Ling udostępnia otwarte wagi Ling-3.1-flash-1019 oraz model bazowy

Zespół Ling informuje, że Ling-3.1-flash-1019 jest już open source, a jego wagi są dostępne na Hugging Face i ModelScope. Udostępnił też Ling-3.1-flash-base, który opisuje jako otwartą bazę do dalszego treningu. Zespół twierdzi, że nowy model przeszedł dodatkowy trening post-training ukierunkowany na rozumowanie i rzeczywiste przepływy pracy agentów.

Poniższe wyniki to twierdzenia zespołu, oparte na benchmarkach Artificial Analysis, porównujące Ling-3.1-flash z Ling-3.1-flash-1019:

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

Zespół udostępnia też link do strony online, na której można wypróbować model.

Artificial Analysis (serwis z benchmarkami, własne pomiary) potwierdza poprawę wyników i opisuje model jako model rozumujący z 560B parametrów łącznie i 25B aktywnych parametrów, oknem kontekstowym o długości 1M tokenów i licencją MIT. Model uzyskał 44 punkty w Intelligence Index v4.3, w porównaniu z 41 wcześniej, 43% w Humanity's Last Exam (wcześniej 39%), 26% w CritPt (18%), Elo 1521 w AA-Briefcase v1.1 (1397) oraz 1653 w GDPval-AA v2.1 (1617), a także 68% w AutomationBench-AA (62%). Serwis zauważa, że model zużywa około 145 tys. tokenów wyjściowych na zadanie w Index, o ponad 40% więcej niż poprzednik (103 tys.), więc koszt zadania wynosi 1,49 USD — jest wyższy niż wcześniej, ale niższy niż w przypadku Mistral Large 4 Preview i GLM 5.3. Podaje ceny API oferowanego bezpośrednio przez dostawcę: 0,30 USD za milion tokenów wejściowych i 0,90 USD za milion tokenów wyjściowych; tokeny wejściowe z pamięci podręcznej kosztują 0,06 USD.