Ling, Ling-3.1-flash-1019 및 베이스 모델 오픈 웨이트 공개

Ling 팀은 Ling-3.1-flash-1019를 오픈 소스로 공개했으며, 가중치를 Hugging Face와 ModelScope에 올렸다고 밝혔습니다. 또한 추가 학습을 위한 오픈 기반 모델이라고 설명한 Ling-3.1-flash-base도 출시했습니다. 팀은 새 모델에 추론 및 실제 에이전트 워크플로를 위한 추가 사후 학습을 적용했다고 전했습니다.

아래 수치는 Artificial Analysis 벤치마크를 바탕으로 한 팀 자체 주장으로, Ling-3.1-flash와 Ling-3.1-flash-1019를 비교한 결과입니다.

• Intelligence Index (v4.3.2): 41에서 44로 상승.
• AA-Briefcase: 약 1400에서 1524 Elo로 상승.
• AutomationBench-AA: 62%에서 68%로 상승.
• CritPt: 18%에서 26%로 상승.
• SciCode: 54%에서 57%로 상승.

팀은 모델을 체험할 수 있는 온라인 페이지도 링크했습니다.

Artificial Analysis(벤치마크 사이트의 자체 측정)는 성능 향상을 확인했으며, 이 모델을 총 560B, 활성 25B 파라미터, 1M 토큰 컨텍스트 윈도, MIT 라이선스를 갖춘 추론 모델로 소개합니다. Intelligence Index v4.3에서 44점을 기록해 기존 41점보다 상승했으며, Humanity's Last Exam에서 43%(기존 39%), CritPt에서 26%(18%), AA-Briefcase v1.1에서 Elo 1521(1397), GDPval-AA v2.1에서 1653(1617), AutomationBench-AA에서 68%(62%)를 기록했습니다. Index 작업당 출력 토큰을 약 145k 사용해 이전 모델의 103k보다 40% 이상 많으며, 작업당 비용은 1.49달러로 이전보다 높지만 Mistral Large 4 Preview와 GLM 5.3보다는 낮다고 덧붙였습니다. 자사 API 요금은 입력 토큰 100만 개당 0.30달러, 출력 토큰 100만 개당 0.90달러이며, 캐시된 입력은 0.06달러라고 안내합니다.