Ling-3.1-flash-1019 משתווה ל-Kimi K3 בתוצאה 44 — ועדיין אין מה להוריד

המספר הופיע לפני שהמודל הופיע. ב-22 באוקטובר פרסם צוות Ling ב-Ant Group את Ling-3.1-flash-1019 ביוזמתו, עם ציון והבטחה מצורפים: 44 במדד ה-Artificial Analysis Intelligence Index, לעומת 41 עבור Ling-3.1-flash שבוע קודם לכן, ובשוויון עם הדגם של Moonshot, Kimi K3באותה הודעה נאמר כי גישה ל-API ומשקלים פתוחים יגיעו "בקרוב". עמוד המודל של Artificial Analysis מסכים עם החצי הראשון — 44, במקום השלישי מבין 174 מודלים שהיא עוקבת אחריהם — ועם השני: אין API זמין לציבור, מספר הפרמטרים אינו ידוע, וסטטוס הרישיון הוא קנייני. לכן המשפט המדויק אינו "Ant שחררה מודל ברמת K3". אלא: Ant סיפקה ציון מדוד ל-Ling-3.1-flash-1019, ונכון להיום איש מחוץ לצינור ההערכה של Ant עצמה אינו יכול לפנות אל ה-build שזכה בו. זהו סיכום של מה שאנחנו יודעים עד כה על מודל שעומקו מספר אחד והבטחה אחת, וכל נתון להלן נושא עמו מקור או תווית מפורשת שאומרת שאין לו כזה.

צורת הדבר, למי שרוצה את זה בנשימה אחת: Ling-3.1-flash-1019 הוא צ'ק-פוינט מתוארך מאותה סדרה כמו Ling-3.1-flash — תערובת מומחים דלילה עם כ-560 מיליארד פרמטרים, שכ-25 מיליארד מהם פעילים לכל טוקן, מחסנית קשב לינארי היברידית, וחלון הקשר מוצהר של 1M טוקנים — ו"1019" הוא תאריך בנייה, לא ארכיטקטורה חדשה. מה שחדש הוא הציון, העלות של השגתו, והפער בין שתי המעבדות שההשוואה הזו מערבת כעת: Ant, שהכריזה ולא שחררה, ו-DeepSeek, שהבילד המתוארך שלה ל-flash, DeepSeek V4.1-Flash-1017, יצא חמישה ימים קודם עם משקלים ומחירון ללא שינוי. המרחק בין שני סגנונות השחרור האלה הוא רוב מה שהמאמר הזה עוסק בו.

מהו 44, ומה שהדף לא אומר

מדד הבינה של Artificial Analysis Intelligence Index הוא מדד מורכב, לא מבחן בודד. גרסה 4.3.2 משקללת עשר הערכות: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience ו-AA-LCR v1.1. מדד מורכב שמשלב עבודת משרד, שימוש בטרמינל, מתמטיקה תחרותית, שליפה בהקשר ארוך והתנהגות של הזיות יפיק מספר כמעט לכל מודל, והמספר הזה אינפורמטיבי רק כמו השורות שמתחתיו.

עבור Ling-3.1-flash-1019, השורות עדיין לא שם. העמוד מפרסם 44 ומדרג אותו במקום השלישי בסך הכול; הוא מפרט חלון הקשר של 1M טוקנים, טקסט קלט וטקסט פלט, מודל חשיבה, מספר פרמטרים שלא נמסר, ו—החלק החשוב ביותר—"אין API זמין לציבור" בכל מקום שבו אמורים להופיע תוצאות לפי הערכה ומהירות. SciCode מסומן כבבדיקה. אין נתון מהירות פלט, אין נתון השהיה, ואין דרך לשחזר אפילו שורה אחת בלי המשקלים או נקודת קצה. זו אינה ביקורת על Artificial Analysis, שיכולה למדוד רק את מה שהיא יכולה להגיע אליו; זהו תיאור של כמה דקות הראיות ברגע זה. פרטי המודל שמתחת לציון המשולב נמדדו, ככל הנראה בנקודת קצה המתארחת אצל הספק או מסופקת על ידו, ופרטי הסדר הזה אינם פומביים.

שני מספרים בעמוד הזה עושים עבודה רבה יותר מאשר הכותרת, משום ששניהם עלויות ולא ציונים. הראשון הוא אסימוני פלט שנצרכו במהלך הרצת האינדקס: 350 מיליון עבור גרסת 1019, לעומת 220 מיליון עבור הגרסה שקיבלה 41. השני הוא עלות לכל משימת Intelligence Index: $1.49, לעומת $1.00 עבור קודמו. כשקוראים אותם יחד, הם אומרים משהו שציון לא יכול: שלוש הנקודות הנוספות נקנו באמצעות חשיבה ארוכה יותר בכ-59% לפי אותו מחירון נומינלי, והחשבון לכל משימה עלה בכ-49%. מעבדה שמרוויחה נקודות אינדקס בכך שהיא גורמת למודל לנמק יותר זמן אינה עושה זאת שלא כשורה — אורך החשיבה הוא מנוף לגיטימי — אך זה אכן אומר שה-44 אינו בחינם, ושקונה שמשווה לפי האינדקס בלבד משווה מספר שהעלות שלו לנקודה נעה בכיוון הלא נכון.

המחירון עצמו לא השתנה. Artificial Analysis מציינת 0.30 דולר למיליון טוקני קלט ו-0.90 דולר למיליון טוקני פלט עבור שני הבילדים, הנחת מטמון של 80%, מחיר משוקלל של 0.19 דולר למיליון בתמהיל הסטנדרטי שלה, וחלון הקשר של מיליון טוקנים. אלה המחירים שפורסמו של הדגם האב והועברו כפי שהם, וזו ההנחה הסבירה כשספק לא הודיע על תמחור חדש, אך היא עדיין הנחה. התמחור הפרומוציוני של Ant בבילד החי — עוד על כך בהמשך — נמוך בהרבה מתעריף המחירון.

מאיפה הגיעו שלוש הנקודות

Ant לא פרסמה טבלה לפי הערכה עבור ה-build 1019. תתי-הציונים שהופצו מגיעים מסיקור בשפה הסינית של ההכרזה, אשר מדווח על שני שינויים המיוחסים ל-Artificial Analysis: ‏AA-Briefcase מטפס מכ-1,400 Elo ל-1,524, ו-AutomationBench-AA מכ-62% ל-68%. יש להתייחס לשניהם כמידע מיד שנייה עד ששורות ההערכה יופיעו בעמוד המודל — אלו מספרים מדווחים, ולא מספרים שהמאמר הזה אימת מול טבלה ראשונית.

הם לפחות עקביים פנימית עם מה שה-build האב מדד. כשקראנו את הדף של Ling-3.1-flash ב-7 באוקטובר, AA-Briefcase עמד על 1,400.35 ו-AutomationBench-AA על 0.617 — אותם ערכים שהסיקור מעגל ל„בערך 1,400” ול„כ-62%”. כך שכיוון התנועה סביר, והוא מצביע על טענה ספציפית: העדכון הוא שיפור בסוכנים ובעבודת משרד, לא קפיצת יכולת כללית. AutomationBench ו-AA-Briefcase הם שני השורות במדד הזה שמתגמלים בצורה הישירה ביותר שימוש בכלים רב-שלבי והשלמת משימות בטווח ארוך. אם אלה זזו ו-GDPval, SciCode, HLE ו-CritPt לא, התיאור הנכון של Ling-3.1-flash-1019 הוא „טוב יותר בהשלמת משימות”, לא „חכם יותר”.

להבחנה הזו יש יתרון מעשי. מודל שמשתפר בשורות אג'נטיות שווה בדיקה מול עומס העבודה שלך של קריאות לכלים; מודל שמשתפר באופן אחיד שווה בדיקה בכל מקום. עד שהשורות יפורסמו, ה-44 לא יכול לומר לך איזה משני אלה יש לך ביד, והעמדה הסבירה היא זו שנקט החשבון שסימן את הבנייה הזו: להציג את הציונים המלאים. הציון המורכב הוא כותרת. השורות הן ההחלטה.

המסגור של Kimi K3-Flash, מתומחר

המסגור שהעלה את Ling-3.1-flash-1019 ליותר מכמה צירי זמן הגיע מחשבון עם קהל עוקבים רחב ב-22 באוקטובר, שתיאר את הבילד כמעין Kimi K3-Flash — תבונה בדרגת K3 בכלכלה ברמת flash — וערך הקבלה בין ההתקדמות של Ant בקו הזה לבין זו של DeepSeek ב-V4.1-Flash. לא "Kimi K3-Flash" ולא ההקבלה הם טענה על מוצר; שניהם קיצור, וכדאי להפריד בין מה שהקיצור מדייק לבין מה שהוא מטשטש.

מה שהוא עושה נכון הוא האריתמטיקה של מחיר מול מדד, והאריתמטיקה הזו חדה. Kimi K3 נמצא ב-44 באותו מדד בתצורת Max שלו. הוא גם מודל עם 2.8 טריליון פרמטרים ו-104 מיליארד פעילים לכל טוקן, בתמחור של Moonshot של $3.00 למיליון טוקני קלט ו-$15.00 למיליון טוקני פלט, כאשר קלט שמור במטמון עולה $0.30. Ling-3.1-flash-1019 הוא סדרה עם 560 מיליארד פרמטרים וכ-25 מיליארד פעילים, בתמחור של $0.30 ו-$0.90. אותו ציון משולב, עשירית מתעריף הקלט, 1/16 מתעריף הפלט, ורבע מהפרמטרים הפעילים לכל טוקן. אם כל מה שאתם צריכים הוא המדד, זה לא ניצחון שולי; זה מבנה עלויות אחר לאותה כותרת.

מה שהקיצור מטשטש הוא כל מה שהאינדקס אינו מודד. Kimi K3 מקבל קלט תמונה; Artificial Analysis מציין את Ling-3.1-flash-1019 כטקסט נכנס, טקסט יוצא. Kimi K3 זמין להורדה תחת רישיון משלו מאז סוף יולי וניתן להפעלה מספקים מרובים מאז; ל-Ling-3.1-flash-1019 אין לא משקולות ולא נקודת קצה. שורות ההערכה של Kimi K3 פורסמו והמהירות שלו נמדדת — 44 הוא ציון מורכב מעל טבלה גלויה. ה-44 של Ling הוא ציון מורכב מעל טבלה שטרם גלויה. וספירות הפרמטרים אינן ברות השוואה באופן שבו המילה "560B" מזמינה: K3 מוציא 104 מיליארד פרמטרים לכל טוקן, והגרסה הזו מוציאה 25 מיליארד.

• מדד — 44 לשניהם, ב-Artificial Analysis Intelligence Index v4.3.2.

• מחיר — Ling-3.1-flash-1019‏ $0.30 קלט / $0.90 פלט לכל מיליון לעומת Kimi K3‏ $3.00 / $15.00.

• פרמטרים פעילים — כ-25B לכל טוקן לעומת 104B לכל טוקן. סה"כ: כ-560B לעומת 2.8T.

• מודאליות — טקסט בלבד לעומת קלט של טקסט ותמונה.

• זמינות — הוכרז, ללא API, ללא משקלים, לעומת זמין להורדה ומוגש מאז יולי 2026.

• ראיות — מדד משולב ללא שורות שפורסמו, לעומת מדד משולב עם טבלה שפורסמה ומהירות פלט מדודה.

כשמנסחים את זה כך, "Kimi K3-Flash" הוא תיאור הוגן של הכוונה ותיאור לא־הוגן של המצב בהווה. הכוונה אמיתית: אם Ant תשחרר את הבילד הזה תחת רישיון MIT של האב ובמחיר של האב, הוא יהפוך לדרך הזולה ביותר בשוק לביצועים משולבים ברמת K3, בפער ניכר. המצב בהווה הוא שמדובר בציון בלי שום ארטיפקט מאחוריו, והמודלים שאפשר לשכור בפועל ב־44 מתומחרים אחרת לגמרי.

שתי מעבדות, פלייבוק אחד: נקודת הביקורת עם חותמת התאריך

הדפוס המעניין יותר אינו הציון. הוא צורת ההפצה. שתי המעבדות שההשוואה הזו נוגעת בהן השיקו החודש רענוני אמצע־מחזור תחת אותה מוסכמת שמות — סיומת בת ארבע ספרות של חודש ויום שהודבקה לשם מוצר קיים — ושתיהן ביקשו שתקרא את הסיומת כגרסה.

הרשומה של DeepSeek היא DeepSeek V4.1-Flash-1017, מתוארכת ל-17 באוקטובר, חמישה ימים לפני זו של Ant. יומן השינויים שלה כינה את העדכון "שיפור פארטו של ביצועים מול עלות", נאמר בו ששיטת הקריאה ל-API והתמחור לא השתנו, והוא הפנה קריאות קיימות אל הבנייה החדשה. המשקלים שלה עלו ל-Hugging Face באותו בוקר תחת רישיון MIT, עם 763 מיליארד פרמטרים, ללא שום הגבלת גישה. במדד, כיסוי שמצטט את Artificial Analysis ממקם אותה ב-45, נקודה אחת מעל ה-1019 של Ling — עלייה של שש נקודות מ-39 שבו נמדדה תצורת V4.1-Flash (Max) בתחילת אוקטובר. שש נקודות בעשרה ימים, כולל המשקלים.

הרשומה של Ant היא Ling-3.1-flash-1019, מתוארכת ל-19 באוקטובר לפי הסיומת שלה והוכרזה ב-22 באוקטובר. שלוש נקודות בכשבוע בערך, בלי המשקלים, ובלי תאריך להגעתם. אותה שיטה, ביצוע אחר: DeepSeek התייחסה לצ'קפוינט כאל השקה, ואילו Ant התייחסה אליו כאל עדכון בלוח התוצאות עם השקה שתבוא בהמשך. זה לא שערורייה, וזה לא יוצא דופן — מעבדות מכריזות מראש על משקלים כל הזמן — אבל זה משנה מה הקורא יכול לעשות היום, וזה המבחן היחיד שחשוב למודל שאולי תנתב אליו תעבורה.

יש השלכה תפעולית החבויה במוסכמת השמות, וזו הסיבה שדפוס זה שווה מעקב מעבר לגרסה אחת. כאשר ספק מרענן מודל על ידי שינוי הסיומת והשארת מחרוזת המודל ב-API ללא שינוי, „מודל ה-flash” מפסיק להיות יעד יציב. אתם מבקשים את המודל לפי שם, והספק מפנה את השם אל ה-build האחרון שהפיץ, וההערכה שלכם מהשבוע שעבר כבר אינה מתארת את מה שהשיב הבוקר. DeepSeek הייתה מפורשת בנושא — יומן השינויים מציין שקריאות למחרוזת המודל הקיימת מגיעות כעת ל-build 1017.

הנעיצה היא הפתרון, וזה עניין של ניתוב ולא עניין של בנצ'מרק. זה גם המקום שבו הקטלוג שלנו במקרה שימושי להמחשה: הוא מפרט גם את deepseek/deepseek-v4.1-flash וגם את deepseek/deepseek-v4.1-flash-1017 כמזהי מודל נפרדים, ואת kimi/kimi-k3 לצידם, כך שמי שקורא יכול לנקוב בשם ה-build ולא בשם המשפחה. Ling-3.1-flash-1019 אינו בקטלוג שלנו והמאמר הזה לא יעמיד פנים אחרת — אין לו endpoint בשום מקום שאנחנו יכולים לאמת, וזו בדיוק הנקודה של הסעיף שלמעלה.

מה באמת פתוח, ומה שווה ה״בקרוב״

הגרסה המוכרזת אינה הגרסה הפתוחה. הפתוחה היא Ling-3.1-flash, שהמשקלות שלה פורסמו על ידי Ant ב-15 באוקטובר תחת רישיון MIT ב-Hugging Face וב-ModelScope. כרטיס המודל שלה מפורט באופן שההכרזה מ-1019 אינה: 560 מיליארד פרמטרים בסך הכול, 25 מיליארד פעילים לכל טוקן, צ׳קפוינט להורדה של 572 מיליארד פרמטרים, 63 שכבות KDA ועוד 9 שכבות MLA עם שער ביחס 7:1 ו-4 שכבות צפופות, 512 מומחים מנותבים עם 8 מופעלים ו-1 משותף, אוצר מילים של 157,184, וחלון הקשר של 1M טוקנים.

סיפור ההגשה ב-build האב הזה הוא הסיבה שמודל 560B מעניין בכלל. בהערות השחרור של Ant מתואר סכמת דיוק מעורב — MXFP4 עבור המומחים המנותבים, block-FP8 עבור השכבות הצפופות — שמצמצמת את טביעת המשקל מכ-534GB ל-292GB, ובתצורה שנבדקה מורידה פריסת Hopper משמונה GPUs לארבעה. יש מתכונים ל-SGLang ול-vLLM, סכמת הקשר ארוך במקביל ש-Ant מכנה PCP/DCP, ותמיכה משופרת ב-JSON Schema לקריאות כלים. מספרי ההגשה הנמדדים ש-Ant פרסמה אינם יוצאי דופן במובן הטוב: על שמונה GPUs של Hopper, זמן ממוצע לאסימון הראשון של 604ms והשהיה בין אסימונים של 3.28ms בשיעור פגיעות מטמון של 76%; על ארבעה, כ-1.36 שאילתות בשנייה עם P50 של זמן לאסימון הראשון מתחת לשלוש שניות.

שום דבר מזה אינו מאומת עבור build 1019. זו ציפייה סבירה — נקודת ביקורת עם חתימת תאריך על אותו קו, עם אותם מספרי פרמטרים שאינם מוזכרים, אינה צפויה לבנות מחדש את סיפור הכימות שלה — אבל ציפייה אינה תיעוד, ושני הדברים שהיו מכריעים אם מהדורה זו משנה ברמה התפעולית חסרים שניהם. הראשון הוא הרישיון. הפוסט של Ant עצמו מ-15 באוקטובר מתאר את האב כקוד פתוח ואינו נוקב בשם רישיון כלל; הכרטיס ב-Hugging Face אומר MIT. אלה ארטיפקטים שונים עם סמכות שונה, ועבור build 1019 אף אחד מהם עדיין לא קיים. השני הוא ה-checkpoint. מודל עם 25 מיליארד פרמטרים פעילים שרץ על ארבעה מעבדי Hopper הוא הצעה שונה בתכלית מזה שזקוק לשמונה, וכל הטענה בדבר ארבעה מעבדים נשענת על מתכון כימות שלא צורף ל-build הזה.

אז הקריאה ההוגנת של "בקרוב" היא שזו הצהרה תזמונית, לא טכנית. היא אומרת לך ש-Ant מתכוונת להשיק. היא לא אומרת לך באילו תנאים, באיזה גודל, או אם המתמטיקה של הפריסה תקפה גם כאן.

מה ניתן להריץ כיום

הבנייה הניתנת לקריאה היא ההורה, Ling-3.1-flash, וההסתייגויות לגביה הן מהסוג שעולות רק אחרי שמנסים להשתמש בה. ההקשר המוגש עמד על 262,144 טוקנים ולא על 1M כפי שהמפרט טוען, עם תקרת פלט של 32,768 טוקנים בנקודת הקצה המתארחת, והמחיר בשירות המתארח היה מבצעי ולא מחיר מחירון. ההערות של Ant מ-15 באוקטובר מציינות שהמבצע הוא הנחה של כ-75%: $0.075 למיליון קלט, $0.225 למיליון פלט ו-$0.015 למיליון קריאות ממטמון בצד הבינלאומי, ו-¥0.5 / ¥1.5 / ¥0.1 ב-Ling Studio. אלה מספרים אמיתיים עבור ההורה, לא עבור בניית 1019, שאין לה תעריף מפורסם משל עצמה.

אם השאלה שלך היא "האם להעביר נתיב ייצור לזה", התשובה היא לא, ולא מפני שהמודל גרוע. בנייה בלי נקודת קצה, בלי משקולות, בלי רישיון ובלי שורות מפורסמות לכל הערכה לא ניתנת להערכה, אפשר רק לצפות אותה מראש. אם השאלה שלך היא "האם הקו הזה שווה מעקב", התשובה היא כן, והדרך הזולה לפעול לפיה היא להריץ בנצ'מרק לדבר שהוא טוען לשוויון איתו. Kimi K3 ו-DeepSeek V4.1-Flash-1017 שניהם נגישים דרך מפתח OrcaRouter אחד במחיר המחירון של הספק עם 0% תוספת, כך שהרצת אותו הרנס על שניהם תספר לך מה 44 ו-45 באמת עולים לך לכל משימה לפני ש-Ant משיקה משהו. מעבר אוטומטי לגיבוי חשוב כאן מסיבה שגרתית: כשאתה מכוון הרנס הערכה חדש אל בנייה לא מוכרת, אתה רוצה שנקודת קצה גרועה תעלה לך ניסיון חוזר ולא אחר צהריים. ה-DSL של הניתוב יציב כל אחד מהמודלים מאחורי נקודת קצה אחת אם אתה מעדיף לא לכתוב מחדש את הלקוח פעמיים.

מה יפתור את זה?

ארבעה דברים, בסדר יורד של כמה הם ישנו את התמונה.

• שורות ההערכה. טבלה מפורסמת לכל הערכה בעמוד Artificial Analysis תהפוך את 44 מכותרת לפרופיל, ותספר לקורא אם מדובר בשיפור אג'נטי או בשיפור רחב. היציאה של SciCode מ"בבדיקה" חשובה יותר מהרגיל, כי בקידוד זה המקום שבו מודל זול מחליף מודל יקר ראשון.

• המשקלים, עם רישיון נקוב בשמו. MIT תהפוך את הטענה בדבר ארבעה GPUs לניידת ותהפוך את זה למודל הזול ביותר בדרגת K3 שאפשר לארח בעצמך. רישיון מוגבל או מותאם אישית יהפוך את ה-44 למספר שיווקי עם חוזה מצורף, וזה יהיה סיפור בפני עצמו.

• API, כך שמהירות והשהיה קיימות. לכל מודל במדד שיש לו נקודת קצה יש מהירות פלט מדודה; לזה אין, מה שאומר שהחצי העוסק ביעילות של טענת ה"flash" אינו נבחן כרגע. מודל flash שמבצע הסקה במשך 59% יותר זמן הוא מוצר שונה ממודל שמבצע הסקה באותה כמות, אך מהר יותר.

• רתמה אחת לכל שלושת המודלים. אף בנצ'מרק שפורסם עדיין אינו מריץ את Ling-3.1-flash-1019, DeepSeek V4.1-Flash-1017 ו-Kimi K3 על אותה הערכה, ועד שאחד יעשה זאת, כל השוואה במאמר זה — כולל זו שבפוסט שממנו הכול התחיל — היא השוואה בין מדדים משולבים שחושבו בזמנים שונים ובתצורות שונות.

עד שלפחות הראשון מאלה יגיע, הסיכום המדויק של Ling-3.1-flash-1019 הוא זה: ציון אמיתי, ממעבדה אמיתית, על מודל שעדיין אינו קיים כארטיפקט. Ant הכריזה כעת על שני בילדים של Ling-3.1-flash לפני שאחד מהם היה זמין במלואו — ההשקה של ספטמבר בלי משקלים, וזו בלי משקלים ובלי נקודת קצה — והדפוס קריא מספיק כדי לתכנן לפיו: התייחס לסיומת של Ant כאות שמשהו מגיע, ולזו של DeepSeek כאות שמשהו כבר כאן. ה-44 שווה לדעת. הוא עדיין לא שווה ניתוב.