Ling-2.6-flash على Novita AI: 340 رمزًا/ثانية، كفاءة رمزية أفضل بـ ~7x

فواتير رموز الوكيل تتصاعد: استدعاءات الأدوات متعددة الخطوات، التخطيط طويل السياق، والمخرجات الممتدة تحوّل ما يبدو كسعر منخفض لكل رمز إلى فاتورة شهرية باهظة. رد الصناعة — إطالة مسارات الاستدلال لدفع نتائج المعايير إلى الأعلى — يجعل الاقتصاد أسوأ، لا أفضل.

Ling-2.6-flash هو نموذج مختلف. مبني على بنية انتباه خطية هجينة، يحقق ما يصل إلى 340 رمزًا/ثانية على أجهزة 4× H20، ويوفر إنتاجية تعبئة أولية أفضل بـ 2.2 مرة من Nemotron-3-Super، ويستخدم فقط ~15 مليون رمز مخرج لإكمال مؤشر الذكاء الاصطناعي الكامل لتحليل Artificial Analysis — أي حوالي عُشر ما يستهلكه Nemotron-3-Super. باختصار: Ling-2.6-flash هو نموذج MoE بحجم 104B (نشط 7.4B) مع نافذة سياق 256 ألف، مُحسَّن لأحمال عمل الوكيل حيث السرعة والتكلفة والاستقرار أهم من معيار واحد بارز. وهو متاح الآن على Novita AI.

ما هو Ling-2.6-flash؟

Ling-2.6-flash هو نموذج لغة مزيج من الخبراء (MoE) متفرق مع إجمالي 104 مليار معامل و7.4 مليار معامل نشط لكل تمريرة أمامية. طوره فريق Ling (InclusionAI)، وهو مصمم كنموذج من فئة “فوري” — مُحسَّن لنشر الوكيل في الإنتاج حيث استهلاك الرموز وزمن الوصول تكاليف حقيقية، وليست مجرد عناوين معايير.

• 104B إجمالي / 7.4B نشط — بنية MoE مع تفرق عالي
• نافذة سياق 256 ألف رمز — بفضل الانتباه الخطي الهجين
• ذروة إنتاجية 340 رمزًا/ثانية على 4× H20 (TP=4)
• هجين 1:7 MLA + انتباه Lightning الخطي — إنتاجية 4 مرات في السياقات الطويلة
• أفضل معايير الوكيل — يتصدر BFCL-V4 (67.04)، PinchBench (81.10)، IFBench (58.10)، Multi-IF Turn-3 (74.85)
• إصدارات BF16 وFP8 وINT4 — إصدار مفتوح المصدر مخطط له عبر Linghe
• مُثبت في الإنتاج — ~100 مليار رمز يوميًا على OpenRouter خلال أيام من الإطلاق

البنية الخطية الهجينة: كيف يصبح Ling-2.6-flash أسرع عند التوسع

تقرن معظم نماذج MoE انتباه المحولات القياسي بطبقة FFN متفرقة. يستبدل Ling-2.6-flash معظم الانتباه بطبقة Lightning خطية، مما ينشئ هجين 1:7 MLA + Lightning خطي. تكلفة الانتباه تنمو خطيًا مع طول السياق بدلاً من تربيعيًا — وهو أمر حاسم لجلسات الوكيل الطويلة.

بنية Ling-2.6-flash: مفردات 157 ألف، سياق 256 ألف، هجين 1:7 MLA + Lightning خطي، 256 خبيرًا قابلًا للاختيار [المصدر: المدونة الرسمية لـLing]

إنتاجية فك الترميز: تصل إلى 4.38× عند المخرجات الطويلة

على 4× H20-3e (TP=4، حجم الدفعة 32)، يصل Ling-2.6-flash إلى إنتاجية فك ترميز معيارية 4.38× عند طول مخرج 65,536 رمزًا مقارنةً بـ GLM-4.5-Air الأساسي. يصل Qwen3.5-122B-A10B إلى 1.90×؛ Nemotron-3-Super 3.37×. الفجوة تتصاعد مع زيادة طول مخرج المهمة.

مقارنة إنتاجية فك الترميز، 4× H20-3e، TP=4، الدفعة=32 [المصدر: المدونة الرسمية لـLing]

إنتاجية التعبئة الأولية: 2.2× أفضل من Nemotron في السياقات الطويلة

يحقق Ling-2.6-flash إنتاجية تعبئة أولية معيارية ~4.68× عند سياق 65 ألف مقابل ~2.12× لـ Nemotron-3-Super. بالنسبة لخطوط أنابيب RAG والوكلاء متعددي الأدوار مع أوامر نظام طويلة، فإن هذا يقلل بشكل مباشر التكلفة لكل طلب.

مقارنة إنتاجية التعبئة الأولية، 4× H20-3e، TP=4، الدفعة=32 [المصدر: المدونة الرسمية لـLing]

كفاءة الرموز: 15 مليون مقابل 110 مليون لحل نفس المعايير

على مؤشر الذكاء الاصطناعي الكامل لتحليل Artificial Analysis، يستخدم Ling-2.6-flash ~15 مليون رمز مخرج. يستخدم Nemotron-3-Super +110 مليون — أي حوالي 7 مرات أكثر — لنموذج يحقق درجات أقل في مهام الوكيل. بالنسبة للتطبيقات التي تشغل مئات الآلاف من مهام الوكيل يوميًا، هذه الفجوة هي بند مباشر في ميزانية التكلفة.

الرموز المخرجة لإكمال مؤشر الذكاء الاصطناعي لتحليل Artificial Analysis — Ling 2.6 Flash: ~15M مقابل Nemotron-3-Super: ~110M+ [المصدر: Artificial Analysis]

الذكاء مقابل الرموز المخرجة: Ling 2.6 Flash يقع في منطقة الكفاءة العالية [المصدر: Artificial Analysis]

نتائج المعايير: أين يتصدر Ling-2.6-flash

تم التقييم على 19 معيارًا عبر 7 فئات مقابل Qwen3-57B-A14B، Qwen3.5-122B-A10B، GLM-4.5-Air، Nemotron-3-Super، و MiniMax-M1-80k:

جدول معايير شامل [المصدر: المدونة الرسمية لـLing]

معايير الوكيل: Ling-2.6-flash يتصدر في استخدام الأدوات و IF متعدد الأدوار [المصدر: المدونة الرسمية لـLing]

أين يتصدر Ling-2.6-flash

• BFCL-V4 (استدعاء الدوال): 67.04 — أقرب منافس Nemotron عند 35.12 (فجوة 90%)
• PinchBench (مهام الوكيل): 81.10 مقابل Nemotron 73.10
• IFBench (اتباع التعليمات): 58.10
• Multi-IF Turn-3: 74.85 — ثبات قوي في اتباع التعليمات متعددة الأدوار
• LongBench-v2: 54.80 — الأفضل في فئة السياق الطويل
• CCAlignBench (الصينية): 7.44 — الأفضل بين جميع النماذج المختبرة

أين يتصدر الآخرون

• الرياضيات (AIME 2025، MATH-500): Nemotron-3-Super وإصدارات Qwen3 الاستدلالية تفوز
• البرمجة (LiveCodeBench): Qwen3.5-122B-A10B يتصدر؛ Ling تنافسي لكن ليس الأفضل
• GPQA-Diamond: GLM-4.5-Air و Nemotron يسجلان أعلى

جدول مقارنة سريع

النموذج	المعاملات النشطة	BFCL-V4 ↑	PinchBench ↑	فك الترميز TP @ 65K ↑	الرموز المخرجة ↓
Ling-2.6-flash	7.4B	67.04	81.10	4.38×	~15M
Nemotron-3-Super	49B إجمالي	35.12	73.10	3.37×	~110M+
Qwen3.5-122B-A10B	10B	—	78.20	1.90×	—
GLM-4.5-Air	—	50.67	73.30	1.00× (أساسي)	—
MiniMax-M1-80k	—	44.07	75.70	—	—
Qwen3-57B-A14B	14B	52.32	76.30	—	—

الوصول إلى Ling-2.6-flash المدعوم من Novita AI

Ling-2.6-flash متاح الآن. جربه على OpenRouter — طبقة مجانية، لا حاجة للإعداد:

ابدأ على OpenRouter — inclusionai/ling-2.6-flash:free. طبقة مجانية متاحة، لا حاجة لتغييرات في الكود لعملاء OpenAI المتوافقين.

يعمل Ling-2.6-flash مع LangChain و LlamaIndex و OpenAI Agent SDK — لا حاجة لمهايئ أو تغييرات في الكود. البث، استدعاء الدوال، والمخرجات المنظمة كلها مدعومة. قم بإقرانه بـ Novita Agent Sandbox لتنفيذ الكود الآمن جنبًا إلى جنب مع الاستدلال.

ما يقوله المجتمع

أطلق Ling-2.6-flash على OpenRouter باسم “Elephant Alpha” قبل الكشف الرسمي. في غضون أيام، قام بمعالجة ~100 مليار رمز وتصدر قائمة النماذج الرائجة على المنصة — دون أي إعلان.

“Ling-2.6-flash موجَّه نحو العمل. أقل إسهابًا بحوالي 75٪ من النماذج الكبيرة. لا يزال هناك بعض الهيكل الأساسي، لكن عندما يتعلق الأمر بكتابة الكود — إنه مثالي تقريبًا.”

— مستخدم مبكر على X/Twitter

“جربت للتو Ling-2.6-flash على بعض مهام البرمجة عبر llama.cpp. أفضل بكثير مما توقعت. يتعامل مع استدعاءات الأدوات بموثوقية ولا يزيد المخرجات بشرح غير ضروري.”

— مستخدم مبكر على Reddit

تعليق “أقل إسهابًا بنسبة 75%” يتطابق تمامًا مع فجوة 15 مليون مقابل 110 مليون رمز على معايير Artificial Analysis. يبدو أن هدف التدريب يكافئ الإجابات المباشرة والكاملة — وهي خاصية تتراكم في توفير التكاليف على نطاق الإنتاج.

من يجب أن يستخدم Ling-2.6-flash؟

• ✅ وكلاء استدعاء دوال / استخدام أدوات عالية الحجم — ريادة BFCL-V4 بفارق كبير
• ✅ جلسات وكيل متعددة الأدوار — متسقة عبر سجلات المحادثة الطويلة
• ✅ خطوط أنابيب RAP طويلة السياق — نافذة سياق 256 ألف، تعبئة أولية بتكلفة خطية
• ✅ نشر إنتاجي حساس للتكلفة — ~7× رموز مخرجة أقل من Nemotron
• ✅ تطبيقات اللغة الصينية — أفضل CCAlignBench
• ❌ مسابقات الرياضيات / الاستدلال بأسلوب AIME — استخدم Nemotron أو إصدارات Qwen3 الاستدلالية
• ❌ أقصى أداء في معايير البرمجة — Qwen3.5-122B-A10B يتصدر

ابدأ الآن

Ling-2.6-flash متاح الآن. قم بالوصول إليه عبر صفحة النموذج على OpenRouter — الطبقة المجانية متاحة فورًا، لا حاجة لتغييرات في الكود لعملاء OpenAI المتوافقين. Agent Sandbox متاح أيضًا للفرق التي تجمع بين الاستدلال والتنفيذ الآمن.

جرب Ling-2.6-flash ←

الأسئلة الشائعة

ما هو Ling-2.6-flash؟

Ling-2.6-flash هو نموذج MoE بحجم 104B (نشط 7.4B) مع انتباه خطي هجين، نافذة سياق 256 ألف، وسرعة استدلال تصل إلى 340 رمزًا/ثانية — مُحسَّن لأحمال عمل الوكيل.

كيف أستخدم Ling-2.6-flash عبر API؟

استخدم OpenRouter مع مفتاح API الخاص بـ Novita AI (BYOK). أضف مفتاح Novita الخاص بك على openrouter.ai/settings/integrations، اختر Novita كمزود، وجّه الطلبات إلى inclusionai/ling-2.6-flash:free عبر نقطة نهاية OpenAI المتوافقة:

POST https://openrouter.ai/api/v1/chat/completions
Authorization: Bearer YOUR_OPENROUTER_API_KEY

{
  "model": "inclusionai/ling-2.6-flash:free",
  "provider": {
    "order": ["Novita"],
    "api_key": "YOUR_NOVITA_API_KEY"
  },
  "messages": [{"role": "user", "content": "Hello!"}]
}

راجع وثائق BYOK الخاصة بـ OpenRouter للإعداد الكامل. عند استخدام BYOK، لا يفرض OpenRouter رسومًا — تدفع لـ Novita مباشرة بسعر الطبقة المجانية.

كيف يقارن Ling-2.6-flash بـ Nemotron-3-Super؟

Ling يتصدر في BFCL-V4 (67.04 مقابل 35.12)، PinchBench (81.10 مقابل 73.10)، ويستخدم ~7× رموز مخرجة أقل. Nemotron يتصدر في الرياضيات. بالنسبة لأحمال عمل الوكيل، Ling-2.6-flash هو الخيار الاقتصادي الأفضل.

ما هي نافذة السياق؟

256 ألف رمز (262,144)، مع تعبئة أولية بتكلفة خطية بفضل الانتباه الخطي الهجين. جلسات RAG الطويلة والمتعددة الأدوار تتوسع بكفاءة.

هل Ling-2.6-flash مفتوح المصدر؟

إصدارات BF16 وFP8 وINT4 بالإضافة إلى نوى Linghe مخطط لها للإصدار مفتوح المصدر. الجدول الزمني غير محدد — تحقق من الموقع الرسمي لـLing للتحديثات.

---

قد يعجبك أيضًا

• Kimi K2.6: وكيل مفتوح المصدر لجلسات برمجة مدتها 13 ساعة — نموذج MoE بحجم 1T مع سياق 256 ألف و 58.6% SWE-Bench Pro
• GLM-5.1 API على Novita AI: نموذج وكيل طويل الأفق — يتصدر SWE-Bench Pro بنسبة 58.4، يدير مهام البرمجة الذاتية لمدة 8 ساعات
• أفضل مزودي API للاستدلال للنماذج مفتوحة المصدر في 2026 — قارن Novita AI و Together AI و Fireworks و DeepInfra و Groq