Ling-3.1-flash: el MoE de 560B que Ant Group sirve pero no ha abierto

La respuesta breve a qué es Ling-3.1-flash es: un modelo de lenguaje de mezcla de expertos con razonamiento híbrido de la línea Ant Ling de Ant Group, de alrededor de 560 mil millones de parámetros totales con unos 25 mil millones activos en cada token, una ventana que el proveedor limita a 1 millón de tokens pero que hoy ofrece a 256.000, texto de entrada y texto de salida, y sin pesos descargables. El modelo se anunció el 30/09/2026 y está en funcionamiento en el propio producto de Ant y en la propia API de Ant. Esa fecha es donde empieza y donde termina esta página: es el hecho que fija la edad del modelo, no un lanzamiento que este artículo esté reportando. Lo que un lector que busca Ling-3.1-flash necesita es el estado de la cosa el día en que lo lee, y el día en que se escribió esto el estado de los pesos seguía siendo "no publicados".

Tres hechos hacen la mayor parte del trabajo. Los pesos no están publicados, y el propio anuncio de Ant dice cuándo pretende que lo estén. La cifra de contexto que circula —1M— es un techo, no lo que te ofrece el endpoint, que es 256K. Y la especificación se puede conocer, mientras que el precio después del periodo promocional no. Todo lo que sigue tiene fuentes y, cuando una cifra es del propio Ant y no de un tercero, se indica.

Una nota sobre dónde reside el estado de este modelo. El anuncio de Ant del 30 de septiembre de 2026 es el documento que contiene la arquitectura y la condición de pesos abiertos, y no es algo que el proveedor actualice. Las páginas que sí se mantienen —las páginas del modelo Ling y la página de precios en el sitio para desarrolladores de Ant, cada una con el sello «Última actualización: 8 de octubre de 2026»— contienen los parámetros, las cifras de contexto y el precio. Cuando esas dos no coinciden, o cuando el anuncio dice más de lo que dice la documentación, esta página indica cuál de ellas está citando.

Qué es Ling-3.1-flash y quién lo publica

Ling-3.1-flash pertenece a la familia Ling, la línea de lenguaje de propósito general de Ant Ling, el programa de modelos que Ant Group ejecuta y publica a través de su laboratorio inclusionAI (la entidad operativa nombrada en el sitio para desarrolladores es Ant Intelligence (Hang Zhou) Technology Co., Ltd.). La familia se divide en tres ramas: Ling para trabajo de lenguaje general, Ring para razonamiento profundo y Ming para comprensión y generación omnimodales. Ling-3.1-flash es el buque insignia de la rama Ling, situándose por encima de Ling-3.0-flash, que permanece en el catálogo como la opción más económica y rápida.

Ant lo posiciona de forma estrecha y consistente: tareas del mundo real de horizonte largo, trabajo de oficina que va desde una solicitud vaga hasta un entregable terminado, ingeniería de software que abarca horas, y bucles de agentes que llaman a herramientas en secuencia y se corrigen a sí mismos. El propio resumen del proveedor sobre la propuesta es que conserva unos 560B de capacidad mientras paga por unos 25B por paso, de modo que el conocimiento del mundo y la profundidad de razonamiento se mantienen, mientras que el cómputo por token no. Es el sucesor de Ling-3.0-flash en la misma ranura, no un nuevo nivel.

¿Se han publicado los pesos? No, y Ant ha puesto nombre a la condición

Este es el hecho más discutido sobre el modelo, y hoy la respuesta es inequívoca: los pesos no están publicados. No hay ningún repositorio de Ling-3.1-flash en Hugging Face bajo la organización inclusionAI, ni model card, ni texto de licencia, ni archivo de checkpoint; una búsqueda en los repositorios públicos de la organización devuelve la generación Ling-3.0 y anteriores, y ninguna entrada de la 3.1. ModelScope, donde Ant replica sus lanzamientos, tampoco tiene un modelo Ling-3.1-flash. Tampoco hay una receta de despliegue para él: el propio repositorio Ling Cookbook del proveedor en GitHub, actualizado por última vez el 2026-10-12, el día anterior a esta página, contiene recetas de despliegue local y cuantización para Ling-3.0-flash, Ling-3.0-flash-VL, Ling-3.0-flash-Fin y Ling-3.0-tiny, y nada para Ling-3.1-flash. El evaluador independiente Artificial Analysis cataloga el modelo como propietario, y su FAQ responde «No» a si el modelo es de código abierto.

Lo que Ant ha hecho es adjuntar una condición a la apertura, y es más específica que "pronto". El anuncio indica que el período gratuito sirve para un contexto de 256K, y que después de que finalice el período gratuito y el modelo pase a ser un servicio de pago, el plan es abrir la ventana de 1M y publicar el modelo como código abierto al mismo tiempo. Así, la secuencia que describe el proveedor es: prueba con 256K, luego servicio de pago de hasta 1M, con los pesos liberados en ese cambio. Eso es un plan, no una fecha, y no se publica ninguna fecha. Trata cualquier afirmación de que "Ling-3.1-flash tiene pesos abiertos" como incorrecta hasta que exista un repositorio; trata el plan como la intención declarada del proveedor, no como un hecho.

Tamaño y arquitectura: 560B en total, 25B activos, siete capas lineales por cada capa global

Ant publica la arquitectura con un nivel de detalle que hace que las cifras se puedan verificar entre sí en lugar de solo citarse:

• Parámetros totales — alrededor de 560B, según el fabricante, sin cambios en toda la documentación.

• Parámetros activos — unos 25B por token, una proporción de dispersión cercana a 1 de cada 22.

• Enrutamiento de expertos: 512 expertos enrutados, de los cuales cada token selecciona 8, más un experto compartido que todos los tokens usan. Se trata de un conjunto de expertos notablemente más amplio que el que usaba la generación anterior frente a un cuerpo mucho más pequeño. El número de expertos, la selección de 8 de 512 y la proporción de atención de 7:1 provienen del anuncio, no de la página del modelo; la página del modelo indica los parámetros y las cifras de contexto.

• Atención — una pila híbrida que continúa el diseño de atención lineal de Ling-3.0-flash, con la proporción lineal aumentada: 7 capas KDA (Kimi Delta Attention) por cada 1 capa Gated MLA, de modo que una capa de cada ocho mantiene una ruta de atención global. La ruta KDA es la de tiempo lineal, orientada a secuencias largas.

• Predecesor en escala — Ling-3.0-flash funciona con 124B en total y 5.1B activos sobre una pila híbrida de 42 capas, por lo que Ling-3.1-flash es aproximadamente cuatro veces y media el cuerpo, con aproximadamente cinco veces la activación por token.

Vale la pena decirlo claramente, porque Ant también lo dice: nada de esto se traduce directamente en costos de despliegue. El rendimiento, la latencia y la memoria dependen del hardware, la precisión numérica, el tamaño del lote, la comunicación entre expertos, la longitud del contexto y la longitud de salida. La arquitectura explica por qué el modelo puede existir con este tamaño; no te dice cuánto te costará una solicitud.

Ventana de contexto y salida

La ventana es donde vive la mala interpretación más común. La documentación de Ant lo indica como dos números en una línea: la ventana tiene un límite de 1M tokens, y el servicio oficial actualmente expone 256K. El anuncio da la razón en palabras del propio proveedor: la prueba gratuita dura dos semanas, la longitud del servicio durante esta es de 256K, y una vez que finaliza la prueba y el modelo pasa a servicio de pago, el plan es abrir la ventana de 1M y abrir el código fuente del modelo al mismo tiempo. Los documentos y el anuncio coinciden en la cifra servida, y ambos son de Ant. La superficie del producto está detrás de un inicio de sesión, por lo que el propio control de longitud máxima de Ling Studio no es algo que esta página pueda confirmar hoy; si necesitas el tope exacto antes de dimensionar un pipeline, léelo del estudio una vez que hayas iniciado sesión en lugar de tomar un número de segunda mano para ello.

Artificial Analysis indica que la ventana de contexto es de 1M. Ese es el límite máximo declarado, no lo que una solicitud recibe actualmente, y es el número que más circula y el que más a menudo resulta erróneo en la práctica. Si estás dimensionando un pipeline, dimensiónalo para 256K y trata 1M como un elemento de la hoja de ruta sin fecha de publicación.

La salida máxima es una cifra que Ant no publica por modelo. Lo que el proveedor sí publica es la superficie de la solicitud: max_tokensdel endpoint compatible con Anthropic tiene un valor predeterminado de 32.000, la referencia compatible con OpenAI no indica ningún límite de salida por modelo, y las llamadas sin streaming agotan el tiempo de espera a los 90 segundos. Si tu tarea requiere una generación única y extensa, la propia recomendación del proveedor es usar streaming en lugar de elevar un límite que no documenta.

Lo que recibe y lo que devuelve

Entrada de texto, salida de texto. Ling-3.1-flash no es un modelo multimodal, y conviene ser explícito al respecto porque la familia contiene uno que sí lo es: Ling-3.0-flash-VL es el modelo de visión, que acepta de forma nativa entrada de imágenes, texto y vídeo a través de la misma plataforma, y la documentación multimodal del proveedor está escrita para ese modelo. Ling-3.1-flash aparece en la tabla de especificaciones Ling del proveedor sin ninguna modalidad de entrada más allá del texto, y la página del evaluador independiente sobre él solo registra entrada y salida de texto, y lo clasifica entre los modelos de razonamiento en lugar de entre los de visión. Si hoy necesitas enviar una imagen a un modelo Ling, la propia guía de selección del proveedor te remite a Ling-3.0-flash-VL, no a este.

Afirmaciones del proveedor frente a la evaluación independiente

Existen dos tipos de número para Ling-3.1-flash y no son intercambiables.

El propio anuncio de Ant se titula como una actualización del modelo para tareas del mundo real, y es cuidadoso con lo que son sus cifras. Las áreas de evaluación nombradas son GDPVal-AA V2.1 para trabajo de oficina, HealthBench Professional para comunicación médica, FrontierSWE para ingeniería, Terminal-Bench 4.0 para operación de terminal, además de automatización, análisis de seguridad, respuesta a preguntas sobre bases de código y tareas de agentes financieros — y las cifras por benchmark se encuentran en imágenes de gráficos en lugar de una tabla de texto. A día de hoy, Ant no ha publicado esas puntuaciones individuales en un formato que cualquiera pueda citar línea por línea, y esta página no inventará una tabla para ellas. Lo que Ant sí declara en el texto son tres resultados de ingeniería de largo horizonte, todos reportados por el proveedor, todos sobre las propias definiciones de tareas del proveedor, y todos etiquetados como las cifras de comparación "listadas en la documentación" en lugar de como una comparación directa emparejada: un compilador de Lua a x86-64-ELF construido desde cero en aproximadamente 17 horas de ejecución continua, con 178 de 182 pruebas independientes superadas, alrededor del 97,8%, frente al 99,0% de Claude Fable 5 y el 95,9% de GLM-5.3-Flash en la misma tarea según las lista el proveedor; una pasada de optimización de Pyright 1.1.400 de aproximadamente 10 horas que alcanza una aceleración de 1,432× con las 2.279 pruebas de benchmark y regresión superadas, frente a Claude Fable 5 con 1,502× y GLM-5.3-Flash con 1,290×; y una reimplementación en Rust de una biblioteca de imágenes en C que lleva unas 20 horas, superando las 30 comprobaciones con 8,015×, frente a GLM-5.3-Flash con 1,396× y Claude Fable 5 con 27,310×. Esas tres tareas no se comparan directamente con el mismo esfuerzo e infraestructura — las cifras opuestas son citas del propio proveedor, no ejecuciones que este controlara —, así que léelas como el informe del proveedor sobre su propia suite de tareas, no como una clasificación equivalente. Ant también informa de que el modelo encontró y parcheó un desbordamiento de búfer de pila en el analizador de calibración de la base de datos de código abierto OceanBase trabajando en el problema de forma autónoma. Cada una de esas afirmaciones es una declaración propia sobre una tarea propia; ninguna tiene una reproducción por terceros, y el propio proveedor señala el tercer resultado como muestra de margen de mejora en la optimización de rendimiento extrema. En cuanto a la demanda de búsqueda, "ling 3.1 flash benchmark" es una de las preguntas menos frecuentes que la gente hace sobre este modelo, y la respuesta honesta en una frase es la anterior: la ficha de Ant existe, sus cifras están reportadas por el proveedor, y el número independiente con el que realmente puedes evaluar el modelo es el del siguiente párrafo.

El segundo tipo de número se mide de forma independiente. Artificial Analysis, que ejecuta su propio sistema de evaluación en hardware que controla, puntúa a Ling-3.1-flash con 41 en su Intelligence Index v4.3.2, un compuesto de diez evaluaciones, y lo clasifica en quinto lugar de 175 modelos en ese índice. El predecesor obtiene 20 en el mismo índice. La misma página registra 212,1 tokens de salida por segundo y 1,87 segundos hasta el primer token, 220 millones de tokens de salida generados en todo el índice —alto frente a una mediana de 95 M— y un coste de ejecución de $0,30 por millón de tokens de entrada y $0,90 por millón de salida con un 80 % de descuento de caché, alrededor de $1,00 por tarea del índice. Esas son las mediciones del propio evaluador frente a la API del proveedor, no las cifras de Ant, y son las únicas mediciones independientes de este modelo que existen hoy.

En cuanto al precio, se aplica la misma división, y la moneda importa. La página de precios de Ant —la que se mantiene actualizada, sellada con «Última actualización: 8 de octubre de 2026» en lugar de la fecha 2026-10-13 en que se escribió esta página— incluye Ling-3.1-flash a ¥0,00 por entrada, salida y lecturas de caché, y afirma que el modelo es gratuito durante un período limitado de dos semanas, tras el cual pasa a la facturación estándar de pago, con tarifas que se anunciarán. La misma página publica una tabla en USD en la que la fila indica $0,00 en las tres columnas. Esa es toda la respuesta sobre el nivel gratuito: lo gratuito es real, es promocional, tiene un límite de tiempo, y la cifra que lo sucede no se ha publicado. La tarifa registrada por el evaluador independiente, de $0,30 y $0,90, es lo más parecido que existe en público a una tarifa posterior al período de prueba, y Ant no la ha confirmado.

¿Cómo obtener una respuesta de Ling-3.1-flash hoy?

Hay dos rutas propias, ambas de Ant. Ling Studio, en chat.ant-ling.com, es la superficie del producto, y el anuncio del proveedor también indica que el modelo está dentro de un agente de escritorio interno de Ant usado para tareas de oficina. La Open API en api.ant-ling.com es la ruta para desarrolladores y se ofrece en dos formas: un endpoint chat/completions compatible con OpenAI y un endpoint messages compatible con Anthropic, por lo que un SDK existente funciona con solo cambiar la URL base. Dos advertencias provienen directamente de la documentación, lo cual es lo bastante inusual como para merecer copiarlas exactamente: los controles de probabilidad y diversidad, temperature y top_p, tienen un valor predeterminado de 1 en ambas páginas de referencia, por lo que una solicitud que esté acostumbrada a establecer una temperatura baja en otros lugares se comportará de forma diferente aquí; y el control thinking documentado para alternar el razonamiento está documentado como exclusivo de Ling-3.0-flash, lo que significa que la superficie de solicitudes que publican estas páginas no se ha actualizado para Ling-3.1-flash. El acceso requiere una cuenta de Alipay vinculada y el servicio de Ling activado —las FAQ también incluyen «servicio de modelo Ling no activado» como un error conocido con su propia solución—; la facturación es de pago por uso por token, el límite de tasa publicado es de 2 solicitudes por segundo a nivel global, con errores 429 al superarlo, y las llamadas que no son en streaming agotan el tiempo de espera a los 90 segundos. El proveedor también lista el modelo al mismo precio promocional de cero en plataformas de terceros; esas no son superficies propias y sus términos son los suyos.

Una verificación que vale la pena hacer antes de construir sobre el endpoint: a día de hoy, la referencia de API publicada por el proveedor no enumera Ling-3.1-flash en su lista de modelos, y el registro de cambios de la plataforma no incluye ninguna entrada al respecto —las entradas más recientes allí son Ling-3.0-flash-VL en septiembre y Ling-3.0-tiny en agosto— aunque la página de precios incluye una tarifa para el modelo y el anuncio ofrece su prueba de API. Confirma el identificador del modelo con tu propia cuenta antes de integrarlo en cualquier cosa, en lugar de dar por sentado que la documentación ya se ha puesto al día.

Ling-3.1-flash no está en el catálogo de OrcaRouter —una comprobación contra nuestra lista de modelos en vivo el 2026-10-13 no devuelve ninguna entrada de Ling ni de inclusionAI—, así que esta página no te dirá que está a una sola llamada de distancia. Lo que sí está a una sola llamada son los dos modelos con los que más se lo compara: DeepSeek V4.1 Flash, que nuestra lista cotiza a $0.15 por millón de entrada y $0.60 por millón de salida, y GLM 5.3 Flash a $0.15 y $0.50, ambos a precio de lista con cero margen y conmutación automática por error entre proveedores, así que un cambio de tarifa de cualquiera de los dos proveedores se aplica el mismo día sin cambios de código de tu parte. Cuando Ant abra Ling-3.1-flash o algún host lo agregue, esa es la forma en que llegaría.

Qué observar, y qué no asumir

Tres cosas resuelven las preguntas abiertas de esta página, y las tres le corresponde publicarlas a Ant: los pesos, con una licencia y una ficha del modelo si se cumple lo planeado en el anuncio; que la ventana de 1M se sirva de verdad en lugar de solo declararse; y una tabla de tarifas posterior a la prueba. Hasta que al menos las dos primeras se materialicen, la descripción precisa de Ling-3.1-flash es la de un modelo sólido, rápido, cerrado y solo de texto, con una puntuación independiente genuina de 41 y un perfil agéntico genuinamente prometedor, disponible directamente del proveedor y gratis durante una ventana que se cierra sin previo aviso.

Quién debería actuar ya: cualquiera cuyo trabajo sea agéntico, con forma de terminal o de oficina y que quiera dos semanas de inferencia gratuita con sus propios prompts para averiguar si un MoE de 560B a 212 tokens por segundo cambia lo que construye. Quién debería esperar: cualquiera que planee autoalojarlo, cualquiera que necesite una licencia antes de que adquisiciones lo considere, cualquiera cuyo pipeline necesite la ventana de un millón de tokens en producción, y cualquiera que necesite un modelo de costes que sobreviva al periodo promocional. Para los cuatro, la respuesta honesta hoy es que la decisión todavía no puede tomarse, y lo que la desbloquearía es un repositorio de Hugging Face, no otro gráfico de benchmark.