InclusionAI Ling Flash 2.0 — fast inference model for general-purpose tasks.
Ling Flash 2.0 是由 InclusionAI 构建的混合专家（MoE）语言模型，于 2025 年 7 月 23 日开源。模型总参数为 100B，每个 Token 仅激活 6.1B（非嵌入层 4.8B），架构设计遵循 Ling Scaling Laws（arXiv 2507.17702）。训练语料超过 20T Token，并经过监督微调与多阶段强化学习的精调。
得益于 1/32 的激活比率，Ling Flash 2.0 相较于同等规模的稠密架构可实现约 7 倍的效率增益，并在 H20 硬件上达到 200+ Token/s 的推理速度，比同级 36B 稠密模型快 3 倍。借助 YaRN 推断，上下文窗口可扩展至 128K Token。该模型专为复杂推理、多步骤代码生成、前端开发及金融/医疗等专业垂直领域设计。
InclusionAI 将 Ling Flash 2.0 发布为 MIT 许可的 Hugging Face 开源权重模型，并提供本地部署说明、原生 32K 上下文以及可选的 128K YaRN 外推方案。
TheRouter 通过 OpenAI 兼容的 chat 路由提供 inclusionai/ling-flash-2。运行时价格、上下文长度、区域与支持参数以 TheRouter 实时模型目录为准，而不是 Hugging Face 权重页。
| 类型 | 费率 |
|---|---|
| 输入 | $0.1512 每百万 Tokens |
| 输出 | $0.6156 每百万 Tokens |
| 发布日期 | 2025-07-23huggingface.co ↗ | 已核实 |
| 架构 | MoE — 总参数 100B / 激活 6.1B（非嵌入层 4.8B），激活比率 1/32huggingface.co ↗ | 已核实 |
| 训练数据量 | 超过 20T Token 的高质量数据huggingface.co ↗ | 已核实 |
| 训练数据截止 | 未公开披露 | 未知 |
| 许可 | MIThuggingface.co ↗ | 已核实 |
| 推理吞吐量（H20） | 200+ Token/s — 日常使用比 36B 稠密模型快约 3 倍huggingface.co ↗ | 已核实 |
| 上下文长度 | 原生 32K；YaRN 推断后可达 128Khuggingface.co ↗ | 已核实 |
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
MMLU-Pro | SOTA vs dense <40B at launch | huggingface.co ↗ | |
GPQA-Diamond | Competitive vs Qwen3-32B-Non-Thinking and GPT-OSS-120B/low | huggingface.co ↗ | |
LiveCodeBench v6 | Strong — outperforms 36B dense models | huggingface.co ↗ | |
AIME 2025 | Strong advanced math performance | huggingface.co ↗ | |
ARC-Prize | Reported competitive on logical reasoning track | huggingface.co ↗ |
所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。
curl https://api.therouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $THE_ROUTER_API_KEY" -d '{
"model": "inclusionai/ling-flash-2",
"messages": [
{"role": "user", "content": "Summarize the key points from this input."}
]
}'curl https://api.therouter.ai/v1/chat/completions \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"inclusionai/ling-flash-2","messages":[{"role":"user","content":"Explain the Ling 2.0 MoE architecture in one paragraph."}]}'InclusionAI 在 HuggingFace 上以 MIT 许可证发布了 Ling Flash 2.0。该模型每次推理仅激活 100B 参数中的 6.1B，在 H20 GPU 上实现 200+ Token/s 的速度，同时在 GPQA-Diamond、LiveCodeBench v6、AIME 2025 和 FinanceReasoning 等基准上达到或超越 40B 以内的稠密模型。
该模型采用以 Ling Scaling Laws 研究为指导的 1/32 激活比率 MoE 架构。关键设计选择——专家粒度、共享专家比率、无辅助损失的 sigmoid 路由、MTP 层、QK-Norm 和 Partial-RoPE——使小规模的激活切片能够利用更大的参数池。据 InclusionAI 报告，相较于同等质量水平的稠密模型，这可带来约 7 倍的效率增益。
原生支持 32K Token。通过 YaRN 推断（在 config.json 中添加 rope_scaling 字段），上下文窗口可扩展至 128K Token。随着输出长度的增加，由于模型的小激活量，相对于稠密同类模型的速度优势可提升至 7 倍甚至更高。
| 来源 | URL | 采集于 | |
|---|---|---|---|
| 发布日期 | huggingface.co ↗ | 2026-08-13 | 已核实 |
| 架构 | huggingface.co ↗ | 2026-08-13 | 已核实 |
| 训练数据量 | huggingface.co ↗ | 2026-08-13 | 已核实 |
| 训练数据截止 | — | — | 未知 |
| 许可 | huggingface.co ↗ | 2026-08-13 | 已核实 |
| 推理吞吐量（H20） | huggingface.co ↗ | 2026-08-13 | 已核实 |
| 上下文长度 | huggingface.co ↗ | 2026-08-13 | 已核实 |
| MMLU-Pro | huggingface.co ↗ | 2026-08-13 | 已核实 |
| GPQA-Diamond | huggingface.co ↗ | 2026-08-13 | 已核实 |
| LiveCodeBench v6 | huggingface.co ↗ | 2026-08-13 | 已核实 |
| AIME 2025 | huggingface.co ↗ | 2026-08-13 | 已核实 |
| ARC-Prize | huggingface.co ↗ | 2026-08-13 | 已核实 |
| InclusionAI 开源 Ling Flash 2.0——100B MoE 模型以 40B 稠密质量实现 3 倍速度 | huggingface.co ↗ | 2026-08-13 | 已核实 |
| Ling Flash 2.0 如何用仅 6B 的激活参数达到 40B 稠密模型的质量？ | huggingface.co ↗ | 2026-08-13 | 待核实 |
| 支持的最大上下文长度是多少？ | huggingface.co ↗ | 2026-08-13 | 待核实 |