Ling-3.1-flash vs. Ling-3.0-flash: Was ein 1-Mio.-Token-Kontextfenster und 4,5-mal so viele Parameter tatsächlich ändern

Die Ling-Familie von Ant Group hat eine neue schnelle Stufe, und diesmal ist sie nur einen Satz alt. Ling-3.1-flash wurde am 30. September 2026 angekündigt – etwa 560 Milliarden Gesamtparameter, rund 25 Milliarden aktive pro Token, ein Kontextfenster von bis zu 1 Million Tokens und eine angehängte Standardfloskel: „Wir planen, das Modell bald als Open Source zu veröffentlichen.“ Das Modell, das es an der Spitze der Fast-Reihe ersetzt, Ling-3.0-flash, ist in jeder Hinsicht ein anderes Tier: 124 Milliarden Gesamtparameter, 5,1 Milliarden aktive pro Token, ein bereitgestelltes Kontextfenster von 262.144 Tokens, MIT-lizenzierte Gewichte auf Hugging Face seit dem 7. August und ein unabhängiger Artificial Analysis Intelligence Index von 20. Eines dieser Modelle kann man heute herunterladen. Über das andere kann man nur lesen. Ein Vergleich ist wirklich nützlich, aber nur, wenn er genau dort beginnt.

Die Schlagzeilen-Arithmetik ist einfach und etwas irreführend. Ling-3.1-flash hat etwa das 4,5-fache der Gesamtparameterzahl von Ling-3.0-flash und etwa das 4,9-fache der aktiven Parameterzahl – 25 Mrd. gegenüber 5,1 Mrd. pro Token. Wer flüchtig liest, sagt: „viel größeres Modell, also viel klügeres Modell.“ Wer genauer liest, erkennt, dass Ant beim Skalieren des Grundmodells das Sparsity-Verhältnis ungefähr beibehalten hat, und was das bringt, ist Kapazität, nicht unbedingt Argumentationstiefe pro Token: Ein Modell, das pro Token 25 Mrd. seiner 560 Mrd. Parameter durchschleust, leistet pro Token mehr Arbeit als eines, das 5,1 Mrd. durchschleust, zahlt dafür aber auch etwa das Fünffache an Rechenleistung pro Token. Wo dieser Kompromiss landet, hängt ganz davon ab, ob Ants Architektur die zusätzlichen Parameter effizient verarbeitet – und das ist eine Frage, die die Ankündigung nicht beantwortet.

Die beiden Modelle, Seite an Seite

Legen Sie die veröffentlichten Fakten nebeneinander, und die Generationen trennen sich sauber. Jede der folgenden Zeilen gibt an, was Ant oder ein unabhängiger Evaluator tatsächlich veröffentlicht hat; wo eine Zahl fehlt, fehlt sie, weil niemand sie veröffentlicht hat.

• Gesamtparameter — Ling-3.1-flash: ~560 Mrd. (Hersteller). Ling-3.0-flash: 124 Mrd. (Modellkarte).

• Aktive Parameter pro Token – Ling-3.1-flash: ~25B (Hersteller). Ling-3.0-flash: 5,1B (Modellkarte).

• Kontextfenster — Ling-3.1-flash: bis zu 1M Token (Anbieter). Ling-3.0-flash: 256K nativ, bereitgestellt mit 262.144 (Modellkarte und Inferenzrezepte).

• Gewichte und Lizenz — Ling-3.1-flash: nicht veröffentlicht; kein Repository, keine Lizenz (geprüft am 30. September und erneut am 1. Oktober 2026). Ling-3.0-flash: MIT, auf Hugging Face als inclusionAI/Ling-3.0-flash und auf ModelScope seit 7. August 2026.

• Gewichtsformate — Ling-3.1-flash: keine verfügbar. Ling-3.0-flash: BF16 (~255GB) und FP8 (~128GB) aus dem Labor, plus Community-Quants.

• Benchmark-Herkunft — Ling-3.1-flash: vollständig vom Anbieter berichtet, kein öffentlicher Testharness, keine Gewichte zum erneuten Ausführen. Ling-3.0-flash: unabhängig bewertet von Artificial Analysis mit einem Intelligence Index von 20, zusammen mit gemessener Ausgabegeschwindigkeit und veröffentlichtem Token-Generierungsvolumen.

• Verfügbarkeit — Ling-3.1-flash: ausschließlich im eigenen Ling-Studio-Produkt von Ant. Ling-3.0-flash: selbst hostbar sowie über die Entwickler-API von Ant aufrufbar.

Wofür die zusätzliche Kapazität wahrscheinlich gedacht ist

Ants eigene einzeilige Beschreibung von Ling-3.1-flash ist das Informativste in der Veröffentlichung. Die Ling-Studio-App bewirbt es mit „Allzweckagenten, Suche, Routinebüroarbeit und Software-/Codeentwicklung“ – eine Einordnung als Büroarbeit und agentisches Werkzeug, nicht als Reasoning-Benchmark. Das deckt sich damit, wie die Familie organisiert ist: Ling ist die Allzweck-Text-und-Tool-Linie, Ring ist die Reasoning-Linie und Ming ist für Multimodales zuständig. Ling-3.0-flash besetzte eine Generation früher dieselbe Position und war ausdrücklich die schnelle, günstige Stufe statt des Flaggschiffs.

Betrachtet man die Skalierung in diesem Licht, ergibt sie Sinn. Agentische und Tool-Calling-Workloads sind lang, repetitiv und kontext hungrig: Eine einzige Agentenschleife kann Zehntausende Tokens angesammelter Tool-Ausgaben verbrauchen, bevor sie eine Aktion ausführt, sodass ein 1-Million-Token-Fenster eine funktionale Anforderung und kein bloßes Datenblatt-Attribut ist. Die Gesamtzahl der Parameter zu skalieren und dabei einen großen aktiven Anteil beizubehalten, ist der Weg, einem Modell Weltwissen und Tiefe bei der Instruktionsbefolgung hinzuzufügen, das dennoch schnell genug sein muss, um in einer Schleife zu sitzen. Ant baut hier kein langsameres, klügeres Flaggschiff; Ant baut eine größere schnelle Stufe.

Das Gegenargument sind die Kosten, und es ist dieselbe Rechnung, nur aus der entgegengesetzten Richtung. Die zusätzliche Kapazität ist zur Inferenzzeit nicht kostenlos – sie wird bei jedem Token bezahlt, und Ant hat für Ling-3.1-flash überhaupt keinen Preis veröffentlicht: keine API-Preisliste, kein Cache-Rabatt, nichts Vergleichbares zu den 0,075/0,22 US-Dollar pro Million Tokens, die die vorherige Generation angibt. Das ist die fehlende Zahl, die diesen Vergleich entscheiden würde, und sie fehlt.

Benchmarks und wer sie durchgeführt hat

Ling-3.1-flash kommt mit drei Werten, die isoliert betrachtet stark wirken: 1.673 Elo auf GDPVal-AA v2.1, 75,16 auf FrontierSWE und 65,35 auf HealthBench Professional. Alle drei stammen von Ant selbst, sind der Ankündigung entnommen, und keiner wurde von einem externen Labor reproduziert. Die praktische Konsequenz ist, dass sie mit Zahlen anderer Anbieter verglichen werden können, aber nicht mit unabhängigen – und der 20-Punkte-Intelligence-Index von Artificial Analysis für Ling-3.0-flash ist eine unabhängige Zahl auf einer anderen Skala, sodass ein Nebeneinanderstellen der beiden bedeuten würde, eine Messung mit einer Behauptung zu vergleichen. Zum Zeitpunkt des Verfassens gibt es keine Seite zu Ling-3.1-flash bei Artificial Analysis.

Eine Fußnote in Ants eigener Tabelle verdient es, für sich genommen hervorgehoben zu werden. Die Karte gibt an, dass das Ergebnis von HealthBench Professional in der „AQ-Umgebung“ ausgewertet wurde und dass die Gesundheitsfunktionen von Ling-3.1-flash derzeit nur in AQ erlebt werden können. Keine öffentliche Dokumentation erklärt, was AQ ist. Ein Spitzenwert, der einen Qualifizierer für eine ungenannte Umgebung trägt, ist nichts, was ein externes Team reproduzieren kann, selbst wenn die Gewichte vorliegen.

Welches davon sollte diese Woche tatsächlich verwendet werden?

Die Frage nach der Generation lässt sich je nachdem, was Sie heute brauchen, unterschiedlich beantworten, und für fast alle ist die Antwort im Moment nicht das neuere Modell.

Wenn Sie diese Woche etwas laufen lassen müssen, ist Ling-3.0-flash von den beiden das einzige, das in nutzbarer Form existiert: Gewichte unter MIT-Lizenz, die Sie selbst hosten können, FP8, wenn Sie den geringeren Ressourcenbedarf möchten, veröffentlichte Erstanbieter-API-Preise und eine unabhängige Bewertung, die Ihnen sagt, was Sie bekommen. Es ist ein wirklich gutes Modell in seiner Klasse – die unabhängige Evaluierung setzte es auf die Pareto-Frontier für Open-Weights bei Intelligenz im Verhältnis zu Gesamtparametern und bewertete seine Geschwindigkeit sehr gut, mit dem Vorbehalt, dass es ungewöhnlich wortreich ist und während der Evaluierung etwa 260 Mio. Token generierte, gegenüber einem Median von knapp 100 Mio.

Wenn du für die nächsten sechs Monate planst, ist Ling-3.1-flash die Richtung, in die es geht, und noch keine Komponente. Die konkreten Punkte, auf die man achten sollte, bevor sie zu einer wird: ob die Gewichte tatsächlich offengelegt werden und unter welcher Lizenz, ob das bereitgestellte Fenster tatsächlich 1M umfasst oder eine Erweiterung eines kürzeren nativen Kontexts ist, was es pro Million Token kostet und ob ein unabhängiges Labor die 75,16 bei FrontierSWE reproduziert. Würde einer dieser Punkte eintreten, wäre das ein Grund, den Vergleich erneut durchzuführen. Keiner ist eingetreten.

Wo dies in einem Routing-Stack einzuordnen ist

Keines der Ling-Modelle ist heute in unserem Katalog – Ling-3.0-flash, Ling-3.0-flash-VL und Ling-3.1-flash liefern alle not-found zurück gegenüber der OrcaRouter-Modell-API, die ehrliche Antwort auf „Kann ich es über Sie aufrufen?“ lautet also: nein, vorerst nicht. Wofür eine Routing-Schicht in einer Woche wie dieser wirklich gut ist, zeigt sich an der anderen Hälfte des Problems: an den Modellen, gegen die man einen Kandidaten benchmarken würde. Claude Opus 5, GPT-5.6 Sol und DeepSeek-V4.1-Flash sind alle Live-Routen zum Listenpreis des Anbieters ohne Aufschlag, und ein Router, der sie hinter einem Schlüssel mit automatischem Failover bündelt, ist der Weg, einen Evaluierungs-Harness auf ein bewegliches Ziel ausgerichtet zu halten, ohne vier Integrationen pflegen zu müssen. Wenn die Gewichte von Ling-3.1-flash erscheinen und die Lizenz lesbar ist, ist das auch die Form der Entscheidung: einen Endpunkt hinzufügen, nicht den Stack neu aufbauen.

Die generationenübergreifende Zusammenfassung ist kurz. Ling-3.0-flash ist ein bereits ausgeliefertes, unabhängig bewertetes, permissiv lizenziertes Modell, das sich heute selbst hosten lässt. Ling-3.1-flash ist ein größeres, kontextreicheres, teurer zu betreibendes Versprechen, das Ant noch nicht in irgendeiner Form geliefert hat, die ein Entwickler nutzen kann. Das zweite als Upgrade des ersten zu behandeln, ist der Fehler, zu dem dieses Release verleitet – und die Zahlen sprechen noch nicht dafür.