Ling-3.0-flash: ما نعرفه الآن عن نموذج MoE مفتوح الأوزان سريع المستوى من Ant Group
Guides & Insights

Ling-3.0-flash: ما نعرفه الآن عن نموذج MoE مفتوح الأوزان سريع المستوى من Ant Group

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

Ling-3.0-flash — نموذج MoE من الفئة السريعة تابع لـ InclusionAI التابعة لـ Ant Group، أُعلن في 24 يوليو 2026 وتمت إتاحته مفتوح المصدر بموجب MIT في 7 أغسطس — أصبح لديه الآن مسار نشر ملموس على جهاز واحد. في 27 أكتوبر، نشرت NVIDIA وصفة تقنية تُظهر أن نسخة FP4 من النموذج تفكّ التشفير بمعدل 53.89 رمزًا في الثانية على DGX Spark واحدة، بزيادة 42.5% عن 37.81 رمز/ثانية، عبر جميع أسئلة GSM8K البالغ عددها 1,319، مع بقاء الدقة دون تغيير ذي دلالة إحصائية. تلك قياسات NVIDIA نفسها على عتادها هي، وليست تشغيلًا مستقلًا من طرف ثالث، وتنطبق على حجم دفعة 1. وهي لا تحل محل أرقام واجهة برمجة التطبيقات المستضافة الواردة أدناه. بيد أنها تحوّل "مسار النشر على DGX Spark واحدة" الغامض سابقًا الخاص بالنموذج إلى إعداد منشور يتضمن خط أساس وبروتوكولًا ونمط فشل موثّقًا.

لم يتغيّر النموذج نفسه. فهو نموذج خليط خبراء (mixture-of-experts) أصيل هجين الاستدلال، بإجمالي 124 مليار معامل و5.1 مليار معامل نشط لكل رمز، وقد بُني ليكون الطبقة السريعة منخفضة التكلفة من عائلة Ling؛ أما الأوزان المرخّصة بموجب MIT فهي متاحة على Hugging Face وModelScope منذ 7 أغسطس. ما تغيّر منذ نسخة أغسطس من هذا المنشور هو السجل المحيط. فقد منح تقييم Artificial Analysis، الذي استشهد به هذا المنشور في أغسطس، Ling-3.0-flash درجة 38 على مؤشر الذكاء Intelligence Index الخاص به، ووضعه على حدود باريتو للأوزان المفتوحة فيما يتعلق بالذكاء مقابل إجمالي المعاملات. وتشير صفحة AA الحالية الآن إلى أن النموذج مهمَل لصالح Ling-3.1-flash، وتوجّه القرّاء إليه، ولم تعد تعرض مؤشر ذكاء حاليًا. لا يزال الرقم 38 هو آخر درجة مستقلة حصلت عليها نقطة الحفظ هذه؛ وليس رقمًا آنيًا.

تتضمن هذه المراجعة قياس DGX Spark لشهر أكتوبر وتصحح الأجزاء التي تغيّرت في مقال أغسطس — أرقام AA الحالية للسرعة وحالة الإهمال الخاصة بها — مع الحفاظ على تسميات المصادر كما هي. وحيثما كانت Ant Group أو NVIDIA هي المصدر الوحيد لرقم ما، تذكر الجملة ذلك.

باختصار. Ling-3.0-flash هو نموذج MoE مفتوح الأوزان من الفئة السريعة لدى Ant Group: إجمالي 124B / نشط 5.1B، بترخيص MIT، وسياق أصلي 256K (262K كما يُقدَّم). لم يعد أحدث نموذج Ling — إذ تشير AA إلى أنه أصبح مهجورًا لصالح Ling-3.1-flash — لكنه يظل متاحًا وموثّقًا، ولديه الآن وصفة مُقاسة لجهاز واحد. إعداد DGX Spark من NVIDIA بتاريخ 27 أكتوبر يحقق 53.89 tok/s عند حجم دفعة 1 على GSM8K، بزيادة 42.5% عن خط الأساس الخاص به، وفق ما أبلغت به الجهة المصنّعة. على واجهة API المستضافة، تسرد AA حاليًا 243 tok/s إخراجًا وزمنًا حتى أول رمز يبلغ 2.79 ثانية. لا تزال الأرقام التالية من الجهة المصنّعة فقط: ادعاء Ant بإنتاجية ذروة تتجاوز 1,100 tok/s، ورقم TTFT دون 100 مللي ثانية، وجدول القياسات المرجعية في بطاقة النموذج. تسعير API من الجهة الأولى هو 0.075 دولار للمدخلات / 0.22 دولار للمخرجات لكل مليون رمز (خصم 80% عند إصابات ذاكرة التخزين المؤقت)؛ وانتهت الطبقة المجانية للإطلاق في 3 أغسطس، وانتهى عرض خصم 75% على Ling Studio في 31 أغسطس.

أهم النقاط الرئيسية

• إنها الفئة السريعة/الرخيصة، وليست الطراز الرائد. يظل الطراز الرائد ذو التريليون معلمة من الجيل السابق أكبر نموذج لدى InclusionAI؛ أما Ling-3.0-flash فهو النموذج الشقيق الأصغر والأسرع الموجّه للنصوص عالية الحجم واستدعاء الأدوات.

لا تزال الأوزان مفتوحة بموجب رخصة MIT. وقد أُتيحت على Hugging Face (inclusionAI/Ling-3.0-flash) وModelScope في 7 أغسطس، ويُطرح إصدار MXFP4 الذي توثّقه NVIDIA لـ DGX Spark إلى جانب نقاط التحقق BF16 وFP8.

• أصبحت الدرجة المستقلة الآن تاريخية. تقييم AA الذي استشهد به هذا المنشور في أغسطس سجّل له 38، بزيادة 24 عن Ling-2.6-flash، ووضعه على حدود باريتو للنماذج المفتوحة الأوزان؛ وتشير صفحة AA المباشرة الآن إلى أن النموذج مهجور لصالح Ling-3.1-flash ولا تعرض أي مؤشر ذكاء حالي.

• للسرعة ثلاث نقاط مرجعية، وهي غير قابلة للتبادل. تُدرج AA حاليًا 243 tok/s من المخرجات على واجهة برمجة التطبيقات المستضافة؛ وتقيس NVIDIA 53.89 tok/s على DGX Spark واحد عند حجم دفعة 1؛ ولا تزال Ant تزعم 1,100+ tok/s على عتاد عنقودي محدد.

• تم تحديد التسعير، وانتهت العروض الترويجية. $0.075 للإدخال / $0.22 للإخراج لكل مليون رمز مع خصم 80% عند إصابة ذاكرة التخزين المؤقت؛ انتهت الفئة المجانية عند الإطلاق في 3 أغسطس، وانتهت فترة خصم 75% على Ling Studio في 31 أغسطس.

• إنه جزء واحد من عائلة مكوّنة من ثلاثة نماذج. تقسم InclusionAI تشكيلتها إلى Ling (نص عام وأدوات MoE، هذا النموذج)، وRing (استدلال)، وMing (متعدد الوسائط).

ملاحظة حول كيفية قراءة هذا التحديث: إنه مراجعة للمعاينة الصادرة في 24 يوليو والمراجعة الصادرة في 8 أغسطس قبلها. نتيجة DGX Spark بتاريخ 27 أكتوبر هي المادة الجديدة؛ وتصحيحات AA هي أعمال تنظيمية حتى لا يقتبس المنشور نتيجة حية لم تعد موجودة. كل مواصفة واختبار أداء وسعر أدناه موسوم بمصدره.

ما نعرفه فعليًا

البينة موثقة بالكامل على بطاقة النموذج. يستخدم Ling-3.0-flash بنية انتباه هجينة خطية أصلية — طبقات Kimi Delta Attention (KDA) وGated MLA بالتناوب بنسبة 5:1 (35 KDA + 7 MLA، 42 طبقة إجمالاً)، مع بوابات قطرية دقيقة التفصيل في KDA — فوق MoE متناثر بنسبة 1/64 (512 خبيرًا موجّهًا، ويُفعّل 8 لكل رمز، بالإضافة إلى خبير مشترك واحد). وهكذا يصل إلى 124B معامل إجمالي مع 5.1B نشطة فقط. نافذة السياق هي 256K أصلاً، وتُخدم عند 262,144 رمزًا في وصفات الاستدلال، وتدّعي Ant أن البنية تتوسع إلى 1M. لا يُفصح عن الحد الأقصى لطول الإخراج. النموذج نصي فقط مع دعم استدعاء الأدوات؛ الإدخال متعدد الوسائط موجود في خط Ming المنفصل.

ينشر المختبر صيغتَي أوزان — BF16 (نحو 255GB) وFP8 (نحو 128GB) — كما تُربط المتغيرات المُكمَّمة المجتمعية من بطاقة النموذج. وتستخدم وصفة DGX Spark صيغةً ثالثة: بناء MXFP4 الذي يناسب 121GB من الذاكرة الموحدة لدى الجهاز. تستهدف وصفات النشر الخاصة بالمختبر SGLang وvLLM؛ أما مسار Spark لدى NVIDIA فيستخدم بناء SGLang من InclusionAI مع إضافة الواجهة الخلفية Humming MoE.

التوفر: أوزان مفتوحة بموجب MIT

في 7 أغسطس، أتاح فريق InclusionAI التابع لـ Ant Group أوزان النموذج مفتوحة المصدر بموجب ترخيص MIT على Hugging Face (inclusionAI/Ling-3.0-flash) وModelScope. وهذا ترخيص متسامح وقابل للاستخدام التجاري — وهو الترخيص نفسه الذي صدر بموجبه Ling 2.0 وLing 2.6 — ويعني أنه يمكنك استضافة Ling-3.0-flash ذاتيًا وضبطه الدقيق ونشره بنفسك بدلًا من استئجاره عبر API. كما يمكن استدعاء النموذج عبر API المطورين الخاص بـ Ant وعدة منصات طرف ثالث. وبالنسبة لنموذج من الفئة السريعة بهذا السعر، لم يعد السؤال المثير هو ما إذا كان بإمكانك استضافته ذاتيًا؛ بل ما إذا كان جهاز واحد بسعة 121GB كافيًا. ويتضمن Ling Cookbook من InclusionAI الآن دفتر DGX Spark منسوبًا بالاشتراك إلى Ant Group وNVIDIA، كما أن نقطة تفتيش MXFP4 التي يستخدمها منشورة إلى جانب الصيغ الأخرى. والقسم أدناه هو أول إجابة قائمة على قياس على ذلك السؤال.

نتائج مستقلة: نتيجة أغسطس، أصبحت الآن تاريخية

كان أكبر تغيير منفرد منذ منشور يوليو هو ظهور أرقام مستقلة. فقد منح تقييم Artificial Analysis، الذي استشهد به هذا المنشور في أغسطس، نموذج Ling-3.0-flash درجة 38 على مؤشر الذكاء — أعلى بـ24 نقطة من الجيل السابق للفئة السريعة، Ling-2.6-flash (14)، وعلى قدم المساواة مع MiMo-V2.5 وQwen 3.6 27B مع تفعيل جزء صغير من معلماتها. كما وضعت AA النموذج على حدود باريتو للأوزان المفتوحة فيما يتعلق بالذكاء مقابل إجمالي المعلمات: في ذلك الوقت، لم يسجل أي نموذج مفتوح الأوزان بإجمالي معلمات أقل درجة أعلى. أما النموذج الرائد مفتوح الأوزان في الفئة السريعة على AA، وهو DeepSeek V4 Flash، فقد سجل درجة أعلى (مؤشر 52 عند أقصى جهد استدلالي).

لم يُنقض هذا السجل، بل أُحيل إلى التقاعد منذ ذلك الحين. صارت صفحة AA المباشرة الخاصة بـ Ling-3.0-flash تصنّف هذا الطراز الآن باعتباره متقادمًا لصالح Ling-3.1-flash، وتوجّه القراء إلى الطراز الأحدث، ولا تعرض أي مؤشر ذكاء حالي. تظل الدرجة 38 آخر نتيجة مستقلة حصلت عليها نقطة التفتيش هذه؛ اقرأها كنتيجة مؤرخة، لا كتصنيف مباشر. وإذا كنت تختار طراز Ling اليوم، فالمقارنة التي ينبغي إجراؤها هي مع Ling-3.1-flash، الذي تغطيه AA حاليًا.

كانت نتائج القدرات الوكيلية والسياق الطويل من ذلك التقييم قوية من حيث الاتجاه كذلك. وفي مجموعة τ3-Bench Banking التابعة لـ AA، سجّل Ling-3.0-flash نسبة 27%، ليحلّ في المركز الثاني بين نماذج الأوزان المفتوحة من فئة flash خلف DeepSeek V4 Flash (39%). وفي GDPval-AA v2، بلغت نقاط Elo الخاصة به 1108، ارتفاعًا من 545 لدى Ling-2.6-flash. درّبت Ant النموذج عبر أكثر من 10,000 بيئة تفاعلية (وفقًا لما أفادت به الشركة المورّدة)، وتقدّمه بوصفه عقدة تنفيذ لسير عمل الوكلاء — سريعًا ورخيصًا وقابلًا للاستبدال، مع ترك الاستدلال الثقيل لنموذج رئيسي أكبر.

من التحفظات المتعلقة بمصدر البيانات: جدول المقارنة المرجعية في بطاقة نموذج Ant — SWE-Bench Pro ‏56.6، وSWE-bench Multilingual ‏72.4، وMathArena AIME 2026 ‏93.2، وHLE ‏22.7 — هو بيانات مُبلَّغ عنها من الجهة المورّدة ولم يُعَد إنتاجها بشكل مستقل. تعامل معها على أنها ادعاءات المختبر نفسه، وفي الفئة ذاتها التي تنتمي إليها أرقام السرعة القصوى الواردة أدناه.

السرعة: ثلاثة أرقام، ثلاثة إعدادات مختلفة.

قصة السرعة باتت تضم الآن ثلاثة أرقام، وأول ما ينبغي فعله هو التوقف عن التعامل معها باعتبارها القياس نفسه.

على واجهة API المُستضافة، تُدرج Artificial Analysis حاليًا 243 رمز إخراج في الثانية و2.79 ثانية للوقت حتى أول رمز. وهذا أقل من 368 رمزًا/ثانية و1.98 ثانية التي أوردها هذا المنشور في أغسطس — فلوحة مزوّدي AA وتشغيلاتها تتغيّر، والصفحة الحيّة هي ما يُستشهد به اليوم. ولا يزال يصنّف النموذج قريبًا من قمة فئته السرّية.

على جهاز DGX Spark واحد، تُبلغ NVIDIA عن 53.89 رمز فك تشفير في الثانية عند حجم دفعة 1 على GSM8K، بزيادة 42.5% عن خط أساسها الخاص. هذا رقم محلي لمستخدم واحد، ولا يقارن برقم إنتاجية API وليس نتيجة تزامن. يوضح القسم التالي تفاصيل ذلك.

على عتاد عنقودي محدد، تدّعي Ant معدل إخراج متوسطًا يتجاوز 1,100 رمز في الثانية، وزمنًا حتى أول رمز أقل من 100 مللي ثانية، مع طبقة تخزين مؤقت هرمية مبنية على SGLang HiCache وMooncake. ويظل ذلك محصورًا في بيانات المورّد — أي مقيسًا على عتاد وإعدادات دفعات تتحكم بها Ant، دون نشر أي إعادة تشغيل مستقلة. للتخطيط، استخدم رقم AA للأعمال المستضافة، ورقم NVIDIA لـ Spark واحدة، واعتبر 1,100+ رمز/ثانية سقفًا ينبغي التحقق منه على حملك الخاص.

جهاز DGX Spark واحد: ما الذي تقيسه نسبة 42.5% فعليًا

في 27 أكتوبر، نشرت مدونة NVIDIA التقنية وصفة لتشغيل Ling-3.0-flash-fp4 على جهاز DGX Spark واحد — نظام GB10 المكتبي ذي الذاكرة الموحدة سعة 121GB — ويتضمن كتاب Ling Cookbook من InclusionAI دفتر الملاحظات المقابل، منسوبًا بالاشتراك إلى Ant Group وNVIDIA. وقد وصفت رواية Ant Group نفسها العمل بأنه تعاون تقني مع NVIDIA. هذا اختبار قياس أداء دقيق وليس عرضًا توضيحيًا: جميع أسئلة GSM8K البالغ عددها 1,319، وسلسلة التفكير بخمسة أمثلة، وحجم دفعة 1، ودرجة حرارة 0.6، وtop-p 0.95، وtop-k 29، وحد أقصى 32,768 رمزًا.

خط الأساس هو بناء W4A8 يعمل باستخدام نوى MXFP4 MoE من FlashInfer، وGEMM كثيف من CUTLASS، ورأس LM بعرض 32 بت. على خط الأساس هذا، يعمل فك التشفير بمعدل 37.81 tok/s. ومع تكديس ثلاثة تغييرات، يعمل بمعدل 53.89 tok/s — وهي نسبة 42.5% المذكورة في العنوان. ينخفض متوسط الزمن لكل رمز إخراج من 26.45ms إلى 18.56ms (−29.8%)، ومتوسط زمن الاستجابة من طرف إلى طرف من 15.21s إلى 11.49s (−24.5%)، وP50 من 8.36s إلى 6.11s، وP95 من 50.20s إلى 38.60s. تنتقل دقة GSM8K من 96.89% إلى 96.82%، بفارق 0.08 نقطة تصفه NVIDIA بأنه غير قابل للكشف إحصائيًا. متوسط الزمن حتى أول رمز شبه ثابت، من 0.207s إلى 0.214s. هذه مكاسب في فك التشفير، وليست مكاسب في التعبئة المسبقة.

التغييرات الثلاثة تستهدف تكاليف مختلفة:

• تستبدل أنوية Humming MXFP4 MoE الواجهة الخلفية FlashInfer. وتجمّع Humming الأنوية وقت التشغيل باستخدام NVRTC للأشكال الدقيقة للنموذج — بما في ذلك حجمه الوسيط MoE الضيق ذي العرض 768 — وتخزّنها مؤقتًا في ~/.humming/cache. وفي اختبار NVIDIA الاصطناعي، ترفع وحدها الإنتاجية بنسبة 9.3%.

• التكميم المباشر إلى FP8 لرأس LM. يبقى الرأس BF16 في checkpoint، وتقرأ عملية GEMM الخاصة به بمقاس 157,184 × 2,560 كتلة الأوزان الكاملة عند كل token؛ ويؤدي تكميمه إلى FP8 عند التحميل إلى خفض هذه القراءة إلى النصف. يتم تمكينه عبر SGLANG_ENABLE_FP8_LM_HEAD=1، وهو ما يتعارض مع --enable-fp32-lm-head الخاص بالخط الأساسي، ويضيف 11.4% فوق Humming وحده.

• تنبؤ NEXTN متعدد التوكنات. تُعدّ طبقة NEXTN المدمجة في النموذج ثلاث توكنات مبدئية وتتحقق من نافذة من أربعة توكنات. على GSM8K، متوسط طول المسودة المقبولة هو 2.68 توكن في كل جولة.

هناك رقم ثانٍ أكثر لفتًا للانتباه في المنشور نفسه: حمل عمل اصطناعي بحجم إدخال 32K / إخراج 2K عند حجم دفعة 1 يرتفع من 36.09 إلى 102.88 tok/s، أي +185.1%. وتحذر NVIDIA نفسها من تعميمه. استخدم ذلك التشغيل فك الترميز الجشع، وإخراجًا ثابتًا بحجم 2K، ونصًا متكررًا؛ وبلغ معدل القبول 3.90 توكن لكل جولة مقابل 2.68 على GSM8K. رقم 42.5% على GSM8K هو الرقم الذي يجب التخطيط على أساسه. أما 185.1% فهي سقف اصطناعي لأفضل حالة.

يكمن مأزق تشغيلي واحد أهم من التسريع نفسه. لا يتكامل تكميم رأس LM بدقة FP8 مع MTP إلا إذا شارك النموذج المسودّ وحدة رأس LM الكاملة الخاصة بالنموذج الهدف، وليس مجرد موتر أوزانها. وبدون هذه الواجهة، يتراجع الإطار بصمت، ويقرأ أوزان FP8 على أنها BF16، ويهبط بمعدل القبول إلى 1.00، وقد ينتهي أبطأ من خط الأساس غير المحسّن. وتنصح NVIDIA بالتحقق من أن كل تحسين مفعّل عند بدء التشغيل بدلًا من استنتاجه من توقيتات لاحقة.

ما الذي يغيّره هذا بالنسبة للقارئ: لم يعد مسار Spark الأحادي مجرد شريحة عرض من مورّد. بل أصبح وصفة منشورة تتضمن خط أساس وبروتوكول قياس ونمط فشل معلنًا — بما يكفي لإعادة إنتاجه أو رفضه على جهازك. وما لا يغيّره: أنه لا يزال قياسًا من NVIDIA نفسها، على جهاز واحد، بحجم دفعة 1، لفك الترميز. ولا يقول شيئًا عن الخدمة المتزامنة، أو الإنتاجية مع السياق الطويل، أو واجهة API المستضافة. وهو خاص ببناء FP4؛ فلدى نقاط تفتيش BF16 وFP8 ملفات تعريف مختلفة للذاكرة وعرض النطاق الترددي.

التسعير: رخيص، والعرض الترويجي انتهى

تُدرج Artificial Analysis واجهة API الخاصة بالجهة المطوّرة بسعر 0.075 دولار لكل مليون رمز إدخال و0.22 دولار لكل مليون رمز إخراج، مع احتساب إصابات الذاكرة المؤقتة بسعر 0.015 دولار (−80%) — وكلها أسعار يحدّدها المورّد. وقد انتهت الطبقة المجانية عند الإطلاق (500 ألف رمز مجاني يوميًا، ووصول مجاني إلى API) في 3 أغسطس. واستمرت فترة الخصم المؤقت بنسبة 75% على Ling Studio حتى 31 أغسطس 2026؛ ويُطبَّق سعر القائمة منذ 1 سبتمبر. وحتى عند سعر القائمة الكامل، فإن 0.075/0.22 دولار يضع Ling-3.0-flash بثبات ضمن الفئة منخفضة التكلفة لنموذج يحمل مؤشرًا قدره 38 في ذلك التقييم.

بمثل هذه الأسعار المنخفضة، تصبح تكلفة التبديل أهم من السعر لكل رمز. ومهمة OrcaRouter هي الحفاظ على مصداقية الجانب المستضاف في تلك المقارنة: واجهة API واحدة لأكثر من 200 طراز، وأسعار قائمة المزودين تُمرَّر بهوامش ربح 0%، وتحويل تلقائي عند الفشل عبر المزودين. ويجب أن يتغلب نشر محلي لـ DGX Spark على سعر سوقي حقيقي وراهن، لا على عرض تقديمي من بائع — وعندما يغيّر مزود مستضاف سعره، يُظهر تمرير السعر ذلك على المفتاح نفسه في اليوم نفسه.

عائلة Ling / Ring / Ming

لا يوجد Ling-3.0-flash بمعزل عن غيره — إذ تنظّم InclusionAI إصداراتها في ثلاث عائلات مسمّاة، تستهدف كل منها مهمة مختلفة. خط Ling هو خط MoE العام للأغراض العامة لتوليد النصوص واستدعاء الأدوات اليومي، ويقع Ling-3.0-flash في طرفه السريع/المنخفض التكلفة، بدرجة أدنى من نموذج الجيل السابق الرائد ذي التريليون معلمة. وخط Ring هو الخط المركّز على الاستدلال، المصمم لسلسلة التفكير متعددة الخطوات. وخط Ming هو الخط متعدد الوسائط. إذا كانت مهمتك تتطلب استدلالًا أثقل أو إدخال صور، فمن المحتمل ألا يكون نموذج InclusionAI المناسب هو Ling-3.0-flash — فهو مصمم للحجم والسرعة ضمن مسار النصوص والأدوات.

لمن هذا: أربعة سيناريوهات

١. خطوط أنابيب عالية الحجم وحساسة لزمن الاستجابة لمعالجة النصوص أو استدعاء الأدوات

هذه أرض النموذج الأصلية. فمع ترخيص MIT، ووصفة Spark واحدة منشورة، ومؤشر مستقل مؤرّخ من 38، يصبح الرهان على الفئة السريعة قابلاً للاختبار بدلاً من كونه افتراضيًا — شغّل مجموعة التقييم الخاصة بك عليه، أو اسحب الأوزان واستضفه ذاتيًا. فقط لا تبنِ على سقف المورّد البالغ 1,100+ tok/s حتى تقيسه على حمل عملك.

2. الفرق التي تريد سياقًا طويلًا بميزانية محدودة

سياق أصلي بسعة 256K (و262K مُخدَّمة) مع مسار معلن نحو 1M، بسعر $0.075/$0.22، مزيج جذاب لأعمال الاسترجاع الكثيفة أو معالجة المستندات. أرقام السياق الطويل في بطاقة النموذج مُبلَّغ عنها من المورّد، لذا قارنها بخيارات السياق الطويل الراسخة عند إعداد القائمة المختصرة، وتحقق على مجموعتك الخاصة قبل الالتزام.

3. مراقبون يتتبعون مشهد MoE في الصين وخارطة طريق InclusionAI

سؤال يوليو — هل ستبقى InclusionAI مفتوحة؟ — أصبح له الآن جواب: نعم، MIT، وبسرعة. كان وصول Ling-3.0-flash إلى حدود AA Pareto عند 5.1B نشط نقطة بيانات واحدة. وصفة DGX Spark لشهر أكتوبر هي الثانية: نموذج 124B يفك الترميز عند 53.89 tok/s على جهاز مكتبي واحد بحجم دفعة 1، مع نشر الوصفة.

{{4}}فرق لديها جهاز DGX Spark واحد على المكتب{{/4}}

إذا كنت تملك الجهاز بالفعل، فإن وصفة NVIDIA هي أول إعداد يستحق النسخ: إصدار MXFP4، ونسخة SGLang المتفرعة من InclusionAI، ونوى Humming MoE، ورأس LM بدقة FP8، وNEXTN MTP. تعامل معها كقياس من مورّد واحد عند حجم دفعة 1، وتحقق عند بدء التشغيل من أن مكوّنات FP8 وMTP نشطة فعلاً — فنمط الفشل المتمثل في التراجع الصامت حقيقي. وإذا لم تكن تملك Spark، فإن الوصفة نقطة بيانات عمّا يوفّره 121GB من الذاكرة الموحدة، وليست سببًا لشراء واحد.

ما الذي لم يتم التحقق منه بعد؟

قائمة قصيرة، الآن بعد أن سُدَّت الفجوات الكبيرة. لا تزال مزاعم Ant بشأن السرعة القصوى (أكثر من 1,100 tok/s، وTTFT دون 100ms) بلا إعادة قياس مستقلة. ولا يزال جدول القياسات المرجعية في بطاقة الطراز مُبلَّغًا به من الجهة المصنّعة. لم تعد نسخ FP4/INT4 ومسار single-DGX-Spark غامضة — فقد نشرت NVIDIA التكوين، وتوفر InclusionAI دفتر الملاحظات — لكن رقمي 53.89 tok/s و96.82% هما قياسان خاصان بـ NVIDIA على جهاز واحد وبحجم دفعة 1، وليسا إعادة إنتاج من طرف ثالث. النتيجة المستقلة تاريخية: التقييم الذي استشهد به هذا المقال في أغسطس أعطاه 38، والصفحة الحية تُعلِّم الآن الطراز على أنه مهجور لصالح Ling-3.1-flash. وفيما يخص المعرفة، أظهر مؤشر Omniscience من ذلك التقييم أن التحسن عن الجيل السابق جاء إلى حد كبير عبر الامتناع عن الإجابة — فقد انخفض الهلوسة (97% → 44%) بينما ارتفعت الدقة ارتفاعًا طفيفًا فقط (16% → 18%) — لذا لا تخلط بين قفزة المؤشر الرئيسية وطفرة معرفية شاملة.

متى لا تستخدمه

تجاوز Ling-3.0-flash في المهام متعددة الوسائط — فتلك هي سلسلة Ming. وتجاوزه إذا كنت تحتاج إلى نموذج رائد للاستدلال المكثّف بدلًا من منفّذ سريع — فذلك مجال Ring. وإذا كنت تخطط للاستضافة الذاتية، فخصّص ميزانية للعتاد الحقيقي: BF16 نحو 255GB، وFP8 نحو 128GB، ونسخة MXFP4 هي التي تناسب DGX Spark بسعة 121GB. وإذا كنت تختار نموذج Ling جديدًا بدلًا من الحفاظ على نشر قائم، فقارنه أولًا بـ Ling-3.1-flash؛ فقد نقلت AA تغطيتها إلى هناك. وإذا كانت أي دعوى تهمك، فتحقق منها — فأرقام السرعة القصوى والسياق الطويل هي أرقام Ant إلى أن يعيد مختبر مستقل تشغيلها.

الأسئلة الشائعة

هل Ling-3.0-flash مفتوح الوزن؟

نعم. تم فتح المصدر للأوزان في 7 أغسطس بموجب رخصة MIT، على Hugging Face (inclusionAI/Ling-3.0-flash) وModelScope.这是一条允许商业使用的宽松许可证 — وهي نفس الرخصة التي صدر بها Ling 2.0 وLing 2.6.

كيف يؤدي Ling-3.0-flash في المعايير؟

قيّمت Artificial Analysis، التي استشهد بهذا التقييم هذا المنشور في أغسطس، النموذج بـ 38 على مؤشر الذكاء، بزيادة 24 نقطة عن Ling-2.6-flash، ووضعته على حدود باريتو للنماذج مفتوحة الأوزان فيما يخص الذكاء مقابل إجمالي المعاملات. وتشير صفحة AA المباشرة الآن إلى أن النموذج مهجور لصالح Ling-3.1-flash ولا تُظهر أي مؤشر ذكاء حالي، لذا فإن 38 نتيجة تاريخية. جدول المعايير على بطاقة نموذج Ant (على سبيل المثال SWE-Bench Pro 56.6) مُبلّغ عنه من المورّد ولم يُعَد إنتاجه بشكل مستقل.

ما مدى سرعته حقًا؟

هناك ثلاثة أرقام مختلفة لثلاثة إعدادات مختلفة. تُدرج AA حاليًا 243 رمزًا مُخرَجًا في الثانية و2.79 ثانية زمنًا للرمز الأول على واجهة API المستضافة. وتُفيد NVIDIA بأن معدل فك الترميز 53.89 رمزًا/ثانية عند حجم الدفعة 1 على جهاز DGX Spark واحد. وتزعم Ant أكثر من 1,100 رمز/ثانية وزمنًا أقل من 100 مللي ثانية للرمز الأول على عتاد عنقودي محدد. رقم AA وحده مستقل؛ أما الرقمان الآخران فهما قياسان من مورّدين على عتاد مختلف.

كم تكلفة Ling-3.0-flash؟

تُدرج AA واجهة برمجة التطبيقات التابعة للجهة الأولى بسعر 0.075 دولار لكل مليون رمز إدخال و0.22 دولار لكل مليون رمز إخراج، مع خصم 80% عند إصابة ذاكرة التخزين المؤقت. انتهت الطبقة المجانية للإطلاق في 3 أغسطس، وانتهت فترة الخصم المؤقتة بنسبة 75% على Ling Studio في 31 أغسطس 2026.

ما الفرق بين Ling وRing وMing؟

Ling هو خط MoE العام التابع لـ InclusionAI للنصوص واستدعاء الأدوات، ويقع Ling-3.0-flash في طرفه السريع/المنخفض التكلفة. Ring هو الخط المركّز على الاستدلال. Ming يتعامل مع المهام متعددة الوسائط. وهي عائلات منفصلة لمهام مختلفة، وليست مستويات من نموذج واحد.

هل يمكن لـ Ling-3.0-flash العمل على جهاز DGX Spark واحد؟

نعم. نشرت NVIDIA في 27 أكتوبر وصفةً لبناء MXFP4 على جهاز DGX Spark واحد (ذاكرة موحّدة بسعة 121GB)، باستخدام نوى Humming MXFP4، ورأس LM بدقة FP8، والتنبؤ متعدد الرموز NEXTN. وتُفيد بتحقيق 53.89 tok/s في فك التشفير عند حجم دفعة 1 عبر 1,319 سؤالًا من GSM8K، بتحسّن قدره 42.5%، ودقة تبلغ 96.82%. والنتائج هي نتائج NVIDIA نفسها، ولم يُعَد إنتاجها بشكل مستقل، وهي تتحقق فقط عند حجم دفعة 1؛ كما أن الجمع بين FP8 وMTP يتطلب أن يشارك المسوّدة رأس LM الكامل، وإلا فقد تنخفض الإنتاجية إلى ما دون خط الأساس غير المُحسَّن.

هل يجب أن أستخدم Ling-3.0-flash في الإنتاج اليوم؟

إنه نموذج ناضج مفتوح الأوزان، لكنه لم يعد أحدث إصدار من Ling: {{1}}تصنّفه AA على أنه مهجور لصالح Ling-3.1-flash{{/1}}. إذا كنت تشغّل Ling-3.0-flash بالفعل، فإن {{2}}وصفة DGX Spark{{/2}} تحسين ملموس يستحق إعادة إنتاجه. إذا كنت تختار من جديد، فقارنه بـ Ling-3.1-flash وشغّل مجموعة التقييم الخاصة بك؛ لا يزال ترخيص MIT وسعر {{3}}$0.075/$0.22{{/3}} يجعلانه فئة رخيصة موثوقة.

الخلاصة

لم يعد Ling-3.0-flash أحدث إصدار من Ling، وصفحة AA المباشرة تقول ذلك. وما يمتلكه من شيء لا تحظى به معظم النماذج مفتوحة الأوزان هو تهيئة مُقاسة على جهاز واحد: جهاز DGX Spark واحد، 53.89 توكن/ثانية لفك التشفير عند حجم دفعة 1، و96.82% على GSM8K، مع نشر خط الأساس والبروتوكول ونمط الفشل إلى جانب ذلك. اقرأ نسبة 42.5% كنتيجة إنفيديا نفسها لا حكمًا مستقلًا، واقرأ مؤشر أغسطس البالغ 38 كتاريخ. وضمن هذه الحدود، يظل النموذج خيارًا محليًا موثوقًا للفئة السريعة؛ وإذا كنت تبدأ من جديد، فالمقارنة التي ينبغي تشغيلها أولًا هي Ling-3.1-flash.