Ling publie les poids ouverts de Ling-3.1-flash-1019 et un modèle de base

L’équipe Ling indique que Ling-3.1-flash-1019 est désormais open source, avec ses poids disponibles sur Hugging Face et ModelScope. Elle a également publié Ling-3.1-flash-base, qu’elle décrit comme une base ouverte destinée à l’entraînement complémentaire. L’équipe précise que le nouveau modèle a bénéficié d’un entraînement postérieur supplémentaire axé sur le raisonnement et les flux de travail d’agents en conditions réelles.

Les chiffres ci-dessous sont ceux avancés par l’équipe, d’après les benchmarks d’Artificial Analysis, en comparant Ling-3.1-flash et Ling-3.1-flash-1019 :

• Intelligence Index (v4.3.2) : de 41 à 44.
• AA-Briefcase : d’environ 1400 à 1524 Elo.
• AutomationBench-AA : de 62 % à 68 %.
• CritPt : de 18 % à 26 %.
• SciCode : de 54 % à 57 %.

L’équipe propose également un lien vers une page en ligne pour tester le modèle.

Artificial Analysis (un site de benchmarks, selon ses propres mesures) confirme les progrès et décrit le modèle comme un modèle de raisonnement doté de 560B paramètres au total, dont 25B actifs, d’une fenêtre de contexte de 1M tokens et d’une licence MIT. Il obtient un score de 44 à son Intelligence Index v4.3, contre 41 auparavant, avec 43 % à Humanity's Last Exam (contre 39 %), 26 % à CritPt (contre 18 %), un Elo de 1521 à AA-Briefcase v1.1 (contre 1397) et de 1653 à GDPval-AA v2.1 (contre 1617), ainsi que 68 % à AutomationBench-AA (contre 62 %). Le site note que le modèle utilise environ 145k tokens de sortie par tâche de l’Index, soit plus de 40 % de plus que son prédécesseur (103k), ce qui porte le coût par tâche à 1,49 $, supérieur à auparavant, mais inférieur à celui de Mistral Large 4 Preview et de GLM 5.3. Il indique des tarifs API directs de 0,30 $ par million de tokens d’entrée et de 0,90 $ par million de tokens de sortie, avec les tokens d’entrée mis en cache à 0,06 $.