accepte none, low, medium, high, avec medium par défaut ; comparez les réglages sur l’extraction du produit et de la date de livraison en suivant les tokens de so… |
stop | Non | Arrêtez Ling 3.1 Flash avec une séquence ou une liste de quatre au maximum ; le marqueur reconnu ne figure pas dans le texte final. 1 caractères minimum · 1 éléments minimum · 4 éléments maximum |
temperature | Non | temperature règle l’échantillonnage de Ling 3.1 Flash ; gardez la valeur par défaut pour l’extraction du produit et de la date de livraison sauf si un autre style de réponse est… |
top_p | Non |
|
tools | Non | Définissez pour Ling 3.1 Flash jusqu’à 128 fonctions au format OpenAI pour l’extraction du produit et de la date de livraison ; votre application vérifie les arguments et réalis… 128 éléments maximum |
parallel_tool_calls | Non | Ce réglage autorise Ling 3.1 Flash à proposer plusieurs fonctions indépendantes dans un même tour ; l’application garde la maîtrise de leur exécution. Valeur par défaut: |
tool_choice | Non | Pour Ling 3.1 Flash, |
response_format | Non | Demandez à Ling 3.1 Flash du texte ou du JSON structuré pour l’extraction du produit et de la date de livraison, puis vérifiez les champs du JSON dans votre application. |
Tarification
Entrée $0.075 / Sortie $0.225 par 1 million de tokens
Cas d’utilisation
Classification et extraction à fort volume
Étiqueter des tickets de support, extraire noms, dates et montants d’e-mails, ou orienter des messages vers la bonne file. Réglez reasoning_effort sur none ou low, gardez une temperature basse et demandez un objet JSON pour que chaque réponse puisse être analysée sans retouche.
Chat rapide pour produits et assistants
Placez le personnage et les règles de la maison dans le message système, envoyez la conversation du plus ancien au plus récent et diffusez la réponse à l’utilisateur. Le grand contexte permet d’envoyer les longs historiques tels quels, sans les résumer.
Boucles d’agents avec outils
Donnez au modèle une fonction de recherche, une requête en base ou une action sur un ticket, et laissez-le décider quand les appeler. L’éditeur cite l’utilisation d’outils en terminal et le travail d’ingénierie logicielle parmi les usages prévus.
Lecture de longs documents
Collez un règlement, une transcription ou un module de code, placez le contenu en premier et la question en dernier, et demandez le passage qui étaye chaque affirmation. Augmentez reasoning_effort lorsque la réponse suppose de recouper plusieurs sections.
Guide de prompt et conseils pratiques
Commencer à medium, puis ajuster d’un cran
medium est la valeur par défaut. Descendez à low ou none pour les tâches courtes et bien définies, et observez la baisse de latence ; ne montez à high que si une mauvaise réponse coûte plus que les tokens supplémentaires. Comparez les sorties sur quelques-uns de vos exemples avant de modifier une valeur par défaut en production.
Garder de la marge dans
max_tokenspour le raisonnementLa valeur par défaut de
max_tokensest 4,096. Le raisonnement est décompté du même budget : augmentez-le pour les longues réponses ou les niveaux d’effort élevés, faute de quoi le budget peut être épuisé avant la fin de la réponse visible. Vérifiez le motif de fin avant de considérer une réponse comme complète.Les longs contenus d’abord, la question en dernier
Identifiez chaque source, placez les documents tôt dans la conversation et posez votre question à la fin. Gardez les consignes dans le message système pour qu’elles ne se confondent pas avec le texte cité.
Renvoyer les résultats d’outils avec l’identifiant correspondant
Lorsque le modèle demande un appel de fonction, exécutez-le puis envoyez la sortie comme message d’outil portant le même
tool_call_id. Conservez dans l’historique les appels d’outils précédents de l’assistant pour que la conversation reste cohérente.
Extraire des champs avec Ling 3.1 Flash
À partir d’un message client, demandez le produit, la date de livraison et le passage qui justifie chaque champ. Cet endpoint reçoit uniquement du texte, pas des photos de documents. Sa limite d’entrée est de 262 144 tokens ; la fiche inclusionAI annonce un contexte de 1M pour le modèle lui-même.
Choisir l’effort
medium est le réglage par défaut, avec none, low et high également disponibles. Comparez none pour une extraction simple et high quand plusieurs déductions sont nécessaires. Le plafond de sortie par défaut est de 4 096 tokens ; l’augmenter ne change pas le tarif par token.
Exploiter les champs
Demandez du JSON via response_format et vérifiez les valeurs dans le message d’origine. Ling peut proposer des appels d’outils parallèles, mais votre application les exécute et en renvoie les résultats. Une date générée ne confirme pas, à elle seule, l’état d’une expédition.
Ling 3.1 Flash choisi prend ses propres décisions sur le contenu. Avec Ling 3.1 Flash : Son comportement NSFW peut varier ; aucun accès sans restriction n’est garanti.
Démarrage rapide de l’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'
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.