Ling publica los pesos abiertos de Ling-3.1-flash-1019 y un modelo base

El equipo de Ling afirma que Ling-3.1-flash-1019 ya es de código abierto, con pesos disponibles en Hugging Face y ModelScope. También ha publicado Ling-3.1-flash-base, que describe como una base abierta para seguir entrenando. El equipo afirma que el nuevo modelo recibió un entrenamiento posterior adicional para mejorar el razonamiento y los flujos de trabajo de agentes en el mundo real.

Las cifras siguientes son afirmaciones del propio equipo, basadas en los benchmarks de Artificial Analysis, que comparan Ling-3.1-flash con Ling-3.1-flash-1019:

• Intelligence Index (v4.3.2): de 41 a 44.
• AA-Briefcase: de unos 1400 a 1524 Elo.
• AutomationBench-AA: del 62 % al 68 %.
• CritPt: del 18 % al 26 %.
• SciCode: del 54 % al 57 %.

El equipo también incluye un enlace a una página en línea para probar el modelo.

Artificial Analysis (un sitio de benchmarks que publica sus propias mediciones) confirma las mejoras y describe el modelo como un modelo de razonamiento con 560B de parámetros totales y 25B activos, una ventana de contexto de 1M tokens y licencia MIT. Obtiene una puntuación de 44 en su Intelligence Index v4.3, frente a 41, con un 43 % en Humanity's Last Exam (39 % antes), un 26 % en CritPt (18 %), un Elo de 1521 en AA-Briefcase v1.1 (1397) y 1653 en GDPval-AA v2.1 (1617), y un 68 % en AutomationBench-AA (62 %). Señala que el modelo utiliza unos 145k tokens de salida por tarea del Index, más de un 40 % que su predecesor, que usaba 103k, por lo que el coste por tarea es de $1.49: más alto que antes, pero inferior al de Mistral Large 4 Preview y GLM 5.3. Indica precios de API de primera parte de $0.30 por millón de tokens de entrada y $0.90 por millón de tokens de salida, con la entrada en caché a $0.06.