Ling libera os pesos abertos do Ling-3.1-flash-1019 e um modelo base

A equipe Ling afirma que o Ling-3.1-flash-1019 agora é de código aberto, com pesos disponíveis no Hugging Face e no ModelScope. Também lançou o Ling-3.1-flash-base, que descreve como uma base aberta para treinamento adicional. A equipe diz que o novo modelo passou por pós-treinamento adicional para raciocínio e fluxos de trabalho de agentes no mundo real.

Os números abaixo são alegações da própria equipe, baseadas em benchmarks da Artificial Analysis, comparando o Ling-3.1-flash com o Ling-3.1-flash-1019:

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

A equipe também disponibiliza um link para uma página online onde é possível testar o modelo.

Artificial Analysis (um site de benchmarks, com medições próprias) confirma os avanços e descreve o modelo como um modelo de raciocínio com 560B de parâmetros totais e 25B ativos, uma janela de contexto de 1M tokens e licença MIT. Ele marca 44 no Intelligence Index v4.3, acima dos 41 anteriores, com 43% no Humanity's Last Exam (39% antes), 26% no CritPt (18%), Elo de 1521 no AA-Briefcase v1.1 (1397) e 1653 no GDPval-AA v2.1 (1617), além de 68% no AutomationBench-AA (62%). A análise observa que o modelo usa cerca de 145 mil tokens de saída por tarefa do Index, mais de 40% acima dos 103 mil do antecessor; por isso, o custo por tarefa é de US$ 1,49, maior que antes, mas inferior ao do Mistral Large 4 Preview e do GLM 5.3. A página informa preços da API de primeira parte de US$ 0,30 por milhão de tokens de entrada e US$ 0,90 por milhão de tokens de saída, com entrada em cache a US$ 0,06.