Ling-3.1-flash: Das 560B-MoE, das Ant Group betreibt, aber nicht geöffnet hat

Die kurze Antwort darauf, was Ling-3.1-flash ist: ein Hybrid-Reasoning-Mixture-of-Experts-Sprachmodell aus der Ant-Ling-Reihe von Ant Group, rund 560 Milliarden Gesamtparameter, von denen bei jedem Token etwa 25 Milliarden aktiv sind, ein Kontextfenster, das der Anbieter auf 1 Million Token begrenzt, das heute aber mit 256.000 Token bereitgestellt wird, Texteingabe und Textausgabe, und keine herunterladbaren Gewichte. Das Modell wurde am 30. September 2026 angekündigt und ist im eigenen Produkt von Ant und über die eigene API von Ant live. Dieses Datum ist der Punkt, an dem diese Seite beginnt und an dem sie endet: Es ist die Tatsache, die das Alter des Modells festlegt, nicht eine Markteinführung, über die dieser Artikel berichtet. Was ein Leser, der nach Ling-3.1-flash sucht, braucht, ist der Zustand der Sache an dem Tag, an dem er sie liest, und an dem Tag, an dem dies geschrieben wurde, war der Zustand der Gewichte noch „nicht veröffentlicht“.

Drei Fakten erledigen den Großteil. Die Gewichte sind nicht veröffentlicht, und Ants eigene Ankündigung sagt, wann sie sie veröffentlichen will. Die kursierende Kontextangabe – 1M – ist eine Obergrenze, nicht das, was der Endpunkt liefert, nämlich 256K. Und die Spezifikation ist ermittelbar, während der Preis nach dem Aktionszeitraum es nicht ist. Alles Folgende ist mit Quellen belegt, und wo eine Zahl von Ant selbst und nicht von Dritten stammt, wird das angegeben.

Eine Anmerkung dazu, wo der Stand dieses Modells zu finden ist. Die Ankündigung von Ant vom 30. September 2026 ist das Dokument, das die Architektur und die Open-Weight-Bedingung enthält, und es wird nicht vom Anbieter aktualisiert. Die Seiten, die tatsächlich gepflegt werden – die Ling-Modellseiten und die Preisseite auf der Entwickler-Website von Ant, jeweils mit dem Vermerk „Last updated on October 8, 2026“ – enthalten die Parameter, die Kontextzahlen und den Preis. Wo diese beiden voneinander abweichen oder wo die Ankündigung mehr aussagt als die Dokumentation, gibt diese Seite an, welche der beiden sie zitiert.

Was ist Ling-3.1-flash und wer veröffentlicht es?

Ling-3.1-flash gehört zur Ling-Familie — der Allzweck-Sprachlinie von Ant Ling, dem Modellprogramm, das die Ant Group betreibt und über ihr inclusionAI-Labor veröffentlicht (das im Entwicklerportal genannte Betreiberunternehmen ist Ant Intelligence (Hang Zhou) Technology Co., Ltd.). Die Familie teilt sich in drei Bereiche auf: Ling für allgemeine Sprachaufgaben, Ring für tiefes Reasoning und Ming für omni-modales Verständnis und Generierung. Ling-3.1-flash ist das Flaggschiff des Ling-Zweigs und steht über Ling-3.0-flash, das als günstigere, schnellere Option im Katalog bleibt.

Ant positioniert es eng und konsistent: langfristige reale Aufgaben, Büroarbeit, die von einer vagen Anfrage bis zu einem fertigen Ergebnis reicht, Softwareentwicklung, die sich über Stunden erstreckt, und Agenten-Schleifen, die Werkzeuge nacheinander aufrufen und sich selbst korrigieren. Die eigene Zusammenfassung des Anbieters zu diesem Versprechen ist, dass es etwa 560B an Kapazität beibehält, während es pro Schritt für etwa 25B bezahlt, sodass Weltwissen und Argumentationstiefe erhalten bleiben, der Rechenaufwand pro Token jedoch nicht. Es ist der Nachfolger von Ling-3.0-flash an derselben Stelle, keine neue Stufe.

Sind die Gewichte veröffentlicht? Nein — und Ant hat die Bedingung genannt

Dies ist der umstrittenste Punkt bei diesem Modell, und die Antwort ist heute eindeutig: Die Gewichte sind nicht veröffentlicht. Es gibt kein Ling-3.1-flash-Repository auf Hugging Face unter der Organisation inclusionAI, keine Modellkarte, keinen Lizenztext und keine Checkpoint-Datei; eine Suche in den öffentlichen Repositories der Organisation liefert die Ling-3.0-Generation und frühere, aber keinen 3.1-Eintrag. ModelScope, wo Ant seine Releases spiegelt, hat ebenfalls kein Ling-3.1-flash-Modell. Ebenso wenig gibt es ein Deployment-Rezept dafür: Das eigene Ling-Cookbook-Repository des Anbieters auf GitHub, zuletzt gepusht am 2026-10-12, einen Tag vor dieser Seite, enthält Rezepte für lokales Deployment und Quantisierung für Ling-3.0-flash, Ling-3.0-flash-VL, Ling-3.0-flash-Fin und Ling-3.0-tiny, und nichts für Ling-3.1-flash. Der unabhängige Evaluator Artificial Analysis führt das Modell als proprietär, und seine FAQ antwortet mit „Nein“ auf die Frage, ob das Modell Open Source ist.

Was Ant getan hat, ist, der Öffnung eine Bedingung anzuhängen, und diese ist konkreter als „bald“. Die Ankündigung besagt, dass der kostenlose Zeitraum einen 256K-Kontext bietet und dass nach dem Ende des kostenlosen Zeitraums und der Umstellung des Modells auf einen kostenpflichtigen Dienst geplant ist, das 1M-Fenster zu öffnen und das Modell gleichzeitig als Open Source freizugeben. Die vom Anbieter beschriebene Abfolge ist also: Testphase bei 256K, dann kostenpflichtiger Dienst mit bis zu 1M, wobei die Gewichte bei diesem Wechsel folgen. Das ist ein Plan, kein Datum, und es wird kein Datum veröffentlicht. Behandle jeden Anspruch, dass Ling-3.1-flash offene Gewichte sei, als falsch, solange kein Repository existiert; betrachte den Plan als erklärte Absicht des Anbieters, nicht als Ereignis.

Größe und Architektur: 560B insgesamt, 25B aktiv, sieben lineare Schichten pro globaler Schicht

Ant veröffentlicht die Architektur in einem Detaillierungsgrad, der die Zahlen gegeneinander überprüfbar macht, anstatt sie lediglich zu zitieren:

• Gesamtparameterzahl — etwa 560 Mrd., laut Hersteller, in der gesamten Dokumentation unverändert.

• Aktive Parameter — etwa 25B pro Token, ein Sparsity-Verhältnis von nahezu 1 zu 22.

• Experten-Routing — 512 geroutete Experten, von denen jedes Token 8 auswählt, plus ein gemeinsamer Experte, den jedes Token nutzt. Das ist ein deutlich breiterer Expertenpool, als ihn die vorherige Generation bei einem wesentlich kleineren Modellkörper verwendete. Die Expertenanzahl, die 8-von-512-Auswahl und das 7:1-Attention-Verhältnis stammen aus der Ankündigung und nicht von der Modellseite; die Modellseite gibt die Parameter und die Kontextzahlen an.

• Attention — ein Hybrid-Stack, der das Linear-Attention-Design von Ling-3.0-flash fortsetzt, mit erhöhtem linearen Anteil: 7 KDA-Schichten (Kimi Delta Attention) auf jede 1 Gated-MLA-Schicht, sodass eine von acht Schichten einen globalen Attention-Pfad beibehält. Der KDA-Pfad ist der linearzeitige, auf lange Sequenzen ausgerichtet.

• Vorgänger in Sachen Skalierung — Ling-3.0-flash umfasst insgesamt 124 Mrd. Parameter, davon 5,1 Mrd. aktive, über einen 42-schichtigen Hybrid-Stack, sodass Ling-3.1-flash einen etwa viereinhalbmal so großen Modellkörper und etwa fünfmal so viel Aktivierung pro Token aufweist.

Es lohnt sich, das klar zu sagen, denn Ant sagt es ebenfalls: Nichts davon lässt sich direkt in Deployment-Kosten übersetzen. Durchsatz, Latenz und Speicher hängen von der Hardware, der numerischen Präzision, der Batch-Größe, der Expertenkommunikation, der Kontextlänge und der Ausgabelänge ab. Die Architektur erklärt, warum das Modell in dieser Größe existieren kann; sie sagt Ihnen nicht, was eine Anfrage Sie kosten wird.

Kontextfenster und maximale Ausgabe

Das Fenster ist der Punkt, an dem die häufigste Fehldeutung sitzt. Ants Dokumentation gibt es als zwei Zahlen in einer Zeile an: Das Fenster ist auf 1M Tokens begrenzt, und der offizielle Dienst stellt derzeit 256K bereit. Die Ankündigung nennt den Grund mit den Worten des Anbieters — die kostenlose Testphase dauert zwei Wochen, die währenddessen bereitgestellte Länge beträgt 256K, und sobald die Testphase endet und das Modell in den kostenpflichtigen Dienst übergeht, ist geplant, das 1M-Fenster zu öffnen und das Modell gleichzeitig als Open Source freizugeben. Die Doku und die Ankündigung stimmen bei der bereitgestellten Zahl überein, und beide stammen von Ant. Die Produktoberfläche befindet sich hinter einer Anmeldung, daher kann die eigene Steuerung für die maximale Länge von Ling Studio von dieser Seite heute nicht bestätigt werden; wenn Sie die genaue Obergrenze benötigen, bevor Sie eine Pipeline dimensionieren, lesen Sie sie im Studio ab, sobald Sie angemeldet sind, anstatt eine Zahl aus zweiter Hand dafür zu übernehmen.

Artificial Analysis gibt das Kontextfenster mit 1M an. Das ist die angegebene Obergrenze, nicht das, was eine Anfrage derzeit bekommt, und es ist die Zahl, die am weitesten kursiert und in der Praxis am häufigsten falsch ist. Wenn Sie eine Pipeline dimensionieren, dimensionieren Sie sie auf 256K und behandeln Sie 1M als Roadmap-Eintrag ohne veröffentlichtes Datum.

Die maximale Ausgabe ist eine Zahl, die Ant nicht pro Modell veröffentlicht. Was der Anbieter veröffentlicht, ist die Anfrageoberfläche des Anthropic-kompatiblen Endpunkts: max_tokens ist standardmäßig auf 32.000 gesetzt, die OpenAI-kompatible Referenz listet keine modellspezifische Ausgabegrenze, und Nicht-Streaming-Aufrufe laufen nach 90 Sekunden in einen Timeout. Wenn Ihr Job eine lange einzelne Generierung erfordert, ist die eigene Empfehlung des Anbieters, zu streamen, anstatt eine Obergrenze anzuheben, die er nicht dokumentiert.

Was es aufnimmt und was es zurückgibt

Text rein, Text raus. Ling-3.1-flash ist kein multimodales Modell, und es lohnt sich, das ausdrücklich zu sagen, denn die Familie enthält eines, das es ist: Ling-3.0-flash-VL ist das Vision-Modell, das nativ Bild-, Text- und Videoeingaben über dieselbe Plattform annimmt, und die multimodale Dokumentation des Anbieters ist für dieses Modell geschrieben. Ling-3.1-flash erscheint in der Ling-Spezifikationstabelle des Anbieters ohne jegliche Eingabemodalität außer Text, und die Seite des unabhängigen Evaluators dazu verzeichnet ausschließlich Texteingabe und Textausgabe und ordnet es unter den Reasoning-Modellen statt unter den Vision-Modellen ein. Wenn Sie heute ein Bild an ein Ling-Modell senden möchten, verweist Sie der Auswahlleitfaden des Anbieters selbst auf Ling-3.0-flash-VL, nicht auf dieses.

Herstellerangaben versus unabhängige Bewertung

Für Ling-3.1-flash existieren zwei Arten von Zahlen, und sie sind nicht austauschbar.

Ants eigene Ankündigung trägt den Titel eines Modell-Upgrades für reale Aufgaben, und sie ist sorgfältig darin, was ihre Zahlen angeht. Die genannten Evaluationsbereiche sind GDPVal-AA V2.1 für Büroarbeit, HealthBench Professional für medizinische Kommunikation, FrontierSWE für Engineering, Terminal-Bench 4.0 für Terminal-Bedienung, plus Automatisierung, Sicherheitsanalyse, Fragebeantwortung zu Codebasen und Aufgaben für Finanzagenten – und die Zahlen pro Benchmark stehen in Diagrammbildern statt in einer Texttabelle. Stand heute hat Ant diese Einzelwerte nicht in einer Form veröffentlicht, die jemand Zeile für Zeile zitieren kann, und diese Seite wird keine Tabelle dafür erfinden. Was Ant im Text angibt, sind drei Engineering-Ergebnisse mit langem Zeithorizont, alle vom Anbieter gemeldet, alle auf den eigenen Aufgabendefinitionen des Anbieters und alle als die Vergleichszahlen gekennzeichnet, die „in der Dokumentation aufgeführt“ sind, statt als ein direkter Vergleich unter gleichen Bedingungen: einen von Grund auf neu gebauten Lua-zu-x86-64-ELF-Compiler in etwa 17 Stunden kontinuierlicher Ausführung, wobei 178 von 182 unabhängigen Tests bestanden wurden, etwa 97,8 %, gegenüber 99,0 % für Claude Fable 5 und 95,9 % für GLM-5.3-Flash bei derselben Aufgabe, wie der Anbieter sie aufführt; einen Optimierungsdurchlauf für Pyright 1.1.400 von ungefähr 10 Stunden, der eine Beschleunigung von 1,432× erreichte, wobei alle 2.279 Benchmark- und Regressionstests bestanden wurden, gegenüber Claude Fable 5 bei 1,502× und GLM-5.3-Flash bei 1,290×; und eine Rust-Neuimplementierung einer C-Bildbibliothek, die etwa 20 Stunden dauerte und alle 30 Prüfungen mit 8,015× bestand, gegenüber GLM-5.3-Flash bei 1,396× und Claude Fable 5 bei 27,310×. Diese drei Aufgaben werden nicht in einem direkten Vergleich bei angeglichenem Aufwand und identischem Testaufbau benchmarkiert – die gegenüberstehenden Zahlen sind eigene Zitate des Anbieters, nicht von ihm kontrollierte Durchläufe –, also lesen Sie sie als Bericht des Anbieters über seine eigene Aufgaben-Suite, nicht als ein Ranking auf gleicher Basis. Ant berichtet außerdem, dass das Modell einen Stack-Buffer-Overflow im Kalibrierungsparser der Open-Source-Datenbank OceanBase gefunden und gepatcht hat, indem es das Problem autonom bearbeitete. Jede davon ist eine First-Party-Behauptung zu einer First-Party-Aufgabe; keine hat eine Reproduktion durch Dritte, und der Anbieter selbst weist darauf hin, dass das dritte Ergebnis noch verbleibenden Spielraum bei extremer Leistungsoptimierung zeigt. Auf der Seite der Suchnachfrage ist „ling 3.1 flash benchmark“ eine der kleineren Fragen, die Menschen zu diesem Modell stellen, und die ehrliche Antwort in einem Satz ist die obige: Ants Modellkarte existiert, ihre Zahlen sind vom Anbieter gemeldet, und die unabhängige Zahl, an der Sie das Modell tatsächlich messen können, ist der nächste Absatz.

Die zweite Art von Zahl wird unabhängig gemessen. Artificial Analysis, das seine eigene Testumgebung auf selbst kontrollierter Hardware betreibt, bewertet Ling-3.1-flash mit 41 auf seinem Intelligence Index v4.3.2, einer Zusammensetzung aus zehn Evaluierungen, und reiht es auf Platz fünf von 175 Modellen in diesem Index ein. Der Vorgänger erreicht 20 auf demselben Index. Dieselbe Seite verzeichnet 212,1 Ausgabe-Token pro Sekunde und 1,87 Sekunden bis zum ersten Token, 220 Millionen über den Index hinweg generierte Ausgabe-Token – hoch im Vergleich zu einem Median von 95 Mio. – sowie laufende Kosten von 0,30 $ pro Million Eingabe-Token und 0,90 $ pro Million Ausgabe-Token bei 80 % Cache-Rabatt, etwa 1,00 $ pro Index-Aufgabe. Dies sind die eigenen Messungen des Evaluators gegenüber der API des Anbieters, nicht die Zahlen von Ant, und sie sind die einzigen unabhängigen Messungen dieses Modells, die es heute gibt.

Beim Preis gilt dieselbe Aufteilung, und die Währung spielt eine Rolle. Ants Preisseite – die gepflegte, die mit „Zuletzt aktualisiert am 8. Oktober 2026“ versehen ist statt mit dem Datum 2026-10-13, an dem diese Seite verfasst wurde – führt Ling-3.1-flash mit ¥0,00 für Eingabe, Ausgabe und Cache-Lesevorgänge auf und gibt an, dass das Modell für einen begrenzten Zeitraum von zwei Wochen kostenlos ist, danach wechselt es zur standardmäßigen kostenpflichtigen Abrechnung, wobei die Tarife noch bekannt gegeben werden. Dieselbe Seite veröffentlicht eine USD-Tabelle, in der die Zeile in allen drei Spalten $0,00 lautet. Das ist die gesamte Antwort zur kostenlosen Stufe: Kostenlos ist real, es ist eine Werbeaktion, es ist zeitlich begrenzt, und die Zahl, die danach folgt, wurde nicht veröffentlicht. Die vom unabhängigen Evaluator erfassten Sätze von $0,30 und $0,90 sind das, was einer öffentlich verfügbaren Preisliste nach der Testphase am nächsten kommt, und Ant hat sie nicht bestätigt.

Wie erhält man heute eine Antwort von Ling-3.1-flash

Es gibt zwei First-Party-Routen, beide von Ant selbst. Das Ling Studio unter chat.ant-ling.com ist die Produktoberfläche, und die Ankündigung des Anbieters besagt außerdem, dass das Modell in einem internen Ant-Desktop-Agenten für Büroaufgaben steckt. Die Open API unter api.ant-ling.com ist die Entwicklerroute und kommt in zwei Formen: ein OpenAI-kompatibler chat/completions-Endpunkt und ein Anthropic-kompatibler messages-Endpunkt, sodass ein vorhandenes SDK mit einer geänderten Basis-URL funktioniert. Zwei Einschränkungen stammen direkt aus der Dokumentation, was ungewöhnlich genug ist, um sie exakt zu übernehmen: Die Wahrscheinlichkeits- und Diversitätsregler temperature und top_p haben auf beiden Referenzseiten standardmäßig den Wert 1, sodass eine Anfrage, die andernorts gelernt hat, eine niedrige Temperatur zu setzen, hier ein anderes Verhalten zeigt; und der thinking-Regler, der zum Umschalten des Reasoning dokumentiert ist, ist nur für Ling-3.0-flash dokumentiert, was bedeutet, dass die von diesen Seiten veröffentlichte Anfrageoberfläche nicht für Ling-3.1-flash aktualisiert wurde. Der Zugang erfordert ein gebundenes Alipay-Konto und den aktivierten Ling-Dienst – die FAQ führt außerdem „Ling-Modellservice nicht aktiviert“ als bekannten Fehler mit eigener Lösung auf – die Abrechnung erfolgt nutzungsabhängig pro Token, das veröffentlichte Ratenlimit liegt global bei 2 Anfragen pro Sekunde, darüber hinaus 429-Fehler, und nicht gestreamte Aufrufe laufen nach 90 Sekunden in einen Timeout. Der Anbieter listet das Modell außerdem auf Drittanbieterplattformen zum selben Aktionspreis von null; diese sind keine First-Party-Oberflächen, und es gelten ihre eigenen Bedingungen.

Eine Überprüfung, die sich lohnt, bevor Sie auf dem Endpoint aufbauen: Stand heute führt die veröffentlichte API-Referenz des Anbieters Ling-3.1-flash nicht in ihrer Modellliste auf, und das Plattform-Changelog enthält keinen Eintrag dazu – die neuesten Einträge dort sind Ling-3.0-flash-VL im September und Ling-3.0-tiny im August –, obwohl die Preisseite einen Tarif für das Modell führt und die Ankündigung einen API-Test dafür anbietet. Gleichen Sie die Modellkennung mit Ihrem eigenen Konto ab, bevor Sie sie irgendwo einbinden, statt anzunehmen, dass die Dokumentation nachgezogen ist.

Ling-3.1-flash ist nicht im Katalog von OrcaRouter – eine Prüfung gegen unsere Live-Modellliste am 2026-10-13 liefert keinen Ling- oder inclusionAI-Eintrag – diese Seite wird Ihnen also nicht sagen, dass es mit einem einzigen Aufruf erreichbar ist. Was mit einem einzigen Aufruf erreichbar ist, sind die beiden Modelle, mit denen es am häufigsten verglichen wird: DeepSeek V4.1 Flash, das unsere Liste mit 0,15 $ pro Million Eingabe-Token und 0,60 $ pro Million Ausgabe-Token bepreist, und GLM 5.3 Flash mit 0,15 $ und 0,50 $, beide zum Listenpreis mit null Aufschlag und automatischem Failover über Anbieter hinweg, sodass eine Preisänderung von einem der beiden Anbieter noch am selben Tag wirksam wird, ohne dass auf Ihrer Seite eine Codeänderung nötig ist. Wenn Ant Ling-3.1-flash freigibt oder ein Host es hinzufügt, ist das die Form, in der es ankommen würde.

Worauf man achten sollte – und was man nicht annehmen sollte

Drei Dinge klären die offenen Fragen dieser Seite, und alle drei muss Ant veröffentlichen: die Gewichte, mit einer Lizenz und einer Modellkarte, falls der Plan der Ankündigung Bestand hat; das 1M-Fenster, das tatsächlich bedient und nicht nur deklariert wird; und eine Preisliste nach der Testphase. Bis mindestens die ersten beiden vorliegen, lautet die zutreffende Beschreibung von Ling-3.1-flash: ein starkes, schnelles, geschlossenes, reines Textmodell mit einem echten unabhängigen Score von 41 und einem wirklich vielversprechenden agentischen Profil, direkt vom Anbieter verfügbar und kostenlos für ein Zeitfenster, das ohne Vorwarnung schließt.

Wer jetzt aktiv werden sollte: alle, deren Arbeit agentisch, terminalförmig oder büroartig ist und die zwei Wochen kostenlose Inferenz mit ihren eigenen Prompts wollen, um herauszufinden, ob ein 560B-MoE mit 212 Tokens pro Sekunde ändert, was sie bauen. Wer warten sollte: alle, die es selbst hosten wollen, alle, die eine Lizenz brauchen, bevor die Beschaffung es überhaupt ansieht, alle, deren Pipeline das Millionen-Token-Fenster im Produktivbetrieb benötigt, und alle, die ein Kostenmodell brauchen, das den Aktionszeitraum überdauert. Für alle vier gilt heute die ehrliche Antwort, dass die Entscheidung noch nicht getroffen werden kann, und was den Weg dafür frei machen würde, ist ein Hugging Face-Repository, nicht ein weiteres Benchmark-Diagramm.