Ling-3.0-flash
Ling-3.0-flash是一款拥有1240亿参数的混合专家（MoE）模型，每个token激活的参数约为51亿。该模型以token效率和生产级智能体推理为核心设计重点，能够为开发者提供适配大规模落地场景的高性能推理能力，助力各类智能应用的高效开发与部署。
上下文 262K会用工具深度推理
适合做什么
根据公开评测与能力标签，一句话帮你判断用途
更适合先从简介和评测分数判断是否匹配你的场景。
- 长文友好：一次塞很多资料也不容易“忘前面”
实力怎么样
Artificial Analysis 公开指数，分数越高越好，大约按 0–100 理解
综合智能
常识、推理、知识问答这类“脑子够不够用”
37.8 一般
评测榜第 51 名 / 123写代码
写程序、改 bug、读仓库时的表现
50.6 中等
评测榜第 52 名 / 123当助手干活
多步骤任务、工具调用、把事情办完的能力
29.3 偏弱
评测榜第 43 名 / 123大概要花多少钱
按每百万 tokens 计价（约等于几十万到上百万汉字量级）
读入内容
$0.021/M
你把资料/问题喂给模型的费用
写出回答
$0.063/M
模型生成回复的费用，通常更贵
重复内容缓存
$0.0042/M
相同上下文再次命中时更便宜
举个例子：读进约 50 万 tokens、写出约 5 万 tokens，大约花费 $0.01（按公开标价估算）。
能处理什么
输入、输出与常见能力开关
能看懂
文本
能产出
文本
还会这些
工具调用JSON / 结构化指定输出格式推理参数可见思考过程
怎么思考
推理模式决定它会不会先“慢慢想再答”
这是一台可以按需加深思考的模型。
- 默认会开启推理，你也可以按接口参数关掉或调档
- 支持把思考过程一并返回，方便排查它怎么想的