InclusionAIText

Ling-3.0-flash

Ling-3.0-flash 是 InclusionAI 的模型，輸入價格 $0.07、輸出價格 $0.22（每 100 萬 token），上下文視窗 262K。以輸入 3：輸出 1 的常見混合用量換算，綜合單價約 $0.11／1M token，在本站追蹤的 87 個模型中屬於平價區間，比其中 92% 的模型便宜。

開啟成本計算器查看供應商

模型概覽

上下文視窗262K

輸入價格$0.07 / 1M

輸出價格$0.22 / 1M

輸出速度180 tok/s

品質分數80

資料更新Updated Aug 2026

價格驗證2026-08-16 · 官方

價格備註124B MoE、每 token 僅啟用約 5.1B 參數；官方定價 ¥0.40／¥1.20 每 1M token，OpenRouter 上市促銷期間另有 65% 折扣

在價格排序上，Ling-3.0-flash 的輸入價格排第 7／87 便宜，輸出價格排第 10／87 便宜。品質分數 80 分，排名第 61／87；以「品質分數 ÷ 輸出價格」計算的 CP 值排名第 10／87。綜合單價低於全站平均 97%。

換成實際帳單：一個每月 50,000 次對話的客服機器人（每次 2,000 輸入 / 500 輸出 token）用 Ling-3.0-flash 大約是每月 $13；改成每月 20,000 次查詢的 RAG 文件問答（每次 8,000 輸入 / 800 輸出 token）則約 $15。因為輸出價格是輸入的 3.1 倍，輸出越長的任務，成本上升得越快——長篇生成請特別留意輸出 token 的控制。

262K 的上下文視窗約可容納 349 頁 A4 文件（以每頁約 750 token 估算），在全站排名第 51／87。適合一般 RAG 與多輪對話，但整本手冊等超長輸入仍建議先做檢索切塊。輸出速度約 180 tok/s（第 15／87 快），適合即時互動與高吞吐批次。

InclusionAI 在本站共收錄 1 個模型，Ling-3.0-flash 的綜合單價高於該供應商平均 0%。如果你的任務對品質容忍度較高，qwen3.7-flash（Alibaba）綜合單價便宜約 49%，品質分數 82，值得先跑一輪比較。反過來，如果要更高的品質上限，mercury-2.5-preview 的品質分數為 82，綜合單價便宜約 37%。

我們的看法

$0.07／$0.22 進場，262K 上下文，180 tokens/秒——一次用價格換市佔的教科書式進攻。

MoE 架構解釋了這個價格怎麼可能

Ling-3.0-flash 是 124B 參數的 MoE 模型，但每個 token 只啟用約 5.1B 參數。這是它能同時做到 180 tokens/秒與 $0.07 輸入價的技術原因——推論成本跟啟用參數量走，不跟總參數量走。

官方定價是 ¥0.40／¥1.20 每 1M token，而目前 OpenRouter 上有 65% 的上市促銷折扣。這一點必須講清楚：本頁顯示的美元價反映的是促銷期間的實際價格，促銷結束後會回到官方費率。做長期預算時請以官方價計算。

跟同速度帶的對手比，優勢在上下文

180 tokens/秒這個速度帶裡還有 claude-haiku-4-5（$1／$5、品質 82、200K）與 deepseek-v4-flash（$0.14／$0.28、品質 88、1,000K）。Ling 的 262K 上下文比 haiku 多三成，價格卻是零頭；deepseek-v4-flash 則在上下文與品質上都更好，價格差距不大。

所以誠實的排序是：如果你要的是「快 + 便宜 + 長上下文」，deepseek-v4-flash 在多數情況下是更完整的選擇，除非你被它的尖峰計費困擾——那是 Ling 最實在的優勢，它沒有時段加價。

把它放在什麼位置最合理

品質 80 分定義了它的邊界。這個分數足以處理分類、路由、擷取、改寫、初稿生成、以及大量的第一層過濾——但不足以當推理主力，也不該用來產出直接面對客戶的最終文案。

最有價值的用法是「漏斗的第一層」：用 Ling 以近乎零成本處理 80% 的請求，只把它判斷為困難的案例升級到 claude-sonnet-5 或 deepseek-reasoner-v4。在這種分層架構下，$0.07 的輸入價會直接反映在整體帳單上，而品質風險被上層模型吸收。這也是評估任何超低價模型時最該先想的架構問題——不是「它能不能取代我的主力模型」，而是「它能吃掉我主力模型多少不必要的流量」。

實際月費估算

以四種常見工作負載估算每月 API 費用，並與本站目前最便宜的模型對照。

使用情境	用量假設	本模型月費	全站最便宜模型
客服聊天機器人	每次 2,000 輸入 / 500 輸出 token，每月 50,000 次對話	$13	$3.00
RAG 文件問答	每次 8,000 輸入 / 800 輸出 token，每月 20,000 次查詢	$15	$3.84
程式開發助理	每次 12,000 輸入 / 2,000 輸出 token，每月 10,000 次請求	$13	$3.20
批次摘要 / 分類	每次 4,000 輸入 / 400 輸出 token，每月 200,000 筆	$74	$19

以本頁列出的單價直接換算，未計入提示快取、批次折扣或免費額度。

與其他模型比較

同一份資料下最值得一起評估的替代方案。

模型	供應商	綜合單價 /1M	品質	價差
Ling-3.0-flash	InclusionAI	$0.11	80	—
qwen3.7-flash更便宜的選擇	Alibaba	$0.055	82	-49%
mercury-2.5-preview更高品質	Inception	$0.068	82	-37%

適合用途

聊天對話經濟實惠快速回應長文本

支援模態

Text

適合與不適合的情境

適合

聊天與客服：多輪對話、語氣自然，適合面向使用者的產品。
高吞吐與即時互動：180 tok/s 的輸出速度讓串流回應幾乎無感延遲。
大量、成本敏感的批次任務：單價低，適合分類、標註與摘要等高頻工作。

較不適合

高難度推理：品質分數 80 在本站偏低，複雜規劃或數學任務建議選更強的模型。
圖像或影像理解：此模型僅支援文字輸入，需要看圖請改用多模態模型。

常見問題

Ling-3.0-flash 的 API 價格是多少？

Ling-3.0-flash 的輸入價格是每 100 萬 token $0.07，輸出價格是每 100 萬 token $0.22。以輸入 3：輸出 1 的混合用量換算，綜合單價約 $0.11／1M token。

用 Ling-3.0-flash 每月大概要花多少錢？

取決於用量。以本頁的四個情境估算：客服機器人約 $13／月、RAG 文件問答約 $15／月、程式開發助理約 $13／月、批次摘要約 $74／月。你可以用成本計算機帶入自己的 token 用量重新估算。

Ling-3.0-flash 的上下文視窗有多大？

262K token，約等於 349 頁 A4 文件（以每頁約 750 token 估算），在本站追蹤的 87 個模型中排名第 51。

Ling-3.0-flash 和 qwen3.7-flash 哪個划算？

qwen3.7-flash 的綜合單價約 $0.055／1M token，比 Ling-3.0-flash 的 $0.11 便宜約 49%；品質分數為 82（Ling-3.0-flash 為 80）。若品質差距在你的任務上不明顯，選便宜的那個；差距明顯就選 Ling-3.0-flash。建議用自己的資料各跑一輪再決定。