Ling-3.1-flash-1019 égale Kimi K3 à 44 — et il n’y a toujours rien à télécharger

Le chiffre est arrivé avant le modèle. Le 22 octobre, l’équipe Ling d’Ant Group a publié Ling-3.1-flash-1019 sur son propre compte, avec à l’appui un score et une promesse : 44 sur l’Artificial Analysis Intelligence Index, contre 41 pour Ling-3.1-flash une semaine plus tôt, et à égalité avec la version de Moonshot, Kimi K3. Le même billet indique que l’accès à l’API et les poids ouverts sont « bientôt disponibles ». La page modèle d’Artificial Analysis confirme la première moitié — 44, classé troisième des 174 modèles qu’elle suit — ainsi que la seconde : aucune API accessible publiquement, un nombre de paramètres non divulgué et un statut de licence propriétaire. La phrase exacte n’est donc pas « Ant a publié un modèle de classe K3 ». C’est : Ant a publié un score mesuré pour Ling-3.1-flash-1019 et, à ce jour, personne en dehors du propre pipeline d’évaluation d’Ant ne peut appeler la version qui l’a obtenu. Voici un point d’étape sur ce que nous savons d’un modèle qui ne se résume qu’à un chiffre et une promesse, et chaque donnée ci-dessous est accompagnée soit d’une source, soit d’une mention explicite indiquant qu’elle n’en a pas.

La structure de la chose, pour qui veut la résumer d’un souffle : Ling-3.1-flash-1019 est un checkpoint daté de la même lignée que Ling-3.1-flash — un mélange d’experts clairsemé d’environ 560 milliards de paramètres, avec environ 25 milliards de paramètres actifs par token, une pile hybride à attention linéaire et un contexte annoncé de 1 M de tokens — et « 1019 » est une date de build, pas une nouvelle architecture. Ce qui est nouveau, c’est le score, le coût pour l’obtenir et l’écart entre les deux laboratoires que cette comparaison implique désormais : Ant, qui a annoncé plutôt que livré, et DeepSeek, dont la propre déclinaison flash datée, DeepSeek V4.1-Flash-1017, est sortie cinq jours plus tôt avec les poids et une grille tarifaire inchangée. L’écart entre ces deux styles de publication constitue l’essentiel du sujet de cet article.

Ce qu’est 44, et ce que la page ne dit pas

L'Artificial Analysis Intelligence Index est un composite, et non un test unique. La version 4.3.2 pondère dix évaluations : AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience et AA-LCR v1.1. Un composite qui mêle travail de bureau, utilisation du terminal, mathématiques de compétition, récupération en contexte long et comportement face aux hallucinations produira un nombre pour presque n'importe quel modèle, et ce nombre n'est informatif que dans la mesure des lignes qui le composent.

Pour Ling-3.1-flash-1019, les lignes ne sont pas encore là. La page en publie 44 et le classe troisième au classement général ; elle indique un contexte de 1M de tokens, entrée et sortie texte, un modèle de raisonnement, un nombre de paramètres non divulgué et — le point le plus important — « Aucune API publiquement disponible » là où devraient figurer les résultats par évaluation et la vitesse. SciCode est signalé comme en cours d’examen. Il n’y a aucun chiffre de vitesse de sortie, aucun chiffre de latence et aucun moyen de reproduire une seule ligne sans les poids ni un point de terminaison. Ce n’est pas une critique d’Artificial Analysis, qui ne peut mesurer que ce à quoi elle a accès ; c’est une description du peu d’éléments disponibles à cet instant. La fiche détaillée du modèle sous le score composite a été mesurée, selon toute vraisemblance, sur un point de terminaison hébergé ou fourni par le fournisseur, et les modalités de cet arrangement ne sont pas publiques.

Deux chiffres sur cette page portent plus de poids que le titre, car tous deux sont des coûts et non des scores. Le premier est le nombre de tokens de sortie consommés pendant l'exécution de l'index : 350 millions pour la version 1019, contre 220 millions pour la version qui a obtenu 41. Le second est le coût par tâche de l'Intelligence Index : 1,49 $, contre 1,00 $ pour son prédécesseur. Lus ensemble, ils disent quelque chose qu'un score ne peut pas dire : les trois points supplémentaires ont été achetés en réfléchissant environ 59 % plus longtemps, à tarif nominal identique, et la facture par tâche a augmenté d'environ 49 %. Un laboratoire qui gagne des points d'index en faisant raisonner un modèle plus longtemps n'a pas tort de le faire — la longueur du raisonnement est un levier légitime —, mais cela signifie que le 44 n'est pas gratuit, et qu'un acheteur qui compare sur le seul index compare un chiffre dont le coût par point a évolué dans la mauvaise direction.

La grille tarifaire elle-même reste inchangée. Artificial Analysis indique 0,30 $ par million de tokens d'entrée et 0,90 $ par million de tokens de sortie pour les deux versions, une remise de 80 % sur le cache, un tarif mixte de 0,19 $ par million selon sa répartition standard, et une fenêtre de contexte de 1 M. Ce sont les prix publiés de la société mère, repris tels quels, ce qui est l'hypothèse raisonnable lorsqu'un fournisseur n'a annoncé aucun nouveau tarif, mais c'est une hypothèse. Le tarif promotionnel d'Ant sur la version en production — nous y reviendrons ci-dessous — est bien inférieur au tarif catalogue.

D'où venaient les trois points

Ant n'a pas publié de tableau par évaluation pour la version 1019. Les sous-scores qui ont circulé proviennent de la couverture en langue chinoise de l'annonce, qui rapporte deux mouvements attribués à Artificial Analysis : AA-Briefcase passant d'environ 1 400 Elo à 1 524, et AutomationBench-AA d'environ 62 % à 68 %. Considérez les deux comme de seconde main jusqu'à ce que les lignes d'évaluation apparaissent sur la page du modèle — ce sont des chiffres rapportés, et non ceux que cet article a vérifiés auprès d'un tableau primaire.

Ils sont au moins cohérents en interne avec ce que la version parente a mesuré. Lorsque nous avons consulté la page de Ling-3.1-flash le 7 octobre, AA-Briefcase affichait 1 400,35 et AutomationBench-AA 0,617 — les mêmes valeurs que la couverture arrondit à « environ 1 400 » et « environ 62 % ». La direction prise est donc plausible, et elle pointe vers une affirmation précise : la mise à jour est une amélioration de l’agentique et du travail de bureau, et non un gain général de capacités. AutomationBench et AA-Briefcase sont les deux lignes de cet indice qui récompensent le plus directement l’utilisation d’outils en plusieurs étapes et l’achèvement de tâches sur longue durée. Si celles-ci ont progressé et que GDPval, SciCode, HLE et CritPt ne l’ont pas fait, la description correcte de Ling-3.1-flash-1019 est « meilleur pour terminer les tâches », et non « plus intelligent ».

Cette distinction a une incidence pratique. Un modèle qui progresse sur les lignes agentiques mérite d’être testé sur votre propre charge de travail d’appel d’outils ; un modèle qui progresse uniformément mérite d’être testé partout. Tant que les lignes ne sont pas publiées, le 44 ne peut pas vous dire lequel de ces deux cas vous avez entre les mains, et la posture raisonnable est celle qu’a adoptée le compte qui a signalé cette build : afficher les scores complets. Le composite est une accroche. Les lignes sont ce qui décide.

Le cadrage Kimi K3-Flash, tarifé

Le cadrage qui a fait apparaître Ling-3.1-flash-1019 dans de nombreux fils d’actualité provenait d’un compte très suivi, le 22 octobre ; celui-ci décrivait cette version comme, en pratique, un Kimi K3-Flash — une intelligence de classe K3 à un coût de niveau flash — et établissait un parallèle entre les progrès d’Ant sur cette gamme et ceux de DeepSeek sur V4.1-Flash. Ni « Kimi K3-Flash » ni ce parallèle ne constituent une affirmation produit ; ce sont tous deux des raccourcis, et il vaut la peine de distinguer ce que le raccourci saisit correctement de ce qu’il passe sous silence.

Ce qu’il fait juste, c’est l’arithmétique prix-indice, et cette arithmétique est implacable. Kimi K3 se situe à 44 sur le même indice dans sa configuration Max. C’est aussi un modèle de 2,8 billions de paramètres avec 104 milliards d’actifs par token, facturé par Moonshot à 3,00 $ par million de tokens d’entrée et 15,00 $ par million de tokens de sortie, l’entrée mise en cache étant à 0,30 $. Ling-3.1-flash-1019 est une série de 560 milliards de paramètres avec environ 25 milliards d’actifs, facturée à 0,30 $ et 0,90 $. Même score composite, un dixième du tarif d’entrée, un seizième du tarif de sortie et un quart des paramètres actifs par token. Si tout ce qu’il vous faut est l’indice, ce n’est pas une victoire marginale ; c’est une structure de coûts différente pour le même chiffre affiché.

Ce que le raccourci masque, c’est tout ce que l’indice ne mesure pas. Kimi K3 accepte des images en entrée ; Artificial Analysis classe Ling-3.1-flash-1019 comme texte en entrée, texte en sortie. Kimi K3 est téléchargeable sous sa propre licence depuis fin juillet et appelable auprès de plusieurs fournisseurs depuis lors ; Ling-3.1-flash-1019 n’a ni poids ni point de terminaison. Les lignes d’évaluation de Kimi K3 sont publiées et sa vitesse est mesurée — 44 est un composite établi sur un tableau visible. Le 44 de Ling est un composite établi sur un tableau qui n’est pas encore visible. Et les nombres de paramètres ne sont pas comparables de la manière dont le mot « 560B » y invite : K3 dépense 104 milliards de paramètres par token, cette version en dépense 25 milliards.

• Indice — 44 pour les deux, sur l'Artificial Analysis Intelligence Index v4.3.2.

• Prix — Ling-3.1-flash-1019 0,30 $ en entrée / 0,90 $ en sortie par million, contre Kimi K3 3,00 $ / 15,00 $.

Paramètres actifs — environ 25 Md par token contre 104 Md par token. Total : environ 560 Md contre 2,8 T.

• Modalité — texte uniquement par rapport à une entrée texte et image.

• Disponibilité — annoncé, sans API, sans poids, contre téléchargeable et servi depuis juillet 2026.

• Preuves — un composite sans lignes publiées, contre un composite avec un tableau publié et une vitesse de sortie mesurée.

Présenté ainsi, « Kimi K3-Flash » décrit justement l’intention, mais décrit injustement le présent. L’intention est réelle : si Ant livre cette version sous la licence MIT de la maison mère, au prix de la maison mère, elle devient la voie la moins chère, et de loin, vers des performances composites de niveau K3 sur le marché. Le présent, lui, c’est un score sans aucun artefact derrière, et les modèles que l’on peut réellement louer à 44 n’ont rien à voir avec ce prix.

Deux labos, un seul playbook : le point de contrôle horodaté

Le schéma le plus intéressant n’est pas le score. C’est la forme de la sortie. Les deux laboratoires que cette comparaison concerne ont livré ce mois-ci des rafraîchissements de milieu de cycle selon la même convention de nommage — un suffixe de quatre chiffres mois-jour accolé à un nom de produit existant — et tous deux vous demandaient de lire ce suffixe comme la version.

L’entrée de DeepSeek est DeepSeek V4.1-Flash-1017, datée du 17 octobre, cinq jours avant celle d’Ant. Son journal des modifications qualifiait la mise à jour d’« amélioration de Pareto performance-coût », indiquait que la méthode d’appel de l’API et la tarification restaient inchangées, et orientait les appels existants vers la nouvelle version. Ses poids ont été publiés sur Hugging Face le même matin sous licence MIT, à 763 milliards de paramètres, sans aucun accès restreint. Dans l’indice, une couverture citant Artificial Analysis le place à 45, un point au-dessus du 1019 de Ling — une progression de six points par rapport au 39 mesuré pour la configuration V4.1-Flash (Max) début octobre. Six points en dix jours, poids inclus.

L’entrée d’Ant est Ling-3.1-flash-1019, datée du 19 octobre d’après son suffixe et annoncée le 22 octobre. Trois points en une semaine environ, poids non inclus, aucune date annoncée pour leur arrivée. Même stratégie, exécution différente : DeepSeek a traité le checkpoint comme une livraison, Ant comme une mise à jour du tableau de scores, avec une livraison à venir. Ce n’est ni un scandale ni inhabituel — les laboratoires annoncent constamment des modèles avant la publication des poids —, mais cela change ce que le lecteur peut faire aujourd’hui, et c’est le seul critère qui compte pour un modèle vers lequel on pourrait router du trafic.

Il y a une conséquence opérationnelle enfouie dans la convention de nommage, et c’est la raison pour laquelle ce schéma mérite d’être suivi au-delà d’une seule version. Lorsqu’un fournisseur actualise un modèle en changeant le suffixe et en laissant inchangée la chaîne de modèle de l’API, « le modèle flash » cesse d’être une cible stable. Vous demandez le modèle par son nom, le fournisseur fait pointer ce nom vers la build qu’il a livrée le plus récemment, et votre évaluation de la semaine dernière ne décrit plus ce qui a répondu ce matin. DeepSeek a été explicite à ce sujet — le changelog indique que les appels à la chaîne de modèle existante atteignent désormais la build 1017.

L’épinglage est la solution, et c’est une question de routage plutôt que de benchmark. C’est aussi là que notre propre catalogue s’avère utile comme illustration : il liste à la fois deepseek/deepseek-v4.1-flash et deepseek/deepseek-v4.1-flash-1017 comme des ID de modèle distincts, et kimi/kimi-k3 à côté d’eux, afin qu’un appelant puisse nommer la version plutôt que la famille. Ling-3.1-flash-1019 ne figure pas dans notre catalogue et cet article ne prétendra pas le contraire — il n’existe aucun endpoint pour ce modèle dans tout ce que nous pouvons vérifier, ce qui est précisément l’objet de la section ci-dessus.

Ce qui est réellement ouvert, et quel « bientôt disponible » en vaut la peine

La version annoncée n’est pas celle qui est ouverte. Celle qui est ouverte est Ling-3.1-flash, dont Ant a publié les poids le 15 octobre sous licence MIT sur Hugging Face et ModelScope. Sa fiche est précise là où l’annonce 1019 ne l’est pas : 560 milliards de paramètres au total, 25 milliards actifs par token, un checkpoint téléchargeable de 572 milliards de paramètres, 63 couches KDA plus 9 couches MLA à portes dans un ratio de 7:1 et 4 couches denses, 512 experts routés avec 8 activés et 1 partagé, un vocabulaire de 157 184, et un contexte de 1M de tokens.

L’histoire du serving sur ce build parent est la raison même pour laquelle un modèle 560B présente le moindre intérêt. Les notes de version d’Ant décrivent un schéma de précision mixte — MXFP4 pour les experts routés, block-FP8 pour les couches denses — qui réduit l’empreinte des poids d’environ 534 Go à 292 Go et, dans la configuration testée, fait passer un déploiement Hopper de huit GPU à quatre. Il existe des recettes pour SGLang et vLLM, un schéma de parallélisme à long contexte qu’Ant appelle PCP/DCP, ainsi qu’une prise en charge améliorée de JSON Schema pour les appels d’outils. Les chiffres de serving mesurés publiés par Ant sont sans éclat, mais dans le bon sens du terme : sur huit GPU Hopper, un temps moyen jusqu’au premier token de 604 ms et une latence entre tokens de 3,28 ms avec un taux de succès du cache de 76 % ; sur quatre, environ 1,36 requête par seconde avec un temps jusqu’au premier token P50 inférieur à trois secondes.

Rien de tout cela n’est confirmé pour le build 1019. C’est une attente raisonnable — un checkpoint horodaté sur la même ligne, avec les mêmes nombres de paramètres non mentionnés, est peu susceptible d’avoir reconstruit son histoire de quantification — mais une attente ne constitue pas une documentation, et les deux éléments qui décideraient si cette version compte au niveau opérationnel sont tous deux absents. Le premier est la licence. Le post du 15 octobre d’Ant décrit le parent comme open source et ne nomme aucune licence ; la fiche Hugging Face indique MIT. Ce sont des artefacts différents avec des autorités différentes, et pour le build 1019, aucun des deux n’existe encore. Le second est le checkpoint. Un modèle à 25 milliards de paramètres actifs qui tourne sur quatre GPU Hopper est une proposition véritablement différente d’un modèle qui en nécessite huit, et toute l’affirmation des quatre GPU repose sur une recette de quantification qui n’a pas été attachée à ce build.

Ainsi, la lecture équitable de « coming soon » est qu’il s’agit d’une déclaration de calendrier, et non d’une déclaration technique. Elle vous dit qu’Ant a l’intention de livrer. Elle ne vous dit pas à quelles conditions, à quelle échelle, ni si les calculs de déploiement se transposent.

Ce que vous pouvez exécuter aujourd'hui

La version appelable est le parent, Ling-3.1-flash, et ses réserves sont du genre à ne se révéler qu’une fois qu’on essaie de l’utiliser. Le contexte servi a été de 262 144 tokens plutôt que le 1M revendiqué par la spécification, avec un plafond de sortie de 32 768 tokens sur le point de terminaison hébergé, et le tarif hébergé a été promotionnel plutôt que catalogue. Les notes d’Ant du 15 octobre chiffrent la promotion à environ 75 % de réduction : 0,075 $ par million de tokens en entrée, 0,225 $ par million de tokens en sortie et 0,015 $ par million de lectures en cache côté international, et 0,5 ¥ / 1,5 ¥ / 0,1 ¥ sur Ling Studio. Ce sont de vrais chiffres pour le parent, pas pour la version 1019, qui n’a pas de tarif publié qui lui soit propre.

Si votre question est « dois-je déplacer un chemin de production vers ceci », la réponse est non, et pas parce que le modèle est mauvais. Un build sans endpoint, sans poids, sans licence et sans lignes de résultats publiées par évaluation ne peut pas être évalué, seulement anticipé. Si votre question est « cette ligne vaut-elle la peine d'être suivie », la réponse est oui, et le moyen économique d'agir là-dessus est de benchmarker ce dont elle revendique la parité. Kimi K3 et DeepSeek V4.1-Flash-1017 sont tous deux accessibles via une seule clé OrcaRouter au prix catalogue du fournisseur, avec 0 % de marge, donc faire tourner le même harnais sur les deux vous indique ce que 44 et 45 vous coûtent réellement par tâche avant qu'Ant ne livre quoi que ce soit. Le basculement automatique compte ici pour une raison banale : lorsque vous pointez un nouveau harnais d'évaluation vers un build inconnu, vous voulez qu'un mauvais endpoint ne vous coûte qu'une nouvelle tentative plutôt qu'un après-midi. Le DSL de routage placera l'un ou l'autre modèle derrière un endpoint unique si vous préférez ne pas réécrire le client deux fois.

Qu'est-ce qui réglerait ça

Quatre choses, par ordre décroissant de l’ampleur de leur impact sur la situation.

• Les lignes d’évaluation. Un tableau publié par évaluation sur la page Artificial Analysis ferait passer le 44 du statut de titre principal à celui de profil, et indiquerait au lecteur s’il s’agit d’une amélioration agentique ou d’une amélioration générale. Le fait que SciCode sorte de « en cours d’examen » compte plus que d’habitude, car c’est dans le codage qu’un modèle bon marché remplace d’abord un modèle coûteux.

• Les poids, avec une licence nommée. MIT rendrait l'affirmation des quatre GPU portable et transformerait ce modèle en modèle de classe K3 le moins cher que quiconque puisse auto-héberger. Une licence restreinte ou sur mesure ferait des 44 un chiffre marketing assorti d'un contrat, et constituerait une histoire en soi.

• Une API, pour que la vitesse et la latence existent. Chaque modèle de l’index disposant d’un endpoint a une vitesse de sortie mesurée ; celui-ci n’en a aucune, ce qui signifie que la moitié « efficacité » de l’argument « flash » n’est actuellement pas testée. Un modèle flash qui raisonne 59 % plus longtemps est un produit différent d’un modèle qui raisonne plus vite du même pourcentage.

• Un harnais unique pour les trois. Aucun benchmark publié à ce jour n'évalue Ling-3.1-flash-1019, DeepSeek V4.1-Flash-1017 et Kimi K3 sur la même évaluation, et tant que ce ne sera pas le cas, toutes les comparaisons dans cet article — y compris celle du post qui en est à l'origine — sont des comparaisons de composites calculés à des moments différents sur des configurations différentes.

Jusqu'à ce qu'au moins le premier de ces éléments soit disponible, le résumé exact de Ling-3.1-flash-1019 est le suivant : un score réel, provenant d'un vrai laboratoire, sur un modèle qui n'existe pas encore en tant qu'artefact. Ant a désormais annoncé deux versions de Ling-3.1-flash avant que l'une ou l'autre ne soit pleinement disponible — le lancement de septembre sans poids, et celle-ci sans poids ni point de terminaison — et le schéma est suffisamment lisible pour planifier en conséquence : considérez un suffixe Ant comme le signal que quelque chose arrive, et celui de DeepSeek comme le signal que quelque chose est déjà là. Le 44 mérite d'être connu. Il ne mérite pas encore d'être routé.