Introdução
O Ling 3.1 Flash é um modelo de mistura de especialistas com raciocínio híbrido, da inclusionAI, lançado em 29 de setembro de 2026. O desenvolvedor informa 560B de parâmetros no total, com 25B ativos por token. Aqui ele está disponível como um único endpoint de chat compatível com OpenAI: até 262,144 tokens de texto na entrada, até 262,144 tokens na saída, com ferramentas e streaming em todas as requisições.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Saída | Texto |
| Orçamento de entrada | 262,144 tokens |
| Limite de max_tokens | 262,144 |
| Entradas | texto |
Recursos e destaques
Um modelo muito grande que executa apenas uma parte de si mesmo
O cartão do modelo da inclusionAI descreve o Ling 3.1 Flash como uma mistura de especialistas híbrida e linear: 560B de parâmetros no total, com oito de 512 especialistas roteados mais um especialista compartilhado ativos para cada token, cerca de 25B de parâmetros. É isso que o nome Flash indica: um modelo grande, feito para responder no ritmo de um modelo bem menor.
Pensa quando ajuda e dispensa quando não ajuda
O reasoning_effort aceita none, low, medium ou high, e o padrão é medium. Use none ou low em classificação, extração e trocas curtas de chat em que a latência importa, e suba para high em problemas de várias etapas. O desenvolvedor chama o modelo de um modelo de raciocínio híbrido nativo, então um único endpoint cobre os dois estilos.
Um quarto de milhão de tokens em uma única requisição
262,144 tokens de entrada equivalem a cerca de 190,000 palavras em inglês: o suficiente para um contrato longo, uma conversa de suporte com os anexos colados como texto ou um módulo de código de porte médio. O cartão do modelo aberto lista uma janela de 1M tokens; este endpoint aceita 262,144, e esse é o número que você deve usar no planejamento.
Chamadas de ferramentas e streaming na mesma chamada
Envie até 128 definições de ferramentas, deixe o modelo devolver uma chamada de função, execute-a na sua aplicação e envie o resultado de volta como mensagem de ferramenta. As respostas são transmitidas conforme são escritas, e o response_format permite pedir um objeto JSON quando um serviço posterior espera esse formato.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
messages | Sim | Envie ao Ling 3.1 Flash a conversa em ordem com as fontes para extrair produto e data de entrega; associe cada resultado de ferramenta ao seu |
max_tokens | Não | No Ling 3.1 Flash, |
reasoning_effort | Não | O Ling 3.1 Flash aceita none, low, medium, high, com medium como padrão; compare os ajustes para extrair produto e data de entrega acompanhando o consumo de tokens de saída. |
stop | Não | Interrompa a saída do Ling 3.1 Flash com uma sequência ou uma lista de até quatro; o marcador encontrado não aparece no texto final. pelo menos 1 caracteres · pelo menos 1 itens · no máximo 4 itens |
temperature | Não | temperature ajusta a amostragem do Ling 3.1 Flash; você pode manter o padrão para extrair produto e data de entrega, alterando-o quando precisar de outro estilo de resposta. |
top_p | Não |
|
tools | Não | Defina para o Ling 3.1 Flash até 128 funções no formato OpenAI para extrair produto e data de entrega; sua aplicação valida os argumentos e executa as operações propostas. no máximo 128 itens |
parallel_tool_calls | Não | Permite que o Ling 3.1 Flash proponha várias funções independentes em uma rodada; sua aplicação continua controlando a execução. Valor padrão: |
tool_choice | Não | No Ling 3.1 Flash, |
response_format | Não | Peça ao Ling 3.1 Flash texto ou JSON estruturado para extrair produto e data de entrega e valide os campos esperados pela sua aplicação. |
Preços
Entrada $0.075 / Saída $0.225 por 1 milhão de tokens
Casos de uso
Classificação e extração em alto volume
Marque tickets de suporte, extraia nomes, datas e valores de e-mails ou encaminhe mensagens para a fila certa. Defina reasoning_effort como none ou low, mantenha a temperature baixa e peça um objeto JSON para que cada resposta possa ser processada sem ajustes.
Chat rápido para produtos e assistentes
Coloque a persona e as regras da casa na mensagem de sistema, envie a conversa da mais antiga para a mais recente e transmita a resposta ao usuário. O contexto amplo permite enviar históricos longos como estão, sem resumi-los.
Ciclos de agentes com ferramentas
Dê ao modelo uma função de busca, uma consulta a banco de dados ou uma ação em chamados, e deixe que ele decida quando chamá-las. O desenvolvedor inclui o uso de ferramentas no terminal e o trabalho de engenharia de software entre os usos previstos.
Leitura de documentos longos
Cole uma política, uma transcrição ou um módulo de código, coloque o material no início e a pergunta no fim, e peça o trecho que sustenta cada afirmação. Aumente o reasoning_effort quando a resposta depender de juntar várias seções.
Guia de prompt e dicas práticas
Comece em medium e depois ajuste um nível
medium é o padrão. Reduza para low ou none em tarefas curtas e bem definidas e acompanhe a queda na latência; suba para high apenas em problemas nos quais uma resposta errada custa mais do que os tokens extras. Compare as saídas com alguns dos seus próprios exemplos antes de alterar um padrão em produção.
Deixe espaço no
max_tokenspara o raciocínioO padrão de
max_tokensé 4,096. O raciocínio conta no mesmo orçamento, então aumente o valor para respostas longas ou níveis de esforço mais altos; senão, o orçamento pode acabar antes de a resposta visível terminar. Verifique o motivo de término antes de tratar uma resposta como completa.Material longo primeiro, pergunta por último
Identifique cada fonte, coloque os documentos no início da conversa e faça a pergunta no fim. Mantenha as instruções na mensagem de sistema para que não sejam confundidas com o texto citado.
Devolva os resultados das ferramentas com o id correspondente
Quando o modelo pedir uma chamada de função, execute-a e envie a saída como mensagem de ferramenta com o mesmo
tool_call_id. Mantenha no histórico as chamadas de ferramentas anteriores do assistente para que a conversa continue consistente.
Extraia campos com o Ling 3.1 Flash
Peça produto, data de entrega e o trecho que sustenta cada informação de uma mensagem ao cliente. Este endpoint aceita apenas texto: inclua o conteúdo do documento, não uma foto. Aqui o limite de entrada é de 262.144 tokens; a inclusionAI descreve contexto de 1M para o modelo em si.
Escolha o esforço
O padrão é medium, com none, low e high também disponíveis. Você pode usar none em extrações diretas e comparar high quando houver várias deduções. O limite inicial de saída é de 4.096 tokens; aumentá-lo não altera a tarifa por token.
Aproveite os campos extraídos
Solicite JSON por response_format e confira os valores na mensagem original. O Ling pode propor chamadas paralelas de ferramentas, mas sua aplicação as executa e devolve os resultados. Uma data gerada, por si só, não confirma o status da entrega.
As decisões sobre conteúdo vêm do Ling 3.1 Flash escolhido. No Ling 3.1 Flash: O comportamento NSFW pode variar; não há garantia de conteúdo sem restrições.
Início rápido da 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'
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.