Ling-3.0-flash-VL
- 输入 输入模态: 文本图像视频 输出 输出模态: 文本
- 推理
- 工具调用
- 开放权重
价格
1 个渠道报价 · 按标价显示 Ant Ling API（在新标签页打开）
Ling-3.0-flash-VL| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | ¥0.50 | ¥0.10 | ¥1.50 |
价格来源 Ant Ling: model pricing（在新标签页打开） (核对于 2026年11月4日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 许可证
- MIT
- 模型家族
- ling-flash-vl
- 模型 ID
Ant Group 的页面未说明：最长输入, 推理档位, 可关闭推理, 最大思考预算, 结构化输出, 内置工具, 知识截止, 别名。
本地运行
权重： inclusionAI/Ling-3.0-flash-VL- 参数 124.8B
- 激活 5.5B · 专家 512（每 token 8）
- 原生精度 BF16
- 层数 42
- 每 token 的 KV 缓存 47 KB
- 配置位置数 128K （config.json max_position_embeddings）
- API 上下文 250K （厂商 API）
在你的配置上 · GeForce RTX 4090
○需放到内存 Q4_K_M （自动） 8K 上下文 17–26 tok/s卸载 32/42 层
权重KV 缓存运行开销放到内存可用上限
- 需要
- ≈ 74.5 GB (权重 70.6 + KV 缓存 0.4 + 开销 3.5)
- 可用
- 21.6 GB (标称的 90%)
- 放到内存
- 53.8 GB · 10/42 层在显卡（--n-gpu-layers 10）
- 生成速度
- 17–26 tok/s (每 token 读激活的 5.5B)
- 首 token
- 2K 提示约 0.18–0.27 秒
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 BF16官方 | 232.6 GB | ≈ 244.6 | ✕放不下 | — |
| Q8_0 | 123.5 GB | ≈ 130.1 | ✕放不下 | — |
| FP8官方 | 117.5 GB | ≈ 123.8 | ✕放不下 | — |
| Q6_K | 95.5 GB | ≈ 100.6 | ✕放不下 | — |
| Q5_K_M | 82.7 GB | ≈ 87.2 | ✕放不下 | — |
| Q5_0 | 79.9 GB | ≈ 84.3 | ✕放不下 | — |
| Q4_K_M | 70.6 GB | ≈ 74.5 | ○需放到内存 17–26 tok/s | — |
| Q4_0 | 65.4 GB | ≈ 69.0 | ○需放到内存 19–29 tok/s | — |
| INT4 (AWQ / GPTQ)官方 | 70.9 GB | ≈ 74.8 | ○需放到内存 17–26 tok/s | — |
| IQ4_XS | 61.8 GB | ≈ 65.2 | ○需放到内存 21–31 tok/s | — |
| Q3_K_M质量下降明显 | 56.8 GB | ≈ 60.0 | ○需放到内存 41–62 tok/s | — |
| IQ3_XXS质量下降明显 | 44.5 GB | ≈ 47.1 | ○需放到内存 53–79 tok/s | — |
| Q2_K质量下降明显 | 43.6 GB | ≈ 46.2 | ○需放到内存 54–81 tok/s | — |
| IQ2_XXS质量下降明显 | 29.9 GB | ≈ 31.8 | ○需放到内存 79–118 tok/s | — |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：显卡 NVIDIA RTX PRO 6000 Blackwell Workstation Edition；统一内存 Apple M5 Max (40-core GPU) · 128 GB。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 1862.7 GB你的配置放不下
LoRA≈ 235.1 GB你的配置放不下
QLoRA≈ 67.9 GB你的配置放不下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得这个模型还没有出现在我们引用的任何排行榜上。
资讯
全部资讯 →- 2026年9月4日发布 Ant Group 发布 Ling-3.0-flash-VL 2026年9月4日，Ant Group 推出多模态模型 Ling-3.0-flash-VL。用户可在聊天界面体验，并通过兼容 OpenAI 与 Anthropic 协议的 API 调用。
价格走势
Ant Ling API, 中国站 · 标准价 · 按标价显示输入 每百万 tokens
| 起始日期 | 价格 |
|---|---|
| 2026年9月28日 | ¥0.14 |
| 2026年10月28日 | ¥0.50 |
输出 每百万 tokens
| 起始日期 | 价格 |
|---|---|
| 2026年9月28日 | ¥0.42 |
| 2026年10月28日 | ¥1.50 |
变更
全部变更 →- 新增语言模型
来源
- Ant Ling: model pricing（在新标签页打开） developer.ant-ling.com · 核对于 2026年11月4日
- Ling（在新标签页打开） developer.ant-ling.com · 核对于 2026年11月1日
- Changelog（在新标签页打开） developer.ant-ling.com · 核对于 2026年11月1日
- inclusionAI/Ling-3.0-flash-VL model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- inclusionAI/Ling-3.0-flash-VL README.md（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- models.dev: inclusionai/ling-3.0-flash-vl (community data, MIT)（在新标签页打开） github.com · 核对于 2026年10月16日
- inclusionAI/Ling-3.0-flash-VL model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- inclusionAI/Ling-3.0-flash-VL model card（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- inclusionAI/Ling-3.0-flash-VL config.json（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- inclusionAI/Ling-3.0-flash-VL files（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- inclusionAI/Ling-3.0-flash-VL-fp8 files（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- inclusionAI/Ling-3.0-flash-VL-int4 files（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- inclusionAI/Ling-3.0-flash-VL README.md（在新标签页打开） huggingface.co · 核对于 2026年10月30日
本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据
Ant Group · 中国 · developer.ant-ling.com
相关模型
快照、同系列与同厂商的其他模型