Ling rilascia i pesi aperti di Ling-3.1-flash-1019 e un modello base

Il team di Ling afferma che Ling-3.1-flash-1019 è ora open source, con i pesi disponibili su Hugging Face e ModelScope. Ha inoltre rilasciato Ling-3.1-flash-base, che descrive come una base aperta per l'addestramento ulteriore. Il team afferma che il nuovo modello è stato sottoposto a un ulteriore post-training per il ragionamento e i flussi di lavoro di agenti nel mondo reale.

I dati riportati di seguito sono dichiarazioni del team, basate sui benchmark di Artificial Analysis, che confrontano Ling-3.1-flash e Ling-3.1-flash-1019:

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

Il team rimanda anche a una pagina online per provare il modello.

Artificial Analysis (un sito di benchmark, con misurazioni proprie) conferma i miglioramenti e descrive il modello come un modello di ragionamento con 560B parametri totali e 25B parametri attivi, una finestra di contesto di 1M token e una licenza MIT. Ottiene 44 nell'Intelligence Index v4.3, rispetto a 41, il 43% in Humanity's Last Exam (39% in precedenza), il 26% in CritPt (18%), un Elo di 1521 in AA-Briefcase v1.1 (1397) e 1653 in GDPval-AA v2.1 (1617), e il 68% in AutomationBench-AA (62%). Segnala che il modello usa circa 145k token in output per ogni attività dell'Index, oltre il 40% in più rispetto ai 103k del predecessore; il costo per attività è quindi di $1.49, più alto di prima ma inferiore a quello di Mistral Large 4 Preview e GLM 5.3. Riporta prezzi ufficiali dell'API di $0.30 per milione di token in input e $0.90 per milione di token in output, con input memorizzato nella cache a $0.06.