Un modello che attiva appena 5 miliardi di parametri per ogni token ma ne contiene 124, ragiona su contesti fino a 256 mila token e viene rilasciato con licenza MIT — cioè liberamente utilizzabile anche a fini commerciali. È Ling-3.0-flash, il modello «flash» ad alta efficienza pubblicato all'inizio di agosto 2026 da inclusionAI, la divisione di ricerca sull'IA del gruppo cinese Ant Group. Per chi cerca prestazioni da modello grande a costi da modello piccolo, merita attenzione.
L'idea: tanta conoscenza, poco calcolo per token
Ling-3.0-flash è un modello «Mixture-of-Experts» (MoE): al suo interno convivono molti «esperti» specializzati, ma per ogni parola elaborata se ne attivano solo alcuni. Il risultato sono 124 miliardi di parametri totali con soli 5,1 miliardi attivi per token. È la ricetta che permette di contenere drasticamente il costo di inferenza — cioè quanto calcolo serve per generare le risposte — pur disponendo di una grande capacità complessiva.
inclusionAI lo presenta come un modello «flash» ricavato dalla stessa famiglia del suo modello di punta da mille miliardi di parametri (Ling-2.6-1T), a circa un ottavo dei parametri totali e con un dodicesimo del calcolo attivo, rivendicando prestazioni pari o superiori a quel flagship. Supporta inoltre una modalità di ragionamento «ibrida», attivabile o disattivabile a seconda che serva una risposta ponderata o una rapida.
I numeri dichiarati (e come leggerli)
Sulla scheda ufficiale del modello inclusionAI riporta risultati di rilievo sui benchmark: 93,2 su AIME 2026 e 87 su HMMT (test di matematica avanzata), 56,6 su SWE-Bench Pro e 72,4 su SWE-Bench Multilingual (prove di programmazione realistiche), 22,7 su Humanity's Last Exam. Sono numeri assoluti dichiarati dal produttore: al momento del lancio l'azienda non ha pubblicato tabelle comparative complete verso i modelli rivali, quindi i confronti diretti vanno presi con prudenza finché non arrivano verifiche indipendenti. Restano comunque valori che, se confermati, collocano il modello ai vertici tra gli open-weight.
Sul piano tecnico, il modello usa un'architettura MoE «ibrida-lineare» con 512 esperti instradati più uno condiviso (8 attivati per token) e una finestra di contesto che arriva a 256 mila token, ottenuta con un addestramento progressivo da 8 a 256 mila. La licenza è MIT, tra le più permissive: nessun vincolo territoriale, uso commerciale libero.
Come provarlo: gratis su OpenRouter o in locale
La via più rapida, senza installare nulla, è OpenRouter, che al lancio offre il modello in un piano gratuito. Basta puntare un qualsiasi client compatibile con lo standard OpenAI all'endpoint di OpenRouter:
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="LA_TUA_CHIAVE_OPENROUTER",
)
r = client.chat.completions.create(
model="inclusionai/ling-3.0-flash",
messages=[{"role": "user",
"content": "Spiega in italiano cos'è un modello Mixture-of-Experts, in 5 righe."}],
)
print(r.choices[0].message.content)Risultato atteso: una spiegazione chiara e concisa in italiano, generata in pochi secondi. Chi preferisce l'esecuzione in proprio trova i pesi su Hugging Face nel repository inclusionAI/Ling-3.0-flash, con branch dedicati per i motori di inferenza vLLM e SGLang.
Requisiti hardware e a chi conviene
Attenzione a un equivoco comune: pur attivando solo 5,1 miliardi di parametri per token, il modello ne contiene 124 miliardi, che vanno comunque caricati in memoria. Per l'esecuzione locale dei pesi completi servono quindi più schede grafiche o l'uso di versioni quantizzate; il repository non indica un requisito puntuale di memoria video. In pratica, per il singolo sviluppatore la strada consigliata è l'API (OpenRouter o servizi equivalenti), mentre l'installazione in proprio ha senso per aziende e centri di ricerca con hardware adeguato che vogliono il controllo completo sui dati.
Il punto di forza di Ling-3.0-flash è il rapporto tra capacità e costo: per applicazioni «agentiche» — assistenti che eseguono più passaggi, usano strumenti, elaborano documenti lunghi — un modello con poco calcolo attivo per token e licenza MIT è particolarmente interessante. È l'ennesima conferma di una tendenza del 2026: i laboratori cinesi continuano a spingere sull'open-weight efficiente, riducendo la distanza dai modelli commerciali chiusi e offrendo alternative concrete a chi vuole costruire senza dipendere da un unico fornitore.
