Ling-3.1-flash : le MoE de 560B qu'Ant Group sert mais n'a pas ouvert

La réponse courte à ce qu’est Ling-3.1-flash : un modèle de langage à mélange d’experts et à raisonnement hybride de la gamme Ant Ling d’Ant Group, environ 560 milliards de paramètres au total avec environ 25 milliards actifs sur chaque token, une fenêtre que le fournisseur plafonne à 1 million de tokens mais propose aujourd’hui à 256 000, du texte en entrée et du texte en sortie, et aucun poids téléchargeable. Le modèle a été annoncé le 30 septembre 2026 et il est en service dans le produit propre d’Ant et sur l’API propre d’Ant. Cette date est là où commence cette page et là où elle s’arrête : c’est le fait qui fixe l’âge du modèle, pas un lancement que cet article rapporte. Ce dont un lecteur qui cherche Ling-3.1-flash a besoin, c’est de l’état de la chose le jour où il la lit, et le jour où ceci a été écrit, l’état des poids était encore « non publié ».

Trois faits font l'essentiel. Les poids ne sont pas encore publiés, et l'annonce d'Ant elle-même indique quand ils sont censés l'être. Le chiffre de contexte qui circule — 1M — est un plafond, pas ce que le point de terminaison vous donne, à savoir 256K. Et la spécification est connaissable, tandis que le prix après la fenêtre promotionnelle ne l'est pas. Tout ce qui suit est sourcé, et lorsqu'un chiffre est celui d'Ant plutôt que d'un tiers, c'est indiqué.

Une remarque sur l'endroit où réside l'état de ce modèle. L'annonce d'Ant du 30 septembre 2026 est le document qui porte l'architecture et la condition de poids ouverts, et ce n'est pas un document que le fournisseur met à jour. Les pages qui, elles, sont maintenues — les pages du modèle Ling et la page de tarification sur le site développeur d'Ant, chacune portant la mention « Dernière mise à jour le 8 octobre 2026 » — contiennent les paramètres, les valeurs de contexte et le prix. Lorsque ces deux sources divergent, ou lorsque l'annonce en dit plus que la documentation, cette page indique laquelle elle cite.

Qu’est-ce que Ling-3.1-flash, et qui le publie ?

Ling-3.1-flash appartient à la famille Ling — la gamme de modèles linguistiques polyvalents d’Ant Ling, le programme de modèles qu’Ant Group mène et publie via son laboratoire inclusionAI (l’entité d’exploitation mentionnée sur le site des développeurs est Ant Intelligence (Hang Zhou) Technology Co., Ltd.). La famille se divise en trois branches : Ling pour les tâches linguistiques générales, Ring pour le raisonnement approfondi et Ming pour la compréhension et la génération omnimodales. Ling-3.1-flash est le fer de lance de la branche Ling, se situant au-dessus de Ling-3.0-flash, qui reste au catalogue comme option moins coûteuse et plus rapide.

Ant le positionne de manière étroite et cohérente : des tâches réelles à long horizon, un travail de bureau qui va d'une demande vague à un livrable fini, de l'ingénierie logicielle qui s'étale sur des heures, et des boucles d'agents qui appellent des outils en séquence et se corrigent elles-mêmes. Le résumé de l'argumentaire par le fournisseur lui-même est qu'il conserve environ 560B de capacité tout en payant environ 25B par étape, de sorte que la connaissance du monde et la profondeur de raisonnement restent tandis que le calcul par token, lui, ne reste pas. Il est le successeur de Ling-3.0-flash dans le même créneau, et non un nouveau palier.

Les poids sont-ils publiés ? Non — et Ant a nommé la condition

C'est le fait le plus contesté concernant le modèle, et la réponse est sans ambiguïté aujourd'hui : les poids ne sont pas publiés. Il n'existe aucun dépôt Ling-3.1-flash sur Hugging Face sous l'organisation inclusionAI, aucune fiche de modèle, aucun texte de licence ni fichier de checkpoint ; une recherche dans les dépôts publics de l'organisation renvoie la génération Ling-3.0 et les précédentes, et aucune entrée 3.1. ModelScope, où Ant héberge des copies miroir de ses versions, n'a pas non plus de modèle Ling-3.1-flash. Il n'existe pas non plus de recette de déploiement pour celui-ci : le dépôt Ling Cookbook du fournisseur sur GitHub, dont la dernière poussée remonte au 2026-10-12, la veille de cette page, contient des recettes de déploiement local et de quantification pour Ling-3.0-flash, Ling-3.0-flash-VL, Ling-3.0-flash-Fin et Ling-3.0-tiny, et rien pour Ling-3.1-flash. L'évaluateur indépendant Artificial Analysis répertorie le modèle comme propriétaire, et sa FAQ répond « Non » à la question de savoir si le modèle est open source.

Ce qu'Ant a fait, c'est attacher une condition à l'ouverture, et elle est plus précise que « bientôt ». L'annonce indique que la période gratuite offre un contexte de 256K, et qu'après la fin de la période gratuite et le passage du modèle à un service payant, le plan est d'ouvrir la fenêtre de 1M et de publier le modèle en open source en même temps. La séquence décrite par le fournisseur est donc : essai à 256K, puis service payant jusqu'à 1M, les poids suivant lors de ce basculement. C'est un plan, pas une date, et aucune date n'est publiée. Considérez toute affirmation selon laquelle « Ling-3.1-flash est en open weights » comme fausse tant qu'un dépôt n'existe pas ; considérez le plan comme l'intention déclarée du fournisseur, non comme un événement.

Taille et architecture : 560B au total, 25B actifs, sept couches linéaires par couche globale

Ant publie l’architecture à un niveau de détail qui rend les chiffres vérifiables les uns par rapport aux autres plutôt que simplement cités :

• Nombre total de paramètres — environ 560 milliards, selon le fournisseur, inchangé dans toute la documentation.

• Paramètres actifs — environ 25B par token, un taux de parcimonie proche de 1 sur 22.

• Routage des experts — 512 experts routés, parmi lesquels chaque token en sélectionne 8, plus un expert partagé que chaque token utilise. Il s'agit d'un pool d'experts nettement plus large que celui utilisé par la génération précédente, dont le corps était bien plus petit. Le nombre d'experts, la sélection de 8 sur 512 et le ratio d'attention de 7:1 proviennent de l'annonce plutôt que de la page du modèle ; la page du modèle indique les paramètres et les chiffres de contexte.

• Attention — une pile hybride prolongeant la conception d'attention linéaire de Ling-3.0-flash, avec une part linéaire accrue : 7 couches KDA (Kimi Delta Attention) pour 1 couche Gated MLA, de sorte qu'une couche sur huit conserve un chemin d'attention global. Le chemin KDA est celui à temps linéaire, destiné aux longues séquences.

• Prédécesseur en matière d’échelle — Ling-3.0-flash tourne avec 124 B au total, dont 5,1 B actifs, sur une pile hybride de 42 couches, de sorte que Ling-3.1-flash a une taille de corps environ 4,5 fois supérieure, avec une activation par token environ cinq fois supérieure.

Il vaut la peine de le dire clairement, car Ant le dit aussi : rien de tout cela ne se traduit directement en coût de déploiement. Le débit, la latence et la mémoire dépendent du matériel, de la précision numérique, de la taille du lot, de la communication entre experts, de la longueur du contexte et de la longueur de la sortie. L’architecture explique pourquoi le modèle peut exister à cette taille ; elle ne vous dit pas ce que vous coûtera une requête.

Fenêtre de contexte et sortie maximale

La fenêtre est là où réside la méprise la plus courante. La documentation d'Ant l'énonce sous forme de deux nombres sur une seule ligne : la fenêtre plafonne à 1M de tokens, et le service officiel expose actuellement 256K. L'annonce en donne la raison dans les propres mots du fournisseur — l'essai gratuit dure deux semaines, la longueur de service pendant celui-ci est de 256K, et une fois l'essai terminé et le modèle passé en service payant, le plan est d'ouvrir la fenêtre de 1M et de publier le modèle en open source en même temps. La documentation et l'annonce s'accordent sur le chiffre servi, et les deux sont d'Ant. La surface produit est derrière une connexion, aussi le propre contrôle de longueur maximale de Ling Studio n'est-il pas quelque chose que cette page pouvait confirmer aujourd'hui ; si vous avez besoin du plafond exact avant de dimensionner un pipeline, lisez-le directement dans le studio une fois connecté plutôt que de vous fier à un chiffre de seconde main.

Artificial Analysis indique que la fenêtre de contexte est de 1M. C’est le plafond déclaré, pas ce qu’une requête obtient actuellement, et c’est le nombre qui circule le plus loin et qui est le plus souvent erroné en pratique. Si vous dimensionnez un pipeline, dimensionnez-le pour 256K et considérez 1M comme un élément de feuille de route sans date publiée.

La sortie maximale est un chiffre qu'Ant ne publie pas par modèle. Ce que le fournisseur publie, c'est la surface de requête : la valeur max_tokens du point de terminaison compatible avec Anthropic vaut par défaut 32 000, la référence compatible OpenAI n'indique aucun plafond de sortie par modèle, et les appels non streaming expirent au bout de 90 secondes. Si votre tâche nécessite une longue génération unique, le fournisseur lui-même recommande de diffuser en streaming plutôt que d'augmenter un plafond qu'il ne documente pas.

Ce qu'il prend en entrée et ce qu'il renvoie

Texte en entrée, texte en sortie. Ling-3.1-flash n'est pas un modèle multimodal, et il vaut la peine de le dire explicitement, car la famille en compte un qui l'est : Ling-3.0-flash-VL est le modèle de vision, qui accepte nativement des entrées image, texte et vidéo via la même plateforme, et la documentation multimodale du fournisseur est rédigée pour ce modèle. Ling-3.1-flash figure dans le tableau des spécifications Ling du fournisseur sans aucune modalité d'entrée autre que le texte, et la page que l'évaluateur indépendant lui consacre ne mentionne que des entrées et des sorties texte, et le classe parmi les modèles de raisonnement plutôt que parmi les modèles de vision. Si vous devez envoyer une image à un modèle Ling aujourd'hui, le guide de sélection du fournisseur lui-même vous oriente vers Ling-3.0-flash-VL, et non vers celui-ci.

Allégations des fournisseurs par rapport à une évaluation indépendante

Il existe deux types de nombre pour Ling-3.1-flash et ils ne sont pas interchangeables.

L'annonce d'Ant elle-même est intitulée comme une mise à niveau de modèle pour les tâches du monde réel, et elle reste prudente quant à la nature de ses chiffres. Les domaines d'évaluation nommés sont GDPVal-AA V2.1 pour le travail de bureau, HealthBench Professional pour la communication médicale, FrontierSWE pour l'ingénierie, Terminal-Bench 4.0 pour l'exploitation de terminal, ainsi que l'automatisation, l'analyse de sécurité, les questions-réponses sur base de code et les tâches d'agents financiers — et les chiffres par benchmark se trouvent dans des images de graphiques plutôt que dans un tableau textuel. À ce jour, Ant n'a pas publié ces scores individuels sous une forme que quiconque peut citer ligne par ligne, et cette page n'inventera pas de tableau pour ceux-ci. Ce qu'Ant déclare effectivement dans le texte, ce sont trois résultats d'ingénierie à long horizon, tous rapportés par le fournisseur, tous fondés sur les propres définitions de tâches du fournisseur, et tous étiquetés comme les chiffres de comparaison « listés dans la documentation » plutôt que comme un face-à-face apparié : un compilateur Lua vers x86-64-ELF construit de zéro en environ 17 heures d'exécution continue, avec 178 des 182 tests indépendants réussis, soit environ 97,8 %, contre 99,0 % pour Claude Fable 5 et 95,9 % pour GLM-5.3-Flash sur la même tâche telle que listée par le fournisseur ; une passe d'optimisation de Pyright 1.1.400 d'environ 10 heures atteignant une accélération de 1,432× avec la réussite de tous les 2 279 tests de benchmark et de régression, contre Claude Fable 5 à 1,502× et GLM-5.3-Flash à 1,290× ; et une réimplémentation en Rust d'une bibliothèque d'images en C prenant environ 20 heures, réussissant les 30 vérifications à 8,015×, contre GLM-5.3-Flash à 1,396× et Claude Fable 5 à 27,310×. Ces trois tâches ne font pas l'objet d'un benchmark en face-à-face à effort et harnais appariés — les chiffres opposés sont les citations du fournisseur lui-même, et non des exécutions qu'il a contrôlées — donc lisez-les comme le rapport du fournisseur sur sa propre suite de tâches, et non comme un classement à périmètre comparable. Ant rapporte également que le modèle a trouvé et corrigé un débordement de tampon de pile (stack-buffer-overflow) dans l'analyseur de calibration de la base de données open source OceanBase en traitant le problème de manière autonome. Chacune de ces affirmations est une affirmation de première partie sur une tâche de première partie ; aucune n'a fait l'objet d'une reproduction par un tiers, et le fournisseur lui-même signale le troisième résultat comme montrant qu'il reste une marge de progression dans l'optimisation extrême des performances. Du côté de la demande de recherche, « ling 3.1 flash benchmark » est l'une des questions les moins posées à propos de ce modèle, et la réponse honnête en une phrase est celle ci-dessus : la fiche d'Ant existe, ses chiffres sont rapportés par le fournisseur, et le chiffre indépendant auquel vous pouvez réellement confronter le modèle est celui du paragraphe suivant.

Le deuxième type de chiffre est mesuré de manière indépendante. Artificial Analysis, qui exécute son propre harnais sur du matériel qu'il contrôle, attribue à Ling-3.1-flash un score de 41 sur son Intelligence Index v4.3.2, un composite de dix évaluations, et le classe cinquième sur 175 modèles de cet indice. Le prédécesseur obtient 20 sur le même indice. La même page rapporte 212,1 tokens de sortie par seconde et 1,87 seconde avant le premier token, 220 millions de tokens de sortie générés sur l'ensemble de l'indice — un chiffre élevé par rapport à une médiane de 95 M — ainsi qu'un coût d'exploitation de 0,30 $ par million de tokens d'entrée et de 0,90 $ par million de tokens de sortie avec une remise de 80 % sur le cache, soit environ 1,00 $ par tâche de l'indice. Il s'agit des propres mesures de l'évaluateur sur l'API du fournisseur, et non des chiffres d'Ant, et ce sont les seules mesures indépendantes de ce modèle qui existent aujourd'hui.

Côté prix, la même division s’applique, et la devise compte. La page tarifaire d’Ant — celle qui est maintenue, estampillée « Dernière mise à jour le 8 octobre 2026 » plutôt que la date du 2026-10-13 à laquelle cette page a été rédigée — liste Ling-3.1-flash à 0,00 ¥ pour l’entrée, la sortie et les lectures de cache, et indique que le modèle est gratuit pendant une période limitée de deux semaines, après quoi il bascule vers la facturation payante standard, avec des tarifs qui seront annoncés. La même page publie un tableau en USD dans lequel la ligne affiche 0,00 $ dans les trois colonnes. Voilà tout ce qu’il y a à répondre sur l’offre gratuite : la gratuité est réelle, elle est promotionnelle, elle est limitée dans le temps, et le montant qui lui succède n’a pas été publié. Le tarif relevé par l’évaluateur indépendant, soit 0,30 $ et 0,90 $, est ce qui ressemble le plus à une grille tarifaire post-essai accessible publiquement, et Ant ne l’a pas confirmé.

Comment obtenir une réponse de Ling-3.1-flash aujourd’hui

Il existe deux routes de première partie, toutes deux propres à Ant. Le Ling Studio sur chat.ant-ling.com constitue la surface produit, et l'annonce du fournisseur indique également que le modèle est intégré à un agent de bureau interne d'Ant utilisé pour des tâches bureautiques. L'Open API sur api.ant-ling.com est la route destinée aux développeurs et se décline en deux formes : un point de terminaison compatible OpenAI chat/completions et un point de terminaison compatible Anthropic messages, de sorte qu'un SDK existant fonctionne avec un simple changement d'URL de base. Deux mises en garde proviennent directement de la documentation, ce qui est suffisamment inhabituel pour mériter d'être reproduit mot pour mot : les contrôles de probabilité et de diversité, temperature et top_p, ont une valeur par défaut de 1 dans les deux pages de référence, de sorte qu'une requête qui a appris à définir une température basse ailleurs se comportera différemment ici ; et le contrôle thinking documenté pour activer ou désactiver le raisonnement n'est documenté que pour Ling-3.0-flash, ce qui signifie que la surface de requête que publient ces pages n'a pas été mise à jour pour Ling-3.1-flash. L'accès nécessite un compte Alipay lié et l'activation du service Ling — la FAQ répertorie également « Ling model service not activated » comme une erreur connue assortie de son propre correctif — la facturation se fait à l'usage, par token, la limite de débit publiée est de 2 requêtes par seconde au niveau mondial, avec des erreurs 429 au-delà, et les appels non-streaming expirent au bout de 90 secondes. Le fournisseur répertorie également le modèle au même prix promotionnel de zéro sur des plateformes tierces ; celles-ci ne sont pas des surfaces de première partie et leurs conditions leur sont propres.

Une vérification qui vaut la peine avant de vous appuyer sur le point de terminaison : à ce jour, la référence API publiée par le fournisseur ne répertorie pas Ling-3.1-flash dans sa liste de modèles, et le journal des modifications de la plateforme ne contient aucune entrée à son sujet — les entrées les plus récentes y sont Ling-3.0-flash-VL en septembre et Ling-3.0-tiny en août — même si la page de tarification indique un tarif pour le modèle et que l'annonce propose son essai API. Vérifiez l'identifiant du modèle par rapport à votre propre compte avant de l'intégrer à quoi que ce soit, plutôt que de supposer que la documentation a rattrapé son retard.

Ling-3.1-flash ne figure pas au catalogue d’OrcaRouter — une vérification de notre liste de modèles en direct le 2026-10-13 ne renvoie aucune entrée Ling ni inclusionAI — ceci ne vous dira donc pas qu’il est accessible en un seul appel. Ce qui est accessible en un seul appel, ce sont les deux modèles auxquels il est le plus souvent comparé : DeepSeek V4.1 Flash, que notre liste facture à 0,15 $ par million de jetons en entrée et 0,60 $ par million de jetons en sortie, et GLM 5.3 Flash à 0,15 $ et 0,50 $, tous deux au prix catalogue avec zéro marge et un basculement automatique entre fournisseurs, de sorte qu’un changement de tarif de l’un ou l’autre fournisseur est répercuté le jour même, sans modification de code de votre côté. Quand Ant ouvrira Ling-3.1-flash ou qu’un hébergeur l’ajoutera, c’est sous cette forme qu’il arriverait.

Ce qu'il faut surveiller, et ce qu'il ne faut pas présumer

Trois choses tranchent les questions en suspens de cette page, et c'est à Ant de publier les trois : les poids, avec une licence et une fiche de modèle si le plan de l'annonce tient ; la fenêtre de 1 M réellement servie plutôt que déclarée ; et une grille tarifaire post-essai. Tant qu'au moins les deux premières ne sont pas concrétisées, la description exacte de Ling-3.1-flash est celle d'un modèle puissant, rapide, fermé et uniquement textuel, doté d'un véritable score indépendant de 41 et d'un profil agentique réellement prometteur, disponible en first-party et gratuit pendant une fenêtre qui se referme sans avertissement.

Qui devrait s'en emparer dès maintenant : toute personne dont le travail est agentique, en forme de terminal ou de bureautique, et qui veut deux semaines d'inférence gratuite sur ses propres prompts pour découvrir si un MoE de 560B à 212 jetons par seconde change ce qu'elle construit. Qui devrait attendre : quiconque envisage de l'héberger soi-même, quiconque a besoin d'une licence avant que les services d'achat acceptent de l'examiner, quiconque dont le pipeline nécessite la fenêtre d'un million de jetons en production, et quiconque a besoin d'un modèle de coûts qui survive à la période promotionnelle. Pour ces quatre cas, la réponse honnête aujourd'hui est que la décision ne peut pas encore être prise, et ce qui permettrait de la débloquer est un dépôt Hugging Face, pas un nouveau graphique comparatif.