Ling-3.1-flash: 560B MoE yang Ant Group layani tetapi belum dibuka

Jawaban singkat tentang apa itu Ling-3.1-flash: model bahasa mixture-of-experts dengan penalaran hibrida dari lini Ant Ling milik Ant Group, sekitar 560 miliar parameter total dengan sekitar 25 miliar aktif pada setiap token, jendela yang dibatasi vendor pada 1 juta token tetapi hari ini dilayani pada 256.000, teks masuk dan teks keluar, serta tidak ada bobot yang dapat diunduh. Model ini diumumkan pada 2026-09-30 dan sudah aktif di produk milik Ant sendiri serta di API milik Ant sendiri. Tanggal itulah awal dan akhir halaman ini: itu fakta yang menetapkan usia model, bukan peluncuran yang dilaporkan artikel ini. Yang dibutuhkan pembaca yang mencari Ling-3.1-flash adalah keadaan model tersebut pada hari mereka membacanya, dan pada hari tulisan ini dibuat, keadaan bobotnya masih "belum dipublikasikan".

Tiga fakta memainkan sebagian besar perannya. Bobotnya belum dirilis, dan pengumuman Ant sendiri menyebutkan kapan mereka berniat merilisnya. Angka konteks yang beredar — 1M — adalah batas atas, bukan yang diberikan endpoint kepada Anda, yaitu 256K. Dan spesifikasinya dapat diketahui, sedangkan harga setelah masa promosi tidak. Semua di bawah ini memiliki sumber, dan jika suatu angka berasal dari Ant sendiri dan bukan dari pihak ketiga, hal itu dinyatakan.

Satu catatan tentang di mana status model ini berada. Pengumuman Ant tertanggal 2026-09-30 adalah dokumen yang memuat arsitektur dan ketentuan open-weight, dan itu bukan sesuatu yang diperbarui oleh vendor. Halaman-halaman yang memang dipelihara — halaman model Ling dan halaman harga di situs developer Ant, masing-masing bertanda "Terakhir diperbarui pada 8 Oktober 2026" — memuat parameter, angka konteks, dan harga. Jika keduanya tidak sesuai, atau jika pengumuman menyatakan lebih banyak daripada yang dinyatakan dokumentasi, halaman ini menyebutkan sumber mana yang dikutip.

Apa itu Ling-3.1-flash, dan siapa yang menerbitkannya

Ling-3.1-flash termasuk dalam keluarga Ling — lini bahasa serbaguna dari Ant Ling, program model yang dijalankan dan diterbitkan oleh Ant Group melalui lab inclusionAI-nya (entitas operasional yang tercantum di situs pengembang adalah Ant Intelligence (Hang Zhou) Technology Co., Ltd.). Keluarga ini terbagi menjadi tiga: Ling untuk pekerjaan bahasa umum, Ring untuk penalaran mendalam, dan Ming untuk pemahaman serta generasi omni-modal. Ling-3.1-flash adalah produk unggulan dari cabang Ling, berada di atas Ling-3.0-flash, yang tetap ada di katalog sebagai opsi yang lebih murah dan lebih cepat.

Ant memosisikannya secara sempit dan konsisten: tugas dunia nyata berhorizon panjang, pekerjaan kantor yang berjalan dari permintaan yang samar hingga hasil akhir yang tuntas, rekayasa perangkat lunak yang berlangsung berjam-jam, dan loop agen yang memanggil alat secara berurutan lalu mengoreksi diri sendiri. Ringkasan vendor sendiri tentang tawaran ini adalah bahwa ia mempertahankan sekitar 560B kapasitas sambil membayar sekitar 25B per langkah, sehingga pengetahuan dunia dan kedalaman penalaran tetap terjaga sementara komputasi per token tidak. Ini adalah penerus Ling-3.0-flash di slot yang sama, bukan tingkat baru.

Apakah bobotnya sudah dirilis? Tidak — dan Ant telah menyebutkan syaratnya.

Ini adalah fakta yang paling diperdebatkan tentang model tersebut dan jawabannya tidak ambigu saat ini: bobotnya tidak dipublikasikan. Tidak ada repositori Ling-3.1-flash di Hugging Face di bawah organisasi inclusionAI, tidak ada kartu model, tidak ada teks lisensi, dan tidak ada file checkpoint; pencarian di repositori publik organisasi tersebut mengembalikan generasi Ling-3.0 dan sebelumnya, dan tidak ada entri 3.1. ModelScope, tempat Ant mencerminkan rilisnya, juga tidak memiliki model Ling-3.1-flash. Tidak ada pula resep penerapan untuknya: repositori Ling Cookbook milik vendor sendiri di GitHub, yang terakhir di-push pada 2026-10-12, sehari sebelum halaman ini, memuat resep penerapan lokal dan kuantisasi untuk Ling-3.0-flash, Ling-3.0-flash-VL, Ling-3.0-flash-Fin dan Ling-3.0-tiny, dan tidak ada untuk Ling-3.1-flash. Evaluator independen Artificial Analysis mengklasifikasikan model tersebut sebagai proprietari, dan FAQ-nya menjawab "Tidak" untuk apakah model tersebut bersumber terbuka.

Yang dilakukan Ant adalah melampirkan syarat pada pembukaan tersebut, dan syarat itu lebih spesifik daripada "segera". Pengumuman itu menyatakan bahwa periode gratis menyediakan konteks 256K, dan bahwa setelah periode gratis berakhir dan model beralih ke layanan berbayar, rencananya adalah membuka jendela 1M dan menjadikan model itu open-source pada saat yang sama. Jadi urutan yang dijelaskan vendor adalah: uji coba pada 256K, lalu layanan berbayar hingga 1M, dengan bobot menyusul pada peralihan itu. Itu rencana, bukan tanggal, dan tidak ada tanggal yang dipublikasikan. Anggap klaim apa pun bahwa "Ling-3.1-flash memiliki bobot terbuka" sebagai salah sampai ada repositori; anggap rencana itu sebagai niat yang dinyatakan vendor, bukan sebagai peristiwa.

Ukuran dan arsitektur: total 560B, 25B aktif, tujuh lapisan linear per satu lapisan global

Ant menerbitkan arsitektur pada tingkat detail yang membuat angka-angka dapat diperiksa satu sama lain, bukan sekadar dikutip:

• Total parameter — sekitar 560B, menurut pernyataan vendor, tidak berubah di seluruh dokumentasi.

• Parameter aktif — sekitar 25B per token, rasio sparsitas mendekati 1 banding 22.

• Perutean pakar — 512 pakar yang dirutekan, yang mana setiap token memilih 8, ditambah satu pakar bersama yang digunakan setiap token. Itu adalah kumpulan pakar yang jauh lebih luas daripada yang digunakan generasi sebelumnya pada model yang jauh lebih kecil. Jumlah pakar, pemilihan 8-dari-512, dan rasio atensi 7:1 berasal dari pengumuman, bukan dari halaman model; halaman model menyatakan parameter dan angka konteksnya.

• Atensi — stack hibrida yang melanjutkan desain atensi linear Ling-3.0-flash, dengan porsi linear ditingkatkan: 7 lapisan KDA (Kimi Delta Attention) untuk setiap 1 lapisan Gated MLA, sehingga satu dari delapan lapisan mempertahankan jalur atensi global. Jalur KDA adalah jalur berwaktu linear, yang ditujukan untuk sekuens panjang.

• Pendahulu sebagai acuan skala — Ling-3.0-flash berjalan dengan total 124B dengan 5,1B aktif pada stack hybrid 42 lapis, sehingga Ling-3.1-flash kira-kira empat setengah kali ukuran bodinya dengan kira-kira lima kali aktivasi per token.

Patut dikatakan secara terus terang, karena Ant juga mengatakannya: tidak ada dari semua ini yang langsung berubah menjadi biaya deployment. Throughput, latensi, dan memori bergantung pada perangkat keras, presisi numerik, ukuran batch, komunikasi pakar, panjang konteks, dan panjang output. Arsitektur menjelaskan mengapa model dapat ada pada ukuran ini; itu tidak memberi tahu Anda berapa biaya yang akan Anda keluarkan untuk sebuah permintaan.

Jendela konteks dan output maksimum

Jendela adalah tempat kesalahpahaman yang paling umum terjadi. Dokumentasi Ant menyatakannya sebagai dua angka dalam satu baris: jendela dibatasi pada 1M token, dan layanan resmi saat ini mengekspos 256K. Pengumuman itu memberikan alasannya dengan kata-kata vendor sendiri — uji coba gratis berlangsung dua minggu, panjang layanan selama masa itu adalah 256K, dan setelah uji coba berakhir serta model beralih ke layanan berbayar, rencananya adalah membuka jendela 1M dan meng-open-source model tersebut pada saat yang sama. Dokumen dan pengumuman itu sepakat tentang angka yang dilayankan, dan keduanya milik Ant. Permukaan produk berada di balik proses masuk, sehingga kontrol panjang maksimum milik Ling Studio sendiri bukanlah sesuatu yang dapat dikonfirmasi oleh halaman ini hari ini; jika Anda memerlukan batas pasti sebelum menentukan ukuran pipeline, bacalah langsung dari studio setelah Anda masuk daripada mengambil angka dari sumber kedua untuk itu.

Artificial Analysis mencantumkan jendela konteks sebagai 1M. Itu adalah batas atas yang dideklarasikan, bukan yang benar-benar didapat oleh sebuah permintaan saat ini, dan itulah angka yang paling jauh menyebar serta paling sering salah dalam praktik. Jika Anda menentukan ukuran pipeline, tentukan ukurannya untuk 256K dan perlakukan 1M sebagai item peta jalan tanpa tanggal terbit.

Output maksimum adalah angka yang tidak dipublikasikan Ant per model. Yang dipublikasikan vendor adalah permukaan permintaan: max_tokenspada endpoint yang kompatibel dengan Anthropic bernilai default 32.000, referensi yang kompatibel dengan OpenAI tidak mencantumkan batas output per model, dan panggilan non-streaming kehabisan waktu pada 90 detik. Jika pekerjaan Anda membutuhkan satu generasi panjang, panduan vendor sendiri adalah melakukan streaming daripada menaikkan batas yang tidak didokumentasikannya.

Apa yang diterimanya dan apa yang diberikannya kembali

Teks masuk, teks keluar. Ling-3.1-flash bukan model multimodal, dan hal ini perlu dinyatakan secara eksplisit karena keluarga ini memiliki satu model yang multimodal: Ling-3.0-flash-VL adalah model visi, yang secara native menerima input gambar, teks, dan video melalui platform yang sama, dan dokumentasi multimodal vendor ditulis untuk model tersebut. Ling-3.1-flash muncul dalam tabel spesifikasi Ling milik vendor tanpa modalitas input apa pun selain teks, dan halaman evaluator independen untuknya hanya mencatat input teks dan output teks, serta menggolongkannya di antara model penalaran, bukan model visi. Jika Anda perlu mengirim gambar ke model Ling hari ini, panduan pemilihan milik vendor sendiri mengarahkan Anda ke Ling-3.0-flash-VL, bukan ke model ini.

Klaim vendor versus evaluasi independen

Ada dua jenis angka untuk Ling-3.1-flash, dan keduanya tidak dapat dipertukarkan.

Pengumuman Ant sendiri diberi judul sebagai peningkatan model untuk tugas dunia nyata, dan pengumuman itu berhati-hati soal angka-angkanya. Area evaluasi yang disebutkan adalah GDPVal-AA V2.1 untuk pekerjaan kantor, HealthBench Professional untuk komunikasi medis, FrontierSWE untuk teknik, Terminal-Bench 4.0 untuk pengoperasian terminal, plus otomatisasi, analisis keamanan, tanya jawab basis kode, dan tugas agen keuangan — dan angka per-benchmark berada di gambar bagan, bukan di tabel teks. Hingga hari ini Ant belum menerbitkan skor individual tersebut dalam bentuk yang dapat dikutip baris demi baris, dan halaman ini tidak akan mengarang tabel untuknya. Yang Ant nyatakan dalam teks adalah tiga hasil rekayasa berhorizon panjang, semuanya dilaporkan vendor, semuanya berdasarkan definisi tugas vendor sendiri, dan semuanya dilabeli sebagai angka pembanding "yang tercantum dalam dokumentasi", bukan sebagai perbandingan head-to-head yang setara: kompiler Lua-ke-x86-64-ELF yang dibangun dari nol dalam sekitar 17 jam eksekusi berkelanjutan, dengan 178 dari 182 uji independen lulus, sekitar 97,8%, dibandingkan 99,0% untuk Claude Fable 5 dan 95,9% untuk GLM-5.3-Flash pada tugas yang sama sebagaimana didaftarkan vendor; proses optimisasi Pyright 1.1.400 selama kurang lebih 10 jam yang mencapai percepatan 1,432× dengan seluruh 2.279 uji benchmark dan regresi lulus, dibandingkan Claude Fable 5 pada 1,502× dan GLM-5.3-Flash pada 1,290×; dan reimplementasi Rust dari pustaka gambar C yang memakan waktu sekitar 20 jam, lulus semua 30 pemeriksaan pada 8,015×, dibandingkan GLM-5.3-Flash pada 1,396× dan Claude Fable 5 pada 27,310×. Ketiga tugas itu tidak diuji head-to-head pada upaya dan harness yang setara — angka lawan adalah kutipan vendor sendiri, bukan uji yang dikendalikannya — jadi bacalah sebagai laporan vendor tentang rangkaian tugasnya sendiri, bukan sebagai peringkat setara. Ant juga melaporkan bahwa model menemukan dan menambal stack-buffer-overflow di parser kalibrasi basis data OceanBase sumber terbuka dengan mengerjakan masalah itu secara otonom. Semua itu adalah klaim pihak pertama atas tugas pihak pertama; tidak ada yang memiliki reproduksi pihak ketiga, dan vendor sendiri menandai hasil ketiga sebagai menunjukkan masih ada ruang tersisa dalam optimisasi performa ekstrem. Dari sisi permintaan pencarian, "ling 3.1 flash benchmark" adalah salah satu pertanyaan yang lebih sedikit orang ajukan tentang model ini, dan jawaban jujur satu kalimatnya adalah yang di atas: kartu Ant ada, angka-angkanya dilaporkan vendor, dan angka independen yang benar-benar dapat Anda jadikan patokan untuk model ini ada di paragraf berikutnya.

Jenis angka kedua diukur secara independen. Artificial Analysis, yang menjalankan harness-nya sendiri pada perangkat keras yang dikendalikannya, memberi skor 41 kepada Ling-3.1-flash pada Intelligence Index v4.3.2 miliknya, sebuah komposit dari sepuluh evaluasi, dan menempatkannya di peringkat kelima dari 175 model pada indeks tersebut. Pendahulunya mendapat skor 20 pada indeks yang sama. Halaman yang sama mencatat 212,1 token keluaran per detik dan 1,87 detik ke token pertama, 220 juta token keluaran yang dihasilkan di seluruh indeks — tinggi dibandingkan median 95 juta — dan biaya berjalan $0,30 per juta token masukan serta $0,90 per juta token keluaran dengan diskon cache 80%, sekitar $1,00 per tugas indeks. Itu adalah pengukuran evaluator itu sendiri terhadap API vendor, bukan angka Ant, dan itu adalah satu-satunya pengukuran independen atas model ini yang ada saat ini.

Soal harga, pembagian yang sama juga berlaku, dan mata uangnya penting. Halaman harga Ant — versi yang dipelihara, bertanda "Terakhir diperbarui pada 8 Oktober 2026", bukan tanggal 2026-10-13 saat halaman ini ditulis — mencantumkan Ling-3.1-flash pada ¥0,00 untuk input, output, dan pembacaan cache, serta menyatakan bahwa model tersebut gratis untuk masa terbatas dua minggu, setelah itu beralih ke penagihan berbayar standar dengan tarif yang akan diumumkan. Halaman yang sama menerbitkan tabel USD yang barisnya tertulis $0,00 di ketiga kolom. Itulah keseluruhan jawaban untuk tier gratis: gratis itu nyata, bersifat promosi, dibatasi waktu, dan angka yang mengikutinya belum dipublikasikan. Tarif yang dicatat oleh evaluator independen sebesar $0,30 dan $0,90 adalah hal yang paling mendekati kartu tarif pascauji coba yang tersedia untuk publik, dan Ant belum mengonfirmasinya.

Cara mendapatkan respons dari Ling-3.1-flash hari ini

Ada dua rute pihak pertama, keduanya milik Ant sendiri. Ling Studio di chat.ant-ling.com adalah permukaan produknya, dan pengumuman vendor juga menyebutkan bahwa model ini berada di dalam agen desktop internal Ant yang digunakan untuk tugas perkantoran. Open API di api.ant-ling.com adalah rute pengembang dan hadir dalam dua bentuk: endpoint chat/completions yang kompatibel dengan OpenAI dan endpoint messages yang kompatibel dengan Anthropic, sehingga SDK yang sudah ada dapat berfungsi hanya dengan mengubah base-URL. Dua catatan datang langsung dari dokumentasi, yang cukup tidak biasa sehingga layak dikutip persis: kontrol probabilitas dan keberagaman, temperature dan top_p, secara default bernilai 1 di kedua halaman referensi, sehingga permintaan yang sudah terbiasa menetapkan temperature rendah di tempat lain akan berperilaku berbeda di sini; dan kontrol thinking yang didokumentasikan untuk mengaktifkan atau menonaktifkan penalaran didokumentasikan hanya untuk Ling-3.0-flash, yang berarti permukaan permintaan yang diterbitkan halaman-halaman ini belum diperbarui untuk Ling-3.1-flash. Akses memerlukan akun Alipay yang terikat dan layanan Ling yang diaktifkan — FAQ juga mencantumkan "Ling model service not activated" sebagai kesalahan yang diketahui beserta solusinya sendiri — penagihannya bersifat bayar sesuai pemakaian per token, batas laju yang dipublikasikan adalah 2 permintaan per detik secara global dengan 429 di luar batas tersebut, dan panggilan non-streaming timeout pada 90 detik. Vendor juga mencantumkan model ini dengan harga promosi nol yang sama di platform pihak ketiga; platform tersebut bukan permukaan pihak pertama dan ketentuannya adalah milik mereka sendiri.

Satu verifikasi yang layak dilakukan sebelum Anda membangun di atas endpoint: per hari ini, referensi API yang dipublikasikan vendor tidak mencantumkan Ling-3.1-flash dalam daftar modelnya, dan changelog platform tidak memuat entri untuknya — entri terbaru di sana adalah Ling-3.0-flash-VL pada September dan Ling-3.0-tiny pada Agustus — meskipun halaman harga mencantumkan tarif untuk model tersebut dan pengumumannya menawarkan uji coba API-nya. Konfirmasikan pengenal model tersebut pada akun Anda sendiri sebelum Anda mengintegrasikannya ke apa pun, alih-alih mengasumsikan dokumentasinya sudah mengejar ketinggalan.

Ling-3.1-flash tidak ada di katalog OrcaRouter — pengecekan terhadap daftar model live kami pada 2026-10-13 tidak mengembalikan entri Ling atau inclusionAI — jadi halaman ini tidak akan memberi tahu Anda bahwa model itu dapat diakses hanya dengan satu panggilan. Yang dapat diakses hanya dengan satu panggilan adalah dua model yang paling sering dibandingkan dengannya: DeepSeek V4.1 Flash, yang dalam daftar kami dihargai $0.15 per juta token input dan $0.60 per juta token output, dan GLM 5.3 Flash pada $0.15 dan $0.50, keduanya pada harga daftar dengan markup nol dan failover otomatis lintas penyedia, sehingga perubahan tarif dari salah satu vendor berlaku pada hari yang sama tanpa perubahan kode di sisi Anda. Ketika Ant membuka Ling-3.1-flash atau host menambahkannya, seperti itulah bentuk saat model itu akan hadir.

Apa yang perlu diperhatikan, dan apa yang tidak boleh diasumsikan

Tiga hal menjawab pertanyaan terbuka halaman ini dan ketiganya adalah milik Ant untuk dipublikasikan: bobot model, dengan lisensi dan kartu model jika rencana pengumuman itu tetap berlaku; jendela 1M yang benar-benar dilayani, bukan hanya dideklarasikan; dan kartu tarif pasca-uji coba. Sampai setidaknya dua hal pertama terwujud, deskripsi akurat Ling-3.1-flash adalah model kuat, cepat, tertutup, hanya teks dengan skor independen asli 41 dan profil agentik yang benar-benar menjanjikan, tersedia dari pihak pertama dan gratis untuk jendela yang menutup tanpa peringatan.

Siapa yang harus bertindak sekarang: siapa pun yang pekerjaannya bersifat agentik, berbentuk terminal, atau berbentuk kantor dan yang ingin mencoba inferensi gratis selama dua minggu dengan prompt mereka sendiri untuk mengetahui apakah MoE 560B pada 212 token per detik mengubah apa yang mereka bangun. Siapa yang sebaiknya menunggu: siapa pun yang berencana menghosting sendiri, siapa pun yang memerlukan lisensi sebelum bagian pengadaan mau melihatnya, siapa pun yang pipeline-nya memerlukan jendela sejuta token di produksi, dan siapa pun yang memerlukan model biaya yang bertahan lebih lama dari periode promosi. Bagi keempat kelompok itu, jawaban jujur hari ini adalah keputusan tersebut belum bisa diambil, dan hal yang akan membuka jalannya adalah repositori Hugging Face, bukan bagan benchmark lain.