InclusionAISprachmodellOpen Source
Ling-3.0-tiny
Für Ling-3.0-tiny gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen. Aus den Herstellerangaben schätzen wir rund 56,0 Punkte (95-%-Bereich 36,5 bis 75,6). Das ist keine unabhängige Messung.
45von 100wie im Vormonat
Zusammenfassung
Ling-3.0-tiny bringt InclusionAIs hybride Attention-Architektur in einen 7,9B-Checkpoint mit 1,3 Milliarden aktiven Parametern. Je drei Kimi-Delta-Attention-Schichten wechseln sich mit einer Multi-Head-Latent-Attention-Schicht ab. Der Hersteller dokumentiert lokale Tests auf DGX Spark und Apple-Silicon-Macs.
InclusionAI veröffentlicht BF16-, FP8- und INT4-Gewichte unter MIT. Das Modell verarbeitet 262.144 Token Kontext und ist auch über den in der Modellkarte verlinkten OpenRouter-Zugang verfügbar.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 30 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 3
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
TAU3-Banking-AA (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 20.8
- Bewertung
- 20.8
- Messgröße
- TAU3-Banking-AA
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
BFCL-v4 (FC) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 62.72
- Bewertung
- 62.72
- Messgröße
- BFCL-v4 (FC)
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
Terminal-Bench 2.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 27.7
- Bewertung
- 27.7
- Messgröße
- Terminal-Bench 2.1
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
ArtifactsBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 47.93
- Bewertung
- 47.93
- Messgröße
- ArtifactsBench
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
SciCode (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 24.2
- Bewertung
- 24.2
- Messgröße
- SciCode
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
GPQA Diamond (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 73.4
- Bewertung
- 73.4
- Messgröße
- GPQA Diamond
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
HLE (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 9.3
- Bewertung
- 9.3
- Messgröße
- HLE
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
IFBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 63.61
- Bewertung
- 63.61
- Messgröße
- IFBench
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
Multi-IF (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83.15
- Bewertung
- 83.15
- Messgröße
- Multi-IF
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- HF model-card table reproducing Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Terminal-Bench 2.1 uses AA protocol, Terminus 2 default harness, 2-hour timeout, JSON parser, preserve-thinking, 3 runs/task mean, temperature 1.0, max_new_tokens 32K, 256K context.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
AA-Briefcase v1.1 rubric pass rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 8.383838383838384
- Bewertung
- 8.383838383838384
- Messgröße
- share of binary rubric checks passed
- Einheit
- %
- Benchmark-Version
- v1.1
- Kategorie
- agentic
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis, Ling 3.0 Tiny model page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. AA-Briefcase v1.1, ein Durchlauf über 91 Aufgaben in vier Szenarien. Angegeben ist der Anteil bestandener binärer Rubrikprüfungen über alle Aufgaben, nicht der Anteil vollständig bestandener Aufgaben. Der Rubrik-Nenner dieses Profils und die Reasoning-Stufe sind nicht veröffentlicht.
- Einordnung
- Die AA-Profilseite nennt keine genaue Reasoning-Stufe des Modells und keine unveränderliche Serving-Revision. Als Gewichtsquelle nennt sie Ling-3.0-tiny-int4. Das ist eine datierte Beobachtung der benannten Route, kein fest gepinnter Full-Precision-Checkpoint und keine gemeinsame Vergleichsgruppe.
AutomationBench-AA score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.2807334937855976
- Bewertung
- 0.2807334937855976
- Messgröße
- share of task objectives completed with no guardrail violations
- Einheit
- %
- Benchmark-Version
- AA current implementation
- Kategorie
- agentic
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis, Ling 3.0 Tiny model page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. AutomationBench-AA bewertet laut AA-Methodik 657 simulierte SaaS-Workflow-Aufgaben mit REST-API-Werkzeugen, ein Durchlauf. Der Hauptwert Score ist der Anteil der Aufgaben-Ziele, die ohne Regelverletzung erreicht werden. Er ist nicht identisch mit dem separaten Wert Tasks Completed. Der Nenner der für dieses Profil gewerteten Ziele und die Reasoning-Stufe sind nicht veröffentlicht.
- Einordnung
- Die AA-Profilseite nennt keine genaue Reasoning-Stufe des Modells und keine unveränderliche Serving-Revision. Als Gewichtsquelle nennt sie Ling-3.0-tiny-int4. Das ist eine datierte Beobachtung der benannten Route, kein fest gepinnter Full-Precision-Checkpoint und keine gemeinsame Vergleichsgruppe.
Terminal-Bench 4.0 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0
- Bewertung
- 0
- Messgröße
- pass@1 task success rate
- Einheit
- %
- Benchmark-Version
- 4.0
- Kategorie
- coding
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis, Ling 3.0 Tiny model page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Artificial Analysis Terminal-Bench 4.0: laut veröffentlichter Methodik 66 Aufgaben zur Ausführung in einer Terminalumgebung mit drei Wiederholungen, bewertet über Test-Suite pass@1. Die Quelle nennt weder die tatsächliche Zahl abgeschlossener Läufe dieses Profils noch genaue Harness-Einstellungen oder die Reasoning-Stufe.
- Einordnung
- Die AA-Profilseite nennt keine genaue Reasoning-Stufe des Modells und keine unveränderliche Serving-Revision. Als Gewichtsquelle nennt sie Ling-3.0-tiny-int4. Das ist eine datierte Beobachtung der benannten Route, kein fest gepinnter Full-Precision-Checkpoint und keine gemeinsame Vergleichsgruppe.
Seite 1 von 3
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 101 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
Ling-3.0-tinyK2 Horizon MoVA 36B-A4BClaude Fable 5ERNIE 4.5 21B A3BLlama 4 Maverick
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Watermarking-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
- Zugang
- Lokale Gewichte; die Modellkarte verlinkt inclusionai/ling-3.0-tiny:free auf OpenRouter
- Quelle: Zugang
Häufige Fragen zu Ling-3.0-tiny
Wie gut ist Ling-3.0-tiny in Benchmarks?
Unabhängige Ergebnisse reichen noch nicht für den Gesamtindex. Eine Schätzung aus 3 Herstellerangaben (GPQA Diamond 73,4 %, Humanity's Last Exam (ohne Tools) 9,3 %, Terminal-Bench 2.1 27,7 %) ergibt rund 56,0 Punkte, mit einem 95-%-Bereich von 36,5 bis 75,6. Die Schätzung ist an Modellen geeicht, für die es sowohl Herstellerangaben als auch unabhängige Messungen gibt. Herstellerangaben liegen bei einigen Tests deutlich über unabhängigen Messungen; die Eichung gleicht das im Mittel aus.
Herstellerschätzung, kein Wert des Gesamtindex
Wie groß ist das Kontextfenster von Ling-3.0-tiny?
262.144 Token. So viel Text liest Ling-3.0-tiny auf einmal, das sind rund 390 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
Kann ich Ling-3.0-tiny lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von InclusionAI
- Offene Gewichte
- ja
- Lizenz
- MIT
- Parameter
- 7,9 Mrd.
- davon aktiv je Token
- 1,3 Mrd.
Quellen und Datenstand
Alle 19 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Artificial Analysis | 6 | 1 | 12 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 4. Oktober 2026. 11 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Ungeklärt | CritPt current score Hinweis Die AA-Modelldetailseite zeigt für CritPt den Wert 0. Die offizielle CritPt-Bestenliste war am 17.10.2026 jedoch ausdrücklich als Under review markiert und nennt eine Prüfung des Datensatzes durch die Autoren nach externem Feedback. Bis zum geprüften Datensatz und neuen Läufen wird kein bestätigter CritPt-Wert ergänzt. |
| Ungeklärt | exact serving revision, reasoning effort and per-metric executed N Hinweis Das AA-Profil identifiziert eine benannte aktuelle Route und nennt Ling-3.0-tiny-int4 als Gewichtsquelle, veröffentlicht aber weder eine unveränderliche Serving-Revision noch die genaue Reasoning-Stufe des geprüften Modells. Die Methodikseiten nennen Protokolle, aber für die meisten Kennzahlen nicht die tatsächliche Zahl der pro Profil bewerteten Fälle. Aus Aufgabenplänen oder Wiederholungen wird kein N abgeleitet. |
| Nicht veröffentlicht | score scale, denominator, serving revision and confidence interval Hinweis Die geprüfte Quelle veröffentlicht für diese Scorezellen nicht alle Einheiten, Nenner, Serving-Revisionen oder Konfidenzintervalle; unbekannte Werte bleiben offen. |
| Weitere Quelle | Ling-3.0-tiny model card (abgerufen 3. Oktober 2026; 4. Oktober 2026; 17. Oktober 2026; 19. Oktober 2026) · Ling-3.0-tiny model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | Ling-3.0-flash-VL research card (abgerufen 3. Oktober 2026) · Ling-3.0-flash-VL research card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | Ling-3.0-flash-Fin research card (abgerufen 3. Oktober 2026) · Ling-3.0-flash-Fin research card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | Artificial Analysis, Ling 3.0 Tiny model page (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Ardana, ling-3.0 benchmarks (abgerufen 19. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026)12345678 |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |