Ling-3.1-flash-1019 empata con Kimi K3 en 44 — y todavía no hay nada que descargar

El número llegó antes que el modelo. El 22 de octubre, el equipo de Ling en Ant Group publicó Ling-3.1-flash-1019 en su propia cuenta con una puntuación y una promesa adjuntas: 44 en el Índice de Inteligencia de Artificial Analysis, frente a 41 de Ling-3.1-flash una semana antes, y a la par del Kimi K3 de Moonshot. La misma publicación afirma que el acceso a la API y los pesos abiertos "llegan pronto". La página del modelo de Artificial Analysis coincide con la primera mitad —44, en tercer lugar entre los 174 modelos que rastrea— y con la segunda: ninguna API disponible públicamente, un número de parámetros no revelado y un estado de licencia propietaria. Así que la frase precisa no es "Ant lanzó un modelo de clase K3". Es: Ant publicó una puntuación medida para Ling-3.1-flash-1019 y, a día de hoy, nadie fuera del propio pipeline de evaluación de Ant puede usar la versión que la obtuvo. Esta es una lectura de lo que sabemos hasta ahora sobre un modelo que no tiene más profundidad que un número y una promesa, y cada cifra a continuación lleva una fuente o una etiqueta explícita que indica que no la tiene.

La forma de la cosa, para quien quiera resumirla en una sola frase: Ling-3.1-flash-1019 es un checkpoint fechado de la misma línea que Ling-3.1-flash —una mezcla dispersa de expertos de aproximadamente 560 mil millones de parámetros, con unos 25 mil millones de parámetros activos por token, una arquitectura híbrida de atención lineal y un contexto declarado de 1 millón de tokens—, y "1019" es una fecha de compilación, no una nueva arquitectura. Lo nuevo es la puntuación, el coste de obtenerla y la brecha entre los dos laboratorios que esta comparación ahora involucra: Ant, que anunció en vez de lanzar, y DeepSeek, cuyo propio build flash con fecha, DeepSeek V4.1-Flash-1017, salió cinco días antes con los pesos y una tarifa sin cambios. La distancia entre esos dos estilos de lanzamiento es de lo que trata buena parte de este artículo.

Qué es 44 y qué no dice la página

El Artificial Analysis Intelligence Index es un compuesto, no una única prueba. La versión 4.3.2 pondera diez evaluaciones: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience y AA-LCR v1.1. Un compuesto que mezcla trabajo de oficina, uso de terminal, matemáticas de competición, recuperación de contexto largo y comportamiento de alucinación producirá un número para casi cualquier modelo, y ese número solo es tan informativo como las filas que lo sustentan.

Para Ling-3.1-flash-1019, las filas aún no están ahí. La página publica 44 y lo clasifica en tercer lugar general; enumera un contexto de 1M de tokens, entrada de texto y salida de texto, un modelo de razonamiento, un número de parámetros no revelado y —la parte que más importa— «No hay una API disponible públicamente» donde deberían ir los resultados por evaluación y la velocidad. SciCode está marcado como en revisión. No hay cifra de velocidad de salida, ni cifra de latencia, ni forma de reproducir una sola fila sin los pesos o un endpoint. Eso no es una crítica a Artificial Analysis, que solo puede medir lo que puede alcanzar; es una descripción de lo escasa que es la evidencia en este momento. El detalle del modelo que aparece debajo de la puntuación compuesta se ha medido, con toda probabilidad, en un endpoint alojado o suministrado por el proveedor, y los detalles de ese acuerdo no son públicos.

Dos cifras de esa página hacen más trabajo que el titular, porque ambas son costes en lugar de puntuaciones. La primera son los tokens de salida consumidos durante la ejecución del índice: 350 millones para la versión 1019, frente a 220 millones para la versión que obtuvo 41. La segunda es el coste por tarea del Intelligence Index: 1,49 $, frente a 1,00 $ de su predecesora. Leídas juntas, dicen algo que una puntuación no puede decir: los tres puntos extra se compraron pensando aproximadamente un 59% más de tiempo con la misma tarifa nominal, y la factura por tarea subió alrededor de un 49%. Un laboratorio que gana puntos en el índice haciendo que un modelo razone más tiempo no hace mal en hacerlo —la longitud del razonamiento es una palanca legítima—, pero eso significa que el 44 no es gratis y que un comprador que compara solo según el índice está comparando un número cuyo coste por punto se ha movido en la dirección equivocada.

La lista de precios en sí no ha cambiado. Artificial Analysis indica 0,30 USD por millón de tokens de entrada y 0,90 USD por millón de salida para ambas versiones, un descuento de caché del 80 %, un precio combinado de 0,19 USD por millón con su mezcla estándar y una ventana de contexto de 1M. Esos son los precios publicados por la empresa matriz que se conservan, lo que constituye una suposición razonable cuando un proveedor no ha anunciado nuevos precios, pero es solo una suposición. El precio promocional de Ant en la versión activa —más sobre esto a continuación— se sitúa muy por debajo de la tarifa de lista.

De dónde vinieron los tres puntos

Ant no ha publicado una tabla por evaluación para la compilación 1019. Las subpuntuaciones que han circulado provienen de la cobertura en chino del anuncio, que informa de dos movimientos atribuidos a Artificial Analysis: AA-Briefcase sube de aproximadamente 1.400 Elo a 1.524, y AutomationBench-AA pasa de alrededor de 62% a 68%. Trata ambos datos como de segunda mano hasta que las filas de evaluación aparezcan en la página del modelo; son cifras reportadas, no cifras que este artículo haya verificado contra una tabla primaria.

Son al menos coherentes internamente con lo que midió la compilación principal. Cuando leímos la página de Ling-3.1-flash el 7 de octubre, AA-Briefcase se situaba en 1.400,35 y AutomationBench-AA en 0,617 —los mismos valores que la cobertura redondea a «aproximadamente 1.400» y «alrededor del 62 %». Así que la dirección de la tendencia es plausible, y apunta a una afirmación concreta: la actualización es una mejora en capacidades agénticas y de trabajo de oficina, no un aumento general de capacidades. AutomationBench y AA-Briefcase son las dos filas de este índice que recompensan más directamente el uso de herramientas en varios pasos y la finalización de tareas de horizonte largo. Si esas filas se movieron y GDPval, SciCode, HLE y CritPt no, la descripción correcta de Ling-3.1-flash-1019 es «mejor para terminar tareas», no «más inteligente».

Esa distinción tiene una consecuencia práctica. Un modelo que mejora en las filas agénticas merece probarse con tu propia carga de trabajo de llamadas a herramientas; un modelo que mejora de forma uniforme merece probarse en todas partes. Hasta que se publiquen las filas, el 44 no puede decirte cuál de esos tienes entre manos, y la postura razonable es la que adoptó la cuenta que señaló esta compilación: mostrar las puntuaciones completas. El compuesto es un titular. Las filas son la decisión.

El enfoque del Kimi K3-Flash, con precio

El encuadre que puso a Ling-3.1-flash-1019 en muchas cronologías provino de una cuenta muy seguida el 22 de octubre, que describió la creación como, en efecto, un Kimi K3-Flash —inteligencia de clase K3 con una economía de nivel flash— y trazó un paralelo entre el avance de Ant en esta línea y el de DeepSeek en V4.1-Flash. Ni «Kimi K3-Flash» ni el paralelo son una afirmación de producto; ambos son formas abreviadas, y vale la pena separar lo que la abreviatura acierta de lo que pasa por alto.

Lo que acierta es la aritmética precio-índice, y esa aritmética es contundente. Kimi K3 se sitúa en 44 en el mismo índice en su configuración Max. También es un modelo de 2,8 billones de parámetros con 104.000 millones activos por token, con un precio de Moonshot de 3,00 $ por millón de entrada y 15,00 $ por millón de salida, y entrada en caché a 0,30 $. Ling-3.1-flash-1019 es una línea de 560.000 millones de parámetros con aproximadamente 25.000 millones activos, con precios de 0,30 $ y 0,90 $. La misma puntuación compuesta, una décima parte de la tarifa de entrada, una decimosexta parte de la tarifa de salida y una cuarta parte de los parámetros activos por token. Si lo único que necesitas es el índice, eso no es una victoria marginal; es una estructura de costes distinta para el mismo número destacado.

Lo que la abreviatura pasa por alto es todo lo que el índice no mide. Kimi K3 acepta imágenes de entrada; Artificial Analysis indica que Ling-3.1-flash-1019 es texto de entrada, texto de salida. Kimi K3 se puede descargar bajo su propia licencia desde finales de julio y se puede invocar desde varios proveedores desde entonces; Ling-3.1-flash-1019 no tiene ni pesos ni endpoint. Las filas de evaluación de Kimi K3 están publicadas y su velocidad está medida: 44 es un compuesto sobre una tabla visible. El 44 de Ling es un compuesto sobre una tabla que aún no es visible. Y los recuentos de parámetros no son comparables en el sentido que invita la palabra «560B»: K3 emplea 104 mil millones de parámetros por token, esta versión emplea 25 mil millones.

• Índice — 44 para ambos, en Artificial Analysis Intelligence Index v4.3.2.

• Precio — Ling-3.1-flash-1019 $0.30 de entrada / $0.90 de salida por 1M frente a Kimi K3 $3.00 / $15.00.

• Parámetros activos: unos 25B por token frente a 104B por token. Total: unos 560B frente a 2,8T.

• Modalidad: solo texto frente a entrada de texto e imagen.

• Disponibilidad — anunciada, sin API, sin pesos, frente a descargable y servido desde julio de 2026.

• Evidencia — un compuesto sin filas publicadas, frente a un compuesto con una tabla publicada y una velocidad de salida medida.

Planteado así, «Kimi K3-Flash» es una descripción justa de la intención y una descripción injusta del tiempo presente. La intención es real: si Ant distribuye esta compilación bajo la licencia MIT de la matriz al precio de la matriz, se convierte en la vía más barata del mercado a un rendimiento compuesto de nivel K3, por un margen amplio. El tiempo presente es que es una puntuación sin ningún artefacto detrás, y los modelos que realmente puedes alquilar a 44 no tienen un precio ni remotamente parecido.

Dos laboratorios, un mismo manual: el punto de control fechado

El patrón más interesante no es la puntuación. Es la forma del lanzamiento. Ambos laboratorios que aborda esta comparación lanzaron actualizaciones de mitad de ciclo este mes bajo la misma convención de nombres —un sufijo de cuatro dígitos de mes y día añadido a un nombre de producto existente— y ambos pidieron que se interpretara el sufijo como la versión.

La entrada de DeepSeek es DeepSeek V4.1-Flash-1017, fechada el 17 de octubre, cinco días antes que la de Ant. Su registro de cambios calificó la actualización como una «mejora de Pareto en rendimiento y coste», indicó que el método de llamada de la API y los precios no habían cambiado, y dirigió las llamadas existentes a la nueva compilación. Sus pesos se publicaron en Hugging Face esa misma mañana bajo licencia MIT, con 763 mil millones de parámetros y sin ningún acceso restringido. En el índice, la cobertura que cita a Artificial Analysis lo sitúa en 45, un punto por encima del 1019 de Ling —una subida de seis puntos desde el 39 con el que se midió la configuración V4.1-Flash (Max) a principios de octubre. Seis puntos en diez días, con los pesos incluidos.

La entrada de Ant es Ling-3.1-flash-1019, fechada el 19 de octubre por su sufijo y anunciada el 22 de octubre. Tres puntos en aproximadamente una semana, sin pesos incluidos, sin fecha dada para su llegada. Mismo manual de juego, distinta ejecución: DeepSeek trató el checkpoint como un lanzamiento, Ant lo trató como una actualización del marcador con un lanzamiento por venir. Eso no es un escándalo, y no es inusual —los laboratorios anuncian antes de publicar los pesos constantemente—, pero cambia lo que el lector puede hacer hoy, que es la única prueba que importa para un modelo al que podrías dirigir tráfico.

Hay una consecuencia operativa enterrada en la convención de nombres, y es la razón por la que este patrón merece seguirse más allá de una sola versión. Cuando un proveedor renueva un modelo cambiando el sufijo y dejando intacta la cadena de modelo de la API, «el modelo flash» deja de ser un objetivo estable. Pides el modelo por su nombre, el proveedor apunta ese nombre a la compilación que haya lanzado más recientemente, y tu evaluación de la semana pasada ya no describe lo que respondió esta mañana. DeepSeek fue explícito al respecto: el registro de cambios dice que las llamadas a la cadena de modelo existente ahora llegan a la compilación 1017.

Fijar la versión es la solución, y es una cuestión de enrutamiento más que de benchmark. También es donde nuestro propio catálogo resulta útil como ilustración: enumera tanto deepseek/deepseek-v4.1-flash como deepseek/deepseek-v4.1-flash-1017 como IDs de modelo separados, y kimi/kimi-k3 junto a ellos, de modo que quien llama puede nombrar la versión concreta en lugar de la familia. Ling-3.1-flash-1019 no está en nuestro catálogo y este artículo no pretenderá lo contrario —no hay ningún endpoint para él en ningún sitio que podamos verificar, que es justamente el punto de la sección anterior.

Qué está realmente abierto y cuánto vale el «próximamente»

La versión que se anuncia no es la versión que está abierta. La abierta es Ling-3.1-flash, cuyos pesos publicó Ant el 15 de octubre bajo la licencia MIT en Hugging Face y ModelScope. Su ficha es específica de una manera en que el anuncio 1019 no lo es: 560 mil millones de parámetros totales, 25 mil millones activos por token, un checkpoint descargable de 572 mil millones de parámetros, 63 capas KDA más 9 capas MLA con compuerta en una proporción de 7:1 y 4 capas densas, 512 expertos enrutados con 8 activados y 1 compartido, un vocabulario de 157.184 y un contexto de 1 M de tokens.

La historia de servicio de esa compilación principal es la razón por la que un modelo de 560B resulta interesante en absoluto. Las notas de la versión de Ant describen un esquema de precisión mixta —MXFP4 para los expertos enrutados, block-FP8 para las capas densas— que reduce la huella de pesos de aproximadamente 534GB a 292GB y, en la configuración probada, reduce un despliegue en Hopper de ocho GPU a cuatro. Hay recetas para SGLang y vLLM, un esquema paralelo de contexto largo que Ant llama PCP/DCP y una compatibilidad mejorada con JSON Schema para llamadas a herramientas. Las cifras de servicio medidas que publicó Ant son poco llamativas en el buen sentido: en ocho GPU Hopper, un tiempo medio hasta el primer token de 604ms y una latencia entre tokens de 3,28ms con una tasa de aciertos de caché del 76%; en cuatro, unas 1,36 consultas por segundo con un tiempo hasta el primer token P50 inferior a tres segundos.

Nada de eso está confirmado para la compilación 1019. Es una expectativa razonable —un checkpoint con fecha en la misma línea, sin mencionar los mismos recuentos de parámetros, es poco probable que haya reconstruido su estrategia de cuantización—, pero una expectativa no es documentación, y faltan las dos cosas que determinarían si esta versión importa a nivel operativo. La primera es la licencia. La propia publicación de Ant del 15 de octubre describe al modelo matriz como de código abierto y no nombra ninguna licencia; la tarjeta de Hugging Face dice MIT. Son artefactos distintos con distinta autoridad, y para la compilación 1019 ninguna de las dos existe todavía. La segunda es el checkpoint. Un modelo de 25 mil millones de parámetros activos que se ejecuta en cuatro GPU Hopper es una propuesta genuinamente diferente de uno que necesita ocho, y toda la afirmación de las cuatro GPU se basa en una receta de cuantización que no se ha adjuntado a esta compilación.

Así que la lectura justa de «próximamente» es que se trata de una declaración de calendario, no de una declaración técnica. Te dice que Ant tiene intención de lanzar. No te dice en qué condiciones, a qué tamaño, ni si los cálculos del despliegue se mantienen.

Lo que puedes ejecutar hoy

La compilación invocable es el padre, Ling-3.1-flash, y sus salvedades son del tipo que solo salen a la luz después de que intentas usarla. El contexto servido ha sido de 262.144 tokens en lugar del 1M que afirma la especificación, con un límite de salida de 32.768 tokens en el endpoint alojado, y el precio del servicio alojado ha sido promocional en lugar de precio de lista. Las notas de Ant del 15 de octubre sitúan la promoción en aproximadamente un 75 % de descuento: $0.075 por millón de tokens de entrada, $0.225 por millón de tokens de salida y $0.015 por millón de lecturas en caché en el lado internacional, y ¥0.5 / ¥1.5 / ¥0.1 en Ling Studio. Esos son números reales para el padre, no para la compilación 1019, que no tiene una tarifa publicada propia.

Si tu pregunta es «¿debería trasladar una ruta de producción a esto?», la respuesta es no, y no porque el modelo sea malo. Una build sin endpoint, sin pesos, sin licencia y sin filas publicadas por evaluación no se puede evaluar, solo anticipar. Si tu pregunta es «¿merece la pena seguir de cerca esta línea?», la respuesta es sí, y la forma barata de actuar en consecuencia es hacer un benchmark de aquello con lo que afirma estar a la par. Kimi K3 y DeepSeek V4.1-Flash-1017 son accesibles con una única clave de OrcaRouter a precio de lista del proveedor con un 0 % de margen, así que ejecutar el mismo arnés en ambos te dice cuánto te cuestan realmente 44 y 45 por tarea antes de que Ant lance nada. El failover automático importa aquí por un motivo mundano: cuando apuntas un arnés de evaluación nuevo a una build desconocida, quieres que un endpoint defectuoso te cueste un reintento y no una tarde entera. El DSL de enrutamiento pondrá cualquiera de los dos modelos detrás de un único endpoint si prefieres no reescribir el cliente dos veces.

¿Qué lo resolvería?

Cuatro cosas, en orden descendente de cuánto cambiarían el panorama.

• Las filas de evaluación. Una tabla pública por evaluación en la página de Artificial Analysis convertiría el 44 de un titular en un perfil, y le diría al lector si se trata de una mejora agéntica o de una generalizada. Que SciCode salga de «en revisión» importa más de lo habitual, porque la programación es el ámbito donde un modelo barato desplaza primero a uno caro.

• Los pesos, con una licencia con nombre. MIT haría portable la afirmación de las cuatro GPU y convertiría esto en el modelo de clase K3 más barato que cualquiera pueda autoalojar. Una licencia restringida o a medida convertiría el 44 en una cifra de marketing con un contrato adjunto, y sería una historia en sí misma.

• Una API, para que existan la velocidad y la latencia. Todos los modelos del índice que tienen un endpoint tienen una velocidad de salida medida; este no tiene ninguna, lo que significa que la mitad de eficiencia de la afirmación «flash» actualmente no está probada. Un modelo flash que razona un 59% más de tiempo es un producto distinto de uno que razona la misma cantidad más rápido.

• Un único marco de pruebas para los tres. Ningún benchmark publicado hasta la fecha evalúa Ling-3.1-flash-1019, DeepSeek V4.1-Flash-1017 y Kimi K3 en la misma evaluación, y hasta que alguno lo haga, todas las comparaciones de este artículo —incluida la de la publicación que lo originó— son comparaciones de compuestos calculados en momentos distintos y con configuraciones distintas.

Hasta que al menos el primero de ellos se materialice, el resumen exacto de Ling-3.1-flash-1019 es este: una puntuación real, de un laboratorio real, sobre un modelo que todavía no existe como artefacto. Ant ha anunciado ya dos versiones de Ling-3.1-flash antes de que ninguna de las dos estuviera plenamente disponible —el lanzamiento de septiembre sin pesos, y esta sin pesos ni endpoint— y el patrón es lo bastante legible como para planificar en torno a él: considera un sufijo de Ant como señal de que algo está por venir, y el de DeepSeek como señal de que algo ya está aquí. El 44 merece la pena conocerlo. Todavía no merece la pena enrutarlo.