Ling brengt de open weights van Ling-3.1-flash-1019 en een basismodel uit

Het Ling-team zegt dat Ling-3.1-flash-1019 nu open source is, met weights op Hugging Face en ModelScope. Het bracht ook Ling-3.1-flash-base uit, dat het omschrijft als een open basis om verder op te trainen. Volgens het team is het nieuwe model verder post-trained voor redeneren en workflows met agents in de praktijk.

De onderstaande cijfers zijn claims van het team zelf, gebaseerd op benchmarks van Artificial Analysis, die Ling-3.1-flash met Ling-3.1-flash-1019 vergelijken:

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

Het team linkt ook naar een online pagina om het model uit te proberen.

Artificial Analysis (een benchmarksite; eigen metingen) bevestigt de verbeteringen en omschrijft het model als een redeneermodel met in totaal 560B en 25B actieve parameters, een contextvenster van 1M tokens en een MIT-licentie. Het scoort 44 op de Intelligence Index v4.3, tegenover 41 eerder, en behaalt 43% op Humanity's Last Exam (voorheen 39%), 26% op CritPt (18%), een Elo-score van 1521 op AA-Briefcase v1.1 (1397) en 1653 op GDPval-AA v2.1 (1617), en 68% op AutomationBench-AA (62%). De site merkt op dat het model ongeveer 145k outputtokens per Index-taak gebruikt, ruim 40% meer dan de 103k van zijn voorganger. Daardoor kost een taak $1.49: meer dan voorheen, maar minder dan bij Mistral Large 4 Preview en GLM 5.3. De site vermeldt first-party API-prijzen van $0.30 per miljoen inputtokens en $0.90 per miljoen outputtokens, met cached input voor $0.06.