Was ist Ling-3.0-flash-Sante?
Ling-3.0-flash-Sante ist ein auf das Gesundheitswesen spezialisiertes Sprachmodell von inclusionAI, dem KI-Forschungszweig der Ant Group, am 19. Oktober 2026 auf Hugging Face veröffentlicht. Der Name ist das französische santé, Gesundheit. Es basiert auf Ling-3.0-flash, nicht auf dem größeren Ling-3.1-flash: ein hybrid-lineares Mixture-of-Experts-Modell mit 124 Milliarden Parametern, davon 5,1 Milliarden pro Token aktiv, das Kimi Delta Attention, Gated MLA und sparse Expertenschichten kombiniert.
Es ist trainiert auf medizinisches Reasoning, Gesundheitsforschung, Deep Research und Tool-Nutzung und behält die allgemeinen Fähigkeiten seiner Basis. Das Training reicht bis zu einem Kontext von 256K Tokens, das Thinking ist standardmäßig an und lässt sich pro Anfrage abschalten, und Tool Calling funktioniert über SGLang und vLLM. inclusionAI nennt es ein Forschungsmodell, kein Medizinprodukt, und sagt, es dürfe nicht eigenständig diagnostizieren, verschreiben oder triagieren.
Die Gewichte stehen unter der MIT-Lizenz. Vercels AI Gateway bietet es über einen einzigen Provider an, Novita, zu 0,07 $ pro Million Input-Tokens und 0,22 $ pro Million Output-Tokens beim Listenpreis, wobei Novitas Zeile 0,08 $ für Input zeigt.
Lohnt sich Ling-3.0-flash-Sante?
Ling-3.0-flash-Sante verspricht etwas Enges, gut Belegtes: medizinische Antworten nahe an der Spitze von einem Modell, das nur 5,1 Milliarden Parameter aktiviert. In inclusionAIs eigener Tabelle erreicht es 54,3 auf HealthBench Professional, vor Claude Opus 4.8 (49,4), Kimi K3 (49,6) und GLM-5.3-Flash (49,1) und nur hinter GPT-5.6 Sol (60,8). Auf MedQA-USMLE kommt es auf 94,2 gegenüber 96,7 für Sol, und auf 90,6 in Ants internem Test zu Arzneimittel-Kontraindikationen. Das sind eigene Angaben, nur als Bild veröffentlicht, und drei der medizinischen Zeilen sind Ants interne Benchmarks; eine unabhängige Evaluation haben wir nicht gefunden.
Die Schwächen stehen in derselben Tabelle. Auf MedXpertQA, einem schwierigeren Prüfungsset, erreicht es 51,0 gegenüber 62,4 für Gemini 3.6 Flash; auf MedMCQA ist es mit 80,3 Letzter unter den großen Modellen; und beim Long-Context-Reasoning AA-LCR liegt es mit 70,5 hinter allen gelisteten Modellen außer Nemotron-3-Super und Step-3.7-Flash. Die Deep-Research-Werte sind für seine Größe stark, 80,2 auf BrowseComp mit Ants Kontextverwaltung, hängen aber von Ants Harness-Einstellungen ab.
Es ist nicht dasselbe wie Ling-3.1-flash, ein allgemeines 560B-Modell. Sante ist ein Viertel so groß und basiert auf der älteren 3.0-Basis, ist also günstiger zu hosten: Das Referenz-Setup der Model Card sind vier GPUs mit 141 GB oder acht H100 mit 80 GB. Über Vercel kostet es 0,07 $ Input und 0,22 $ Output pro Million Tokens, etwa dreieinhalbmal so viel wie die 0,02 $ Input des Basis-Ling-3.0-flash am selben Gateway, aber weit unter Frontier-Preisen.
Für Gesundheitsdaten ist die MIT-Lizenz der entscheidende Punkt. Ein Krankenhaus oder Health-Tech-Team kann es ohne Nutzungsbeschränkungen im eigenen Netz betreiben, was für Patientenakten mehr zählt als die letzten Benchmark-Punkte. Der gehostete Weg führt über Novita, dessen Bedingungen zu Zero Retention und Training Vercels Seite nicht ausweist.
Wo es sich lohnt
Ein ML-Lead in der Medizininformatik eines Krankenhauses mit 300 Betten
Studien-Abstracts zusammenfassen und Studienprotokolle vergleichen, ohne dass Patientendaten das Netz verlassen
Die MIT-lizenzierten Gewichte mit SGLang auf vier GPUs der H200-Klasse bei 256K Kontext betreiben, hinter ärztlicher Prüfung. Die Lizenz stellt keine Bedingungen an kommerzielle oder klinische Forschungsnutzung; die regulatorische Verantwortung bleibt beim Krankenhaus.
Eine Produktmanagerin bei einem Startup für Gesundheitsinformationen
Medikamentenfragen von Verbrauchern günstig beantworten, wobei ein Apotheker markierte Antworten prüft
Über Vercel zu 0,07 $ Input und 0,22 $ Output pro Million Tokens kostet eine Million Fragen mit 1.000 Tokens und Antworten mit 500 Tokens etwa 180 $ vor Reasoning-Tokens. Ants 90,6 im eigenen Kontraindikationstest ist ermutigend, aber nicht überprüft.
Bevor du dich festlegst
- Einrichtung
- Zieh das Ling-3.0-SGLang-Image und starte mit Tensor-Parallelität 4 auf GPUs der 141-GB-Klasse (8 auf H100 oder H800), oder baue ein aktuelles vLLM mit den ling3-Parsern für Tools und Reasoning. Gehostet rufst du inclusionai/ling-3.0-flash-sante auf Vercel AI Gateway auf.
- Integrationen
- OpenAI-kompatible Server über SGLang und vLLM mit Tool Calling und spekulativem MTP-Decoding; Vercel AI Gateway bietet die Formate Chat Completions, Responses und Anthropic Messages.
- Daten und Datenschutz
- Die MIT-Gewichte erlauben uneingeschränktes Self-Hosting, der sicherere Weg für Patientendaten. Auf Vercel ist Novita der einzige Provider, und die Gateway-Seite weist ihn weder als Zero Retention noch als No Training aus; prüfe Novitas Bedingungen, bevor du Gesundheitsdaten sendest.
- Kosten im großen Maßstab
- Self-Hosting braucht vier GPUs mit 141 GB oder acht GPUs mit 80 GB für den vollen 256K-Kontext. Gehostet kosten 100 Millionen Input- und 20 Millionen Output-Tokens im Monat etwa 11,40 $ zu Vercels Listenpreis, vor Reasoning-Tokens.
- Grenzen
- 256K Tokens Kontext und bis zu 32.000 Output-Tokens auf Vercel, Reasoning inklusive. Nur Text. inclusionAI warnt, dass es veraltete oder unsichere medizinische Informationen liefern kann und nicht eigenständig diagnostizieren, verschreiben oder triagieren darf.
Was gut ist
- 54,3 auf HealthBench Professional, über Opus 4.8 (eigene Angaben)
- MIT-Lizenz; selbst hostbar auf vier GPUs mit 141 GB
- 0,07 $ / 0,22 $ pro 1 Mio. Tokens auf Vercel AI Gateway
- 256K Kontext, Tool Calling, Thinking an oder aus
Was nicht
- Keine unabhängige Evaluation; Ergebnisse nur als Bild veröffentlicht
- Schwächer bei MedXpertQA, MedMCQA und Long-Context-Reasoning
- Ein gehosteter Provider, ohne ausgewiesene Zero-Retention-Bedingungen
- Forschungsmodell; nicht für ungeprüfte klinische Entscheidungen
Am besten für
Health-Tech- und Forschungsteams, die ein offenes, freizügig lizenziertes Medizinmodell selbst hosten und hinter menschliche Prüfung stellen wollen.
Alternativen zu Ling-3.0-flash-Sante
Ling-3.0-flash-Sante: häufige Fragen
- Lohnt sich Ling-3.0-flash-Sante?
- Ein günstiger, MIT-lizenzierter Medizin-Spezialist, der Claude Opus 4.8 in Ants eigenem HealthBench-Professional-Lauf schlägt, auch wenn nur Ant ihn gemessen hat und er weiter hinter GPT-5.6 Sol liegt. Wir bewerten es mit 3.8 von 5.
- Was kostet Ling-3.0-flash-Sante?
- Offene Gewichte unter MIT. Vercel AI Gateway: 0,07 $ Input / 0,22 $ Output pro 1 Mio. Tokens (Novitas Zeile: 0,08 $ Input, 0,02 $ gecacht).
- Welche Nachteile hat Ling-3.0-flash-Sante?
- Keine unabhängige Evaluation; Ergebnisse nur als Bild veröffentlicht; Schwächer bei MedXpertQA, MedMCQA und Long-Context-Reasoning; Ein gehosteter Provider, ohne ausgewiesene Zero-Retention-Bedingungen; Forschungsmodell; nicht für ungeprüfte klinische Entscheidungen.
- Für wen eignet sich Ling-3.0-flash-Sante?
- Health-Tech- und Forschungsteams, die ein offenes, freizügig lizenziertes Medizinmodell selbst hosten und hinter menschliche Prüfung stellen wollen.
- Was kostet Ling-3.0-flash-Sante für ein Team oder im Produktivbetrieb?
- Self-Hosting braucht vier GPUs mit 141 GB oder acht GPUs mit 80 GB für den vollen 256K-Kontext. Gehostet kosten 100 Millionen Input- und 20 Millionen Output-Tokens im Monat etwa 11,40 $ zu Vercels Listenpreis, vor Reasoning-Tokens.
- Ist Ling-3.0-flash-Sante sicher für Firmendaten?
- Die MIT-Gewichte erlauben uneingeschränktes Self-Hosting, der sicherere Weg für Patientendaten. Auf Vercel ist Novita der einzige Provider, und die Gateway-Seite weist ihn weder als Zero Retention noch als No Training aus; prüfe Novitas Bedingungen, bevor du Gesundheitsdaten sendest.
- Was sind die besten Alternativen zu Ling-3.0-flash-Sante?
- Die nächsten Alternativen, die wir getestet haben, sind Ling-3.1-flash, GLM-5.3-Flash, Kimi K3 und DeepSeek-V4.1-Flash.
Antworten geprüft am 31. Okt. 2026.