/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,5 млрд
Лицензия
MIT
Архитектура
bailing_hybrid · MoE
Опубликована
11 авг 2026

Ling-3.0-flash-base-midtrain

Генерация текстаТекст → текст3 профессии

Промежуточная базовая MoE-модель Ling-3.0 для продолжения обучения, адаптации под предметные области и исследований длинного контекста.

315скачиваний за 30 дней7лайковвеса 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-midtrain — базовая языковая модель из семейства Ling-3.0, выпущенного командой inclusionAI. Это промежуточный чекпойнт после этапа mid-training: он не прошёл слияние WSM, затухание скорости обучения или post-training и предназначен для дальнейшего обучения и исследований. Модель имеет разреженную MoE-архитектуру Bailing Hybrid с 512 маршрутизируемыми экспертами; для каждого токена активируются 8 маршрутизируемых и 1 общий эксперт. Гибридное внимание объединяет KDA и Gated MLA для работы с длинным контекстом. По метаданным, размер модели — 3,5 млрд параметров, нативный контекст — 262 144 токена.

Модель подходит для продолжения pretraining и mid-training, дообучения под предметную область, post-training и исследований длинного контекста и MoE. Она принимает текст и генерирует текст. Карточка описывает оценку математики, программирования, рассуждений, многоязычного понимания и длинного контекста, но не перечисляет конкретные поддерживаемые языки. Для непосредственного пользовательского чата и критически важных сценариев модель не рекомендована без дополнительного выравнивания и проверки. Лицензия — MIT.

Сценарии применения

  • продолжение предварительного обучения языковой модели
  • mid-training базовой языковой модели
  • дообучение модели для предметной области
  • исследование разреженных MoE-архитектур
  • эксперименты с обработкой длинного контекста

Ограничения

Не предназначена для непосредственного развертывания в пользовательском чате: модель не прошла post-training. Для критически важных и производственных сценариев нужны дополнительное выравнивание и проверка под конкретную задачу.

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
34f7c1e

0 моделей