Introduzione
Ling 3.1 Flash è un modello a ragionamento ibrido con mixture of experts di inclusionAI, pubblicato il 29 settembre 2026. Il produttore dichiara 560B di parametri in totale, con 25B attivi per token. Qui è disponibile come un unico endpoint di chat compatibile con OpenAI: fino a 262,144 token di testo in ingresso, fino a 262,144 token in uscita, strumenti e streaming in ogni richiesta.
| Campo | Valore |
|---|---|
| Input | Testo |
| Output | Testo |
| Budget di input | 262,144 tokens |
| Limite di max_tokens | 262,144 |
Caratteristiche principali
Un modello molto grande che esegue solo una parte di sé
La scheda del modello di inclusionAI descrive Ling 3.1 Flash come un mixture of experts ibrido e lineare: 560B di parametri in totale, con otto esperti su 512 instradati più un esperto condiviso attivi per ogni token, circa 25B di parametri. È a questo che punta il nome Flash: un modello grande pensato per rispondere al ritmo di uno molto più piccolo.
Ragiona quando serve, salta il passaggio quando non serve
reasoning_effort accetta none, low, medium o high; il valore predefinito è medium. Usa none o low per classificazione, estrazione e brevi turni di chat in cui conta la latenza, e passa ad high per i problemi a più passaggi. Il produttore definisce il modello un modello a ragionamento ibrido nativo, quindi un solo endpoint copre entrambi gli stili.
Un quarto di milione di token in una sola richiesta
262,144 token in ingresso corrispondono a circa 190,000 parole inglesi: abbastanza per un contratto lungo, un thread di supporto con gli allegati incollati come testo o un modulo di codice di medie dimensioni. La scheda del modello aperto indica una finestra di 1M token; questo endpoint accetta 262,144, ed è questa la cifra su cui pianificare.
Chiamate di strumenti e streaming nella stessa chiamata
Invia fino a 128 definizioni di strumenti, lascia che il modello restituisca una chiamata di funzione, eseguila nella tua applicazione e rispedisci il risultato come messaggio dello strumento. Le risposte vengono trasmesse man mano che sono scritte, e response_format consente di richiedere un oggetto JSON quando un servizio a valle se lo aspetta.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Invia a Ling 3.1 Flash la conversazione in ordine con le fonti per estrarre prodotto e data di consegna; associa ogni risultato degli strumenti al relativo |
max_tokens | No | Per Ling 3.1 Flash, |
reasoning_effort | No | Ling 3.1 Flash accetta none, low, medium, high, con medium come valore predefinito; confronta le impostazioni per estrarre prodotto e data di consegna osservando i token di usci… |
stop | No | Ferma l’uscita di Ling 3.1 Flash con una sequenza o un elenco di massimo quattro; il marcatore riconosciuto non compare nel testo finale. almeno 1 caratteri · almeno 1 elementi · al massimo 4 elementi |
temperature | No | temperature regola il campionamento di Ling 3.1 Flash; mantieni il valore predefinito per estrarre prodotto e data di consegna salvo che ti serva un altro stile di risposta. |
top_p | No |
|
tools | No | Definisci per Ling 3.1 Flash fino a 128 funzioni in formato OpenAI per estrarre prodotto e data di consegna; la tua applicazione convalida gli argomenti ed esegue le operazioni… al massimo 128 elementi |
parallel_tool_calls | No | Consente a Ling 3.1 Flash di proporre più funzioni indipendenti in un turno; la tua applicazione continua a controllarne l’esecuzione. Predefinito: |
tool_choice | No | Per Ling 3.1 Flash, |
response_format | No | Chiedi a Ling 3.1 Flash testo o JSON strutturato per estrarre prodotto e data di consegna e verifica i campi attesi dalla tua applicazione. |
Prezzi
Input $0.075 / Output $0.225 per 1 milione di token
Casi d’uso
Classificazione ed estrazione ad alto volume
Etichettare ticket di supporto, estrarre nomi, date e importi dalle email o instradare i messaggi nella coda giusta. Imposta reasoning_effort su none o low, mantieni temperature bassa e richiedi un oggetto JSON, così ogni risposta può essere analizzata senza ulteriori correzioni.
Chat veloce per prodotti e assistenti
Inserisci persona e regole interne nel messaggio di sistema, invia la conversazione dal più vecchio al più recente e trasmetti la risposta all'utente in streaming. Il contesto ampio permette di inviare anche storie lunghe così come sono, senza riassumerle.
Cicli di agenti con strumenti
Fornisci al modello una funzione di ricerca, una query su database o un'azione sui ticket, e lascia che decida quando usarle. Il produttore indica l'uso di strumenti da terminale e il lavoro di ingegneria del software tra gli usi previsti.
Lettura di documenti lunghi
Incolla una policy, una trascrizione o un modulo di codice, metti il materiale all'inizio e la domanda alla fine, e chiedi il passaggio che sostiene ogni affermazione. Alza reasoning_effort quando la risposta dipende dal mettere insieme più sezioni.
Consigli avanzati
Parti da medium, poi sposta di un livello
medium è il valore predefinito. Scendi a low o none per compiti brevi e ben definiti e osserva come cala la latenza; sali ad high solo per problemi in cui una risposta sbagliata costa più dei token in più. Confronta gli output su alcuni tuoi esempi prima di cambiare un valore predefinito in produzione.
Lascia spazio in
max_tokensper il ragionamentoIl valore predefinito di
max_tokensè 4,096. Il ragionamento viene conteggiato nello stesso budget: alzalo per risposte lunghe o livelli di ragionamento più alti, altrimenti il budget può esaurirsi prima che la risposta visibile sia finita. Controlla il motivo di fine prima di considerare completa una risposta.Materiale lungo all'inizio, domanda alla fine
Etichetta ogni fonte, colloca i documenti all'inizio della conversazione e poni la domanda alla fine. Tieni le istruzioni nel messaggio di sistema, così non si confondono con il testo citato.
Restituisci i risultati degli strumenti con l'ID corrispondente
Quando il modello richiede una chiamata di funzione, eseguila e invia l'output come messaggio dello strumento con lo stesso
tool_call_id. Conserva nella cronologia le chiamate di strumenti precedenti dell'assistente, così la conversazione resta coerente.
Estrai campi con Ling 3.1 Flash
Chiedi prodotto, data di consegna e frase di supporto da un aggiornamento al cliente. L’endpoint accetta solo testo: invia il contenuto del documento, non una foto. Qui il limite di ingresso è di 262.144 token; inclusionAI descrive un contesto di 1M per il modello sottostante.
Scegli lo sforzo
Il valore predefinito è medium; puoi usare anche none, low e high. Prova none per un’estrazione diretta e confronta high quando servono più deduzioni. Il limite iniziale di uscita è di 4.096 token e aumentarlo non cambia la tariffa per token.
Usa i campi estratti
Richiedi JSON tramite response_format e controlla i valori nel messaggio originale. Ling può proporre chiamate parallele agli strumenti, ma la tua applicazione le esegue e restituisce i risultati. Una data generata da sola non conferma lo stato della spedizione.
Il modello selezionato decide quali contenuti accettare. Per Ling 3.1 Flash: Il comportamento NSFW può variare; non è garantito un accesso senza restrizioni.
Avvio rapido dell’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'
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.