/ Модель

Характеристики

Контекст
8 192 токена
Параметры
3,5 млрд
Лицензия
MIT
Архитектура
bailing_hybrid · MoE
Опубликована
11 авг 2026

Ling-3.0-flash-base-30T

Генерация текстаТекст → текст3 профессии

Предобученная языковая модель Ling-3.0 с разреженной MoE-архитектурой для продолжения обучения, адаптации и исследований.

361скачиваний за 30 дней11лайковвеса обновлены20 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ling-3.0-flash-base-30T — базовая языковая модель семейства Ling-3.0, выпущенная командой inclusionAI как промежуточный чекпойнт обучения. Она предназначена для продолжения предобучения, дообучения под предметную область и исследований методов обучения, MoE-систем и обработки длинного контекста; для обычного чат-развертывания модель не подготовлена.

Модель построена на гибридной разреженной MoE-архитектуре Bailing с 512 маршрутизируемыми экспертами: на каждом токене активируются восемь экспертов и один общий. В архитектуре внимания сочетаются KDA и Gated MLA. Размер модели — 3,5 млрд параметров, нативный контекст — 8192 токена; формат файлов — safetensors. README указывает на поддержку многоязычных задач, математики, программирования, рассуждений и длинного контекста, но не перечисляет конкретные языки.

Это предобученный чекпойнт, без mid-training, слияния WSM и постобучения. Для использования в диалоге, высокорисковых сценариях или производственных задачах нужны дополнительное выравнивание и проверка на конкретной задаче. Лицензия — MIT.

Сценарии применения

  • продолжение предобучения на новых корпусах
  • дообучение для адаптации к предметной области
  • исследование разреженных MoE-моделей
  • эксперименты с обработкой длинного контекста
  • исследование постобучения и дистилляции

Ограничения

Это предобученный чекпойнт без постобучения, поэтому он не предназначен для прямого чат-развертывания. Для производственного и критически важного применения необходимы дополнительное выравнивание и оценка на целевых задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Introduction

We have open-sourced the Ling-3.0 series, our most efficient language foundation model family to date. To support research and community-driven innovation, we are releasing a collection of checkpoints during the training process as following:

These checkpoints correspond to different stages of the training process:

  • Pretrained checkpoint have completed large-scale pretraining but have not undergone mid-training, WSM merging (or learning-rate decay), or post-training.
  • Mid-trained checkpoint have completed mid-training but have not undergone WSM merging (or learning-rate decay) or post-training.
  • Merged checkpoints have undergone WSM merging (or learning-rate decay) based on the mid-training checkpoints but have not undergone post-training.

These checkpoints are released to support continued pretraining, fine-tuning, and further research. For the post-trained model, please see and see Ling-3.0-tiny and Ling-3.0-flash.

Model Overview

Key features

  • Highly sparse (1/64) MoE architecture: 512 routed experts, with only 8 routed experts and 1 shared expert activated per token. This enables broad model capabilities while activating just 5.1B (Non-emb) parameters per token;
  • Native hybrid linear attention: Ling-3.0 series adopt a native hybrid linear attention architecture from the very start of pretraining by combining KDA with Gated MLA to enable efficient processing of long-context inputs.
  • Warmup-Stable and Merge: We replace conventional learning-rate decay with weighted checkpoint merging. By eliminating the decay phase, our Base Model is better suited for continual pretraining and dynamic data expansion, while enabling offline exploration of different decay profiles without rerunning costly experiments for each strategy.
  • Scale Seamlessly: Ling-3.0-tiny-base and Ling-3.0-flash-base share the same training recipe, enabling community to experiment on the Ling-3.0-tiny-base first and then scale validated training strategies to the larger Ling-3.0-flash-base.

Base Model Evaluation

To systematically assess the capabilities of the base model, we use a self-built comprehensive benchmark suite covering several key domains, including mathematics, coding, reasoning, multilingual understanding, and long-context comprehension. The performance of the pretrained base checkpoint, i.e., Ling-3.0-flash-base, is compared below:

Intended Use

Recommended use cases:

  • Continued pre-training
  • Mid-training
  • Supervised fine-tuning for domain adaptation
  • Preference optimization and RL post-training Distillation research
  • Long-context and MoE systems research

Not recommended as-is for:

  • Direct end-user chat deployment
  • Safety-critical applications without additional alignment and evaluation
  • Production use without post-training and task-specific validation

Usage

For fine-tuning examples, please refer to our ling-cookbook.

FAQ

If you have any question, please feel free to add a discussion.

License

This model is released under the MIT License.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
BailingMoeV3ForCausalLM
Ревизия весов
4c7a676

0 моделей