模型比較
Ling-flash-2.0
對比
Qwen3-VL-30B-A3B-Instruct
2026年2月28日
定價
輸入
$
0.14
/ M Tokens
$
0.29
/ M Tokens
輸出
$
0.57
/ M Tokens
$
1.0
/ M Tokens
元數據
創建於
2025年9月17日
2025年9月30日
許可證
MIT LICENSE
APACHE-2.0
供應商
inclusionAI
Qwen
規格
州
Available
Available
架構
Ling 2.0 MoE architecture
MoE
經過校準的
不
不
專家混合
是
是
總參數
100B
30B
啟用的參數
6.1B
推理
不
不
精確
FP8
FP8
上下文長度
131K
262K
最大輸出長度
131K
262K
支援的功能
無伺服器
支持
支持
無伺服器的 LoRA
不支持
不支持
微調
不支持
不支持
嵌入
不支持
不支持
重新排名者
不支持
不支持
支援圖片輸入
不支持
不支持
JSON 模式
支持
支持
結構化輸出
不支持
不支持
工具
支持
支持
完成最後一步
不支持
支持
聊天前綴完成
支持
支持
Ling-flash-2.0在比較中
看看如何 Ling-flash-2.0與其他熱門型號在關鍵層面上進行比較。
對戰
MiniMax-M2.5
對戰
Step-3.5-Flash
對戰
MiniMax-M2.1
對戰
MiniMax-M2
對戰
Qwen3-VL-32B-Instruct
對戰
Qwen3-VL-32B-Thinking
對戰
Qwen3-VL-30B-A3B-Instruct
對戰
Qwen3-VL-30B-A3B-Thinking
對戰
Qwen3-VL-235B-A22B-Instruct
對戰
Qwen3-VL-235B-A22B-Thinking
對戰
Qwen3-Omni-30B-A3B-Instruct
對戰
Ring-flash-2.0
對戰
Qwen3-Omni-30B-A3B-Captioner
對戰
Qwen3-Omni-30B-A3B-Thinking
對戰
Qwen3-Next-80B-A3B-Instruct
對戰
Qwen3-Next-80B-A3B-Thinking
對戰
gpt-oss-120b
對戰
gpt-oss-20b
對戰
Qwen3-Coder-30B-A3B-Instruct
對戰
Qwen3-30B-A3B-Thinking-2507
