يتوفر Ling-3.0-Flash-VL على Novita AI كنموذج متعدد الوسائط بدون خادم للتطبيقات التي تحتاج إلى إدخال نص وصورة وفيديو في سير عمل API واحد. يُظهر القائمة المستضافة لـ inclusionai/ling-3.0-flash-vl نافذة سياق من 262,144 رمزًا، وحدًا أقصى للإخراج يبلغ 32,768 رمزًا، وقدرة على التفكير، واستدعاء الدوال، وسعر 0 دولار لكل مليون رمز إدخال وإخراج مع علامة “مجاني لفترة محدودة”، تم التحقق منه في 9 سبتمبر 2026. إنه العضو البصري-اللغوي من عائلة Ling-3.0-flash، ويضيف فهمًا بصريًا أصليًا وقدرات وكيل بصري بدلاً من الحاجة إلى خط أنابيب منفصل لتحويل الصورة إلى نص.
النقاط الرئيسية
- يقبل Ling-3.0-Flash-VL النصوص والصور ومقاطع الفيديو. يذكر Novita وسائط الإدخال الثلاثة هذه والإخراج النصي للنموذج المستضاف.
- نقطة نهاية Novita هي نشر بسياق 256 ألف رمز وإخراج 32 ألف رمز. الحدود الدقيقة هي 262,144 رمز سياق و32,768 رمز أقصى للإخراج.
- النموذج متناثر بسعة إجمالية كبيرة. تصف بطاقة النموذج الرسمية من InclusionAI إجمالي 124 مليار معلمة وحوالي 5.5 مليار معلمة نشطة لكل رمز.
- سعر الرموز الحالي هو 0 دولار. يشير Novita إلى أن الإدخال والإخراج بسعر 0 دولار لكل مليون رمز ويصف العرض بأنه “مجاني لفترة محدودة”، لذا أعد التحقق من صفحة النموذج قبل تخصيص ميزانية لحركة المرور الإنتاجية.
- الفرق الرئيسي في حالة الاستخدام عن Ling-3.0-flash الأساسي هو الإدخال البصري. استخدم نظرة عامة على Ling-3.0-flash لنقطة الدخول للعائلة النصية فقط؛ تركز هذه الصفحة على المتغير
-VL.
ما هو Ling-3.0-Flash-VL؟
Ling-3.0-Flash-VL هو نموذج متعدد الوسائط أصلي من InclusionAI والامتداد البصري-اللغوي لـ Ling-3.0-flash. تصف بطاقة النموذج الرئيسية نظامًا يجلب المعلومات البصرية إلى الفهم والتفكير والتخطيط والعمل والتحقق. هذا دور أوسع من إرفاق أداة تعليق على الصور بنموذج لغة نصي فقط: يمكن أن تظل الصورة أو الفيديو جزءًا من سياق التفكير للنموذج أثناء معالجته لمهمة ما.
تشير بطاقة النموذج إلى إجمالي 124 مليار معلمة وحوالي 5.5 مليار معلمة نشطة لكل رمز. هذا تصميم خليط من الخبراء المتناثر، لذا فإن العدد الإجمالي للمعلمات والمعلمات النشطة لكل رمز يصف خصائص مختلفة. يشير الأول إلى السعة الإجمالية للنموذج؛ ويصف الأخير المقدار التقريبي للحساب الموجه لكل رمز. لا يضمن أي من الرقمين وحده زمن استجابة معينًا أو جودة إخراج لعبء العمل الخاص بك.
الامتداد البصري هو الفرق المهم لهذا الإطلاق. Ling-3.0-flash الأساسي هو نموذج نصي في قائمة Novita الحالية، بينما يقبل Ling-3.0-Flash-VL إدخال الصور والفيديو بالإضافة إلى النص. هذا يجعل صفحة -VL ذات صلة بفهم الواجهات، وتحليل المستندات والرسوم البيانية، والتفتيش البصري، والإجابة على الأسئلة من الفيديو، والوكلاء الذين يحتاجون إلى تفسير ما هو على الشاشة.
كيفية الوصول إليه على Novita AI
يستضيف Novita النموذج كنقطة نهاية بدون خادم بمعرف النموذج الدقيق inclusionai/ling-3.0-flash-vl. تسرد صفحة النموذج عائلتي نقطة النهاية chat/completions والمتوافقة مع Anthropic، بالإضافة إلى ميزات التفكير واستدعاء الدوال. بالنسبة لعميل موجود متوافق مع OpenAI، استخدم عنوان URL الأساسي لواجهة API الخاصة بـ Novita وحدد معرف النموذج الدقيق في تكوين الطلب الخاص بك.
صفحة النموذج هي المصدر الموثوق للتكوين المستضاف. على وجه الخصوص، لا تنسخ ادعاء السياق الأكبر لبطاقة النموذج الرئيسية في تكامل Novita دون التحقق من حدود النشر: تصف بطاقة النموذج ما يصل إلى 1 مليون رمز على مستوى النموذج، بينما يعرض Novita حاليًا 262,144 رمز سياق و32,768 رمز أقصى للإخراج لهذه القائمة.
يظهر الكتالوج الحالي أيضًا حدًا قدره 30 طلبًا في الدقيقة للطبقة الافتراضية، مع سرد قيم الطبقات الأعلى بشكل منفصل. تعامل مع ذلك كحصص كتالوج، وليس كضمان إنتاجية عالمي للتطبيق. يمكن أن تؤثر طبقة الحساب وحجم الطلب والتزامن وإعادة المحاولات وتنفيذ الأدوات على الإنتاجية من البداية إلى النهاية.
المواصفات وملخص التسعير
| الحقل | التفاصيل | المصدر / تاريخ التحقق |
|---|---|---|
| اسم العرض | Ling 3.0 Flash VL | صفحة نموذج Novita، 9 سبتمبر 2026 |
| معرف النموذج | inclusionai/ling-3.0-flash-vl |
صفحة نموذج Novita، 9 سبتمبر 2026 |
| البنية | إجمالي 124 مليار معلمة؛ حوالي 5.5 مليار نشطة لكل رمز؛ MoE متناثرة | بطاقة نموذج InclusionAI الرسمية، 9 سبتمبر 2026 |
| وسائط الإدخال | نص، صورة، وفيديو | صفحة نموذج Novita، 9 سبتمبر 2026 |
| وسيط الإخراج | نص | صفحة نموذج Novita، 9 سبتمبر 2026 |
| نافذة السياق | 262,144 رمزًا على نشر Novita | صفحة نموذج Novita، 9 سبتمبر 2026 |
| الإخراج الأقصى | 32,768 رمزًا | صفحة نموذج Novita، 9 سبتمبر 2026 |
| الميزات المستضافة | بدون خادم، استدعاء الدوال، التفكير | صفحة نموذج Novita، 9 سبتمبر 2026 |
| عائلات نقطة النهاية | chat/completions، متوافقة مع Anthropic |
صفحة نموذج Novita، 9 سبتمبر 2026 |
| عدد طلب في الدقيقة بالكتالوج | 30 طلبًا في الدقيقة على الطبقة الافتراضية | صفحة نموذج Novita، 9 سبتمبر 2026 |
| سعر الإدخال | 0 دولار لكل مليون رمز، مُصنف حاليًا “مجاني لفترة محدودة” | صفحة نموذج Novita، 9 سبتمبر 2026 |
| سعر الإخراج | 0 دولار لكل مليون رمز، مُصنف حاليًا “مجاني لفترة محدودة” | صفحة نموذج Novita، 9 سبتمبر 2026 |
السعر 0 دولار مفيد للتقييم، لكن لا ينبغي أن يصبح افتراضًا غير مُختبر للإنتاج. قبل الإطلاق، سجل السعر الحالي، وأضف حاجزًا للميزانية، وقرر النموذج أو قائمة الانتظار التي يجب أن تستقبل حركة المرور إذا انتهت الفترة الترويجية.
ماذا يمكن للمطورين بناؤه به؟
فهم المستندات والرسوم البيانية والواجهات
يمكن للإدخال البصري تقليل مقدار المعالجة المسبقة المطلوبة للمستندات ولوحات المعلومات ولقطات الشاشة وواجهات البرامج. يمكن للمطور تمرير لقطة شاشة مع تعليمات المهمة ويطلب من النموذج تحديد الحقول، أو تلخيص الحالة المرئية، أو تحديد هدف التفاعل. بالنسبة للمستندات والرسوم البيانية، اختبر ما إذا كان النموذج يحافظ على الوحدات والوسائل وهياكل الجداول والعلاقات المكانية بدلاً من الحكم عليه من مثال تعليق قصير.
التفكير في الصور والفيديو
تستخدم البنية الرئيسية برنامج تشفير بصري ومعالجة الموضع الزمني للفيديو. هذا مهم عندما تعتمد الإجابة على التغيير بمرور الوقت، مثل تحديد وقت حدوث حدث، أو مقارنة لحظتين في مقطع، أو استخراج سلسلة من الإجراءات. لا تزال مقاطع الفيديو الطويلة بحاجة إلى أخذ عينات دقيق وتصميم موجه: حد السياق الكبير لا يجعل تلقائيًا كل إطار مفيدًا بنفس القدر أو ميسور التكلفة بعد تغييرات التسعير.
دعم الوكلاء البصريين
يتناسب وضع الوكيل البصري للنموذج مع سير العمل حيث يكون الإدراك مجرد مرحلة واحدة من حلقة أكبر. قد يفحص وكيل لقطة شاشة للمتصفح، ويفكر في الإجراء التالي، ويستدعي أداة، ويتحقق من الشاشة الناتجة. يمكن لاستدعاء الدوال توفير الحدود للإجراءات، بينما يوفر السياق البصري دليلاً لاتخاذ قرار بشأن ما يجب فعله بعد ذلك. حافظ على صلاحيات ضيقة وتحقق من كل وسيطة أداة؛ الفهم متعدد الوسائط لا يلغي الحاجة إلى فحوصات السلامة من جانب التطبيق.
توجيه مهام النص والبصري المختلطة
يمكن للفرق التي تقوم بالفعل بتوجيه مهام النص إلى Ling-3.0-flash تقييم المتغير -VL للطلبات التي تحتوي على أدلة بصرية. يمكن للموجه العملي إرسال حركة مرور نصية فقط إلى النموذج الأساسي وحجز المتغير البصري للرسائل التي تحتوي على صور أو فيديوهات أو حالة مستمدة من لقطة شاشة. قم بقياس المسار بالكامل، بما في ذلك إعداد الصورة، ووقت التحميل، وزمن استجابة النموذج، وإعادة المحاولات، واستدعاءات الأدوات النهائية.
إشارات الأداء والتقييم
تذكر بطاقة النموذج الرسمية من InclusionAI درجة 42 على مؤشر الذكاء الاصطناعي الاصطناعي v4.1.1 وتصف أبعاد القدرة متعددة الوسائط بما في ذلك الفهم والتفكير والعمل. هذه إشارة مفيدة حول الإصدار الرئيسي، وليست ضمانًا لنشر Novita المستضاف أو لتوزيع المطالبات الخاص بك. كما تلاحظ الصفحة تكوين تقييم Terminal-Bench بسياق 256 ألف رمز، وهو أقرب إلى حد السياق المستضاف من بيان بطاقة النموذج العام “حتى 1 مليون”.
من أجل تقييم ذي معنى، استخدم مجموعة مهام صغيرة تعكس منتجك:
- الاستخراج البصري: قم بقياس دقة الحقول على لقطات الشاشة والنماذج والجداول والرسوم البيانية.
- التفكير الزمني: اختبر ما إذا كانت الإجابات تحدد الحدث الصحيح والنطاق الزمني في مقاطع الفيديو القصيرة.
- تنفيذ الوكيل: سجل كلاً من الأداة المختارة والحالة النهائية بعد تشغيل الأداة.
- التأريض: قم بتضمين صور بتفاصيل غامضة أو غير ذات صلة وتحقق من الادعاءات غير المدعومة.
- العمليات: سجل زمن الاستجابة، واستخدام الرموز، ومعدل الفشل، وسلوك حد المعدل، وتأثير إعادة المحاولات.
لا تستخدم درجة معيارية رئيسية كبديل لفحوصات التطبيق هذه. يمكن للنموذج أن يؤدي أداءً جيدًا على معيار عام مع استمرار حاجته إلى تغييرات في المطالبات أو المعالجة المسبقة أو التوجيه في واجهة إنتاجية.
متى تستخدم Ling-3.0-Flash-VL
اختر Ling-3.0-Flash-VL عندما يحتوي طلبك على دليل بصري وتتطلب الإجابة أكثر من تعليق لمرة واحدة. إنه مرشح جيد للتقييم من أجل:
- فهم لقطات الشاشة وواجهة المتصفح
- الإجابة على الأسئلة حول الرسوم البيانية والجداول والمستندات
- تحديد موقع الأحداث في الفيديو القصير وتلخيصها
- وكلاء استخدام الأدوات البصرية
- سير عمل الدعم المختلط للنص والصورة
القائمة المجانية الحالية تجعل من العملي أيضًا بناء مجموعة اختبار تمثيلية قبل الالتزام بخطة توجيه مدفوعة. سجل التاريخ وحالة التسعير عند إجراء تلك الاختبارات حتى تظل مقارنات التكلفة قابلة للتكرار.
متى تختار نموذجًا آخر
اختر صفحة نموذج Ling-3.0-flash الأساسية لأحمال العمل النصية فقط إذا لم تكن بحاجة إلى مدخلات بصرية. قد يبسط المسار النصي فقط معالجة الحمولة ويقلل من المعالجة متعددة الوسائط غير الضرورية.
اختر نموذجًا آخر إذا كنت بحاجة إلى سعر ثابت بشكل دائم، أو حد سياق أو إخراج مختلف، أو مستوى خدمة زمن استجابة مُختبَر، أو إدخال صوتي، أو قدرة غير مدرجة لهذا النشر. احتفظ أيضًا بخطة احتياطية إذا كان تطبيقك يعتمد على العرض الحالي “مجاني لفترة محدودة”. التصميم الإنتاجي الأكثر أمانًا يعامل السعر الترويجي وحصة الكتالوج كتكوين قابل للتغيير، وليس كضمانات منتج مشفرة.
كيف يتناسب مع سير عمل API الحالي
على مستوى عالٍ، يحتاج تطبيق موجود متوافق مع OpenAI إلى مفتاح API لـ Novita، وعنوان URL الأساسي المتوافق مع OpenAI لـ Novita، و inclusionai/ling-3.0-flash-vl كمعرف النموذج. يجب أن يستخدم الطلب بنية الرسالة متعددة الوسائط التي تدعمها نقطة النهاية المحددة، مع محتوى الصورة أو الفيديو إلى جانب تعليمات النص للمستخدم.
حافظ على الأصول البصرية متاحة لنقطة النهاية وتحقق من تنسيقها قبل إرسالها. بالنسبة لسير عمل الوكيل، حدد الأدوات بشكل منفصل عن المحتوى البصري، وقيد ما يمكن لكل أداة فعله، وسجل الإجراء المختار للنموذج وحالة التطبيق الناتجة. يمكن أن تغطي مقالة البدء السريع المخصصة بناء الطلب الخاص بـ SDK؛ تركز صفحة الإطلاق هذه بشكل متعمد على التوفر، والتحديد، والحدود، والتسعير.
التوصية النهائية
Ling-3.0-Flash-VL هو عضو عائلة Ling-3.0-flash الذي يجب اختباره عندما يجب أن يشارك الدليل البصري في التفكير أو تنفيذ الوكيل. تجمع قائمة Novita الحالية بدون خادم بين إدخال الصورة والفيديو مع سياق 262 ألفًا، وإخراج أقصى 32 ألفًا، والتفكير، واستدعاء الدوال، بينما يخفض سعر الإدخال والإخراج البالغ 0 دولار حاجز التقييم للإطار الزمني المحدود الحالي.
ابدأ بمجموعة اختبار خاصة بعبء العمل، وقارنها بمسارك النصي الحالي، وسجل المقاييس التشغيلية بالإضافة إلى جودة الإجابة. إذا كانت تلبي متطلبات الدقة البصرية وسلامة الأدوات، فاحتفظ بمعرف نموذج Novita والتسعير الحالي في التكوين بحيث لا يتطلب تغيير الكتالوج في المستقبل إعادة كتابة الكود.
جرب Ling-3.0-Flash-VL على Novita AI
الأسئلة الشائعة
ما هو معرف نموذج Ling-3.0-Flash-VL على Novita AI؟
معرف النموذج الدقيق هو inclusionai/ling-3.0-flash-vl.
هل يدعم Ling-3.0-Flash-VL إدخال الصور والفيديو؟
نعم. تدعم قائمة Novita الحالية إدخال النص والصورة والفيديو، مع إخراج نصي.
ما نافذة السياق وحد الإخراج الذي يوفره Novita؟
تظهر القائمة المستضافة نافذة سياق من 262,144 رمزًا وحدًا أقصى للإخراج يبلغ 32,768 رمزًا. هذه هي قيم نشر Novita ويجب التحقق منها مرة أخرى قبل الاستخدام في الإنتاج.
هل Ling-3.0-Flash-VL مجاني على Novita AI؟
يسرد Novita حاليًا 0 دولار لكل مليون رمز إدخال و 0 دولار لكل مليون رمز إخراج ويصنف النموذج بأنه “مجاني لفترة محدودة”. يمكن أن يتغير السعر، لذا تأكد من صفحة النموذج المباشرة قبل الاعتماد عليه.
هل يدعم استدعاء الدوال والتفكير؟
نعم. يسرد Novita كلاً من استدعاء الدوال والتفكير بين الميزات المستضافة.
كيف يختلف عن Ling-3.0-flash؟
يضيف Ling-3.0-Flash-VL إدخال الصورة والفيديو الأصلي بالإضافة إلى قدرات الوكيل البصري. صفحة Ling-3.0-flash الأساسية الحالية هي نقطة دخول للعائلة النصية فقط، لذا استخدم المتغير -VL عندما يكون الدليل البصري جزءًا من الطلب.
هل يدعم النموذج الرئيسي سياق 1 مليون رمز؟
تصف بطاقة النموذج الرسمية من InclusionAI ما يصل إلى 1 مليون رمز على مستوى النموذج. تعرض قائمة Novita المستضافة حاليًا 262,144 رمزًا، لذا استخدم القيمة المستضافة عند تصميم الطلبات عبر Novita.
