Ling veröffentlicht die offenen Gewichte von Ling-3.1-flash-1019 und ein Basismodell

Das Ling-Team teilt mit, dass Ling-3.1-flash-1019 jetzt Open Source ist und die Gewichte auf Hugging Face und ModelScope verfügbar sind. Außerdem hat es Ling-3.1-flash-base veröffentlicht, das es als offene Grundlage für weiteres Training beschreibt. Das Team zufolge wurde das neue Modell zusätzlich für Reasoning und praxisnahe Agent-Workflows nachtrainiert.

Die folgenden Werte sind eigene Angaben des Teams auf Grundlage von Benchmarks von Artificial Analysis. Sie vergleichen Ling-3.1-flash mit Ling-3.1-flash-1019:

• Intelligence Index (v4.3.2): 41 auf 44.
• AA-Briefcase: etwa 1400 auf 1524 Elo.
• AutomationBench-AA: 62 % auf 68 %.
• CritPt: 18 % auf 26 %.
• SciCode: 54 % auf 57 %.

Das Team verlinkt außerdem eine Online-Seite, auf der sich das Modell ausprobieren lässt.

Artificial Analysis (eine Benchmark-Website mit eigenen Messungen) bestätigt die Verbesserungen und beschreibt das Modell als Reasoning-Modell mit insgesamt 560B und 25B aktiven Parametern, einem Kontextfenster von 1M Tokens und einer MIT-Lizenz. Im Intelligence Index v4.3 erzielt es 44 Punkte, gegenüber 41 zuvor. Bei Humanity's Last Exam erreicht es 43 % (zuvor 39 %), bei CritPt 26 % (18 %), bei AA-Briefcase v1.1 ein Elo von 1521 (1397), bei GDPval-AA v2.1 1653 (1617) und bei AutomationBench-AA 68 % (62 %). Laut Artificial Analysis verwendet das Modell pro Index-Aufgabe etwa 145k Output-Tokens, über 40 % mehr als sein Vorgänger mit 103k. Dadurch kostet eine Aufgabe $1.49 – mehr als zuvor, aber weniger als bei Mistral Large 4 Preview und GLM 5.3. Die Website nennt für die First-Party-API einen Preis von $0.30 pro einer Million Input-Tokens und $0.90 pro einer Million Output-Tokens; gecachter Input kostet $0.06.