Ling merilis bobot terbuka Ling-3.1-flash-1019 dan model dasar

Tim Ling mengatakan Ling-3.1-flash-1019 kini bersumber terbuka, dengan bobot tersedia di Hugging Face dan ModelScope. Tim juga merilis Ling-3.1-flash-base, yang disebutnya sebagai fondasi terbuka untuk pelatihan lanjutan. Menurut tim, model baru ini menjalani pascapelatihan lebih lanjut untuk penalaran dan alur kerja agen di dunia nyata.

Angka-angka di bawah ini merupakan klaim tim sendiri, berdasarkan tolok ukur Artificial Analysis, yang membandingkan Ling-3.1-flash dengan Ling-3.1-flash-1019:

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

Tim juga menautkan laman daring untuk mencoba model ini.

Artificial Analysis (situs tolok ukur, dengan pengukuran mereka sendiri) mengonfirmasi peningkatan tersebut dan menyebut model ini sebagai model penalaran dengan total 560B parameter dan 25B parameter aktif, jendela konteks 1M token, serta lisensi MIT. Skornya 44 pada Intelligence Index v4.3, naik dari 41, dengan skor 43% pada Humanity's Last Exam (sebelumnya 39%), 26% pada CritPt (18%), Elo 1521 pada AA-Briefcase v1.1 (1397) dan 1653 pada GDPval-AA v2.1 (1617), serta 68% pada AutomationBench-AA (62%). Situs tersebut mencatat model ini menggunakan sekitar 145 ribu token keluaran per tugas Index, lebih dari 40% dibandingkan pendahulunya yang menggunakan 103 ribu, sehingga biaya per tugasnya $1.49—lebih tinggi dari sebelumnya, tetapi masih di bawah Mistral Large 4 Preview dan GLM 5.3. Situs itu mencantumkan harga API pihak pertama sebesar $0.30 per satu juta token masukan dan $0.90 per satu juta token keluaran, dengan token masukan cache seharga $0.06.