Ling-3.1-flash: il MoE da 560 miliardi che Ant Group eroga ma non ha aperto

La risposta breve a che cos'è Ling-3.1-flash: un modello linguistico mixture-of-experts a ragionamento ibrido della linea Ant Ling di Ant Group, con circa 560 miliardi di parametri totali e all'incirca 25 miliardi attivi su ciascun token, una finestra che il fornitore limita a 1 milione di token ma che oggi serve a 256.000, testo in ingresso e testo in uscita, e nessun peso scaricabile. Il modello è stato annunciato il 2026-09-30 ed è attivo nel prodotto di Ant e sull'API di Ant. Quella data è dove inizia questa pagina e dove finisce: è il fatto che fissa l'età del modello, non un lancio che questo articolo sta riportando. Ciò di cui ha bisogno chi cerca Ling-3.1-flash è lo stato della cosa nel giorno in cui la legge, e nel giorno in cui questo è stato scritto lo stato dei pesi era ancora "non pubblicato".

Tre fatti fanno la maggior parte del lavoro. I pesi non sono ancora usciti, e l'annuncio di Ant stesso dice quando intende renderli disponibili. La cifra di contesto che circola — 1M — è un tetto, non ciò che l'endpoint fornisce, che è 256K. E la specifica è conoscibile, mentre il prezzo dopo la finestra promozionale no. Tutto ciò che segue è documentato, e dove un numero è di Ant stesso anziché di terze parti, lo dice.

Una nota su dove risiede lo stato di questo modello. L'annuncio di Ant del 2026-09-30 è il documento che riporta l'architettura e la condizione di pesi aperti, e non è qualcosa che il fornitore aggiorna. Le pagine che invece vengono mantenute — le pagine dei modelli Ling e la pagina dei prezzi sul sito per sviluppatori di Ant, ciascuna contrassegnata da "Last updated on October 8, 2026" — riportano i parametri, i numeri di contesto e il prezzo. Dove i due non concordano, o dove l'annuncio dice più di quanto faccia la documentazione, questa pagina indica quale dei due sta citando.

Che cos'è Ling-3.1-flash e chi lo pubblica

Ling-3.1-flash appartiene alla famiglia Ling — la linea linguistica general-purpose di Ant Ling, il programma di modelli che Ant Group gestisce e pubblica tramite il suo laboratorio inclusionAI (l'entità operativa indicata sul sito per sviluppatori è Ant Intelligence (Hang Zhou) Technology Co., Ltd.). La famiglia si divide in tre rami: Ling per il lavoro linguistico generale, Ring per il ragionamento approfondito e Ming per la comprensione e la generazione omni-modale. Ling-3.1-flash è il modello di punta del ramo Ling, posizionandosi al di sopra di Ling-3.0-flash, che resta in catalogo come opzione più economica e più veloce.

Ant lo posiziona in modo ristretto e coerente: compiti del mondo reale con orizzonte lungo, lavoro d'ufficio che va da una richiesta vaga a un risultato finale consegnabile, ingegneria del software che si estende per ore e cicli di agenti che chiamano strumenti in sequenza e si autocorreggono. La sintesi del pitch fatta dal fornitore stesso è che mantiene circa 560B di capacità pagando però solo circa 25B per passo, così la conoscenza del mondo e la profondità di ragionamento restano, mentre il calcolo per token no. È il successore di Ling-3.0-flash nello stesso slot, non un nuovo livello.

I pesi sono stati rilasciati? No — e Ant ha indicato la condizione

Questo è il fatto più contestato sul modello e oggi la risposta è inequivocabile: i pesi non sono pubblicati. Non esiste alcun repository Ling-3.1-flash su Hugging Face sotto l'organizzazione inclusionAI, né model card, né testo di licenza, né file di checkpoint; una ricerca nei repository pubblici dell'organizzazione restituisce la generazione Ling-3.0 e precedenti, e nessuna voce 3.1. ModelScope, dove Ant rispecchia le sue release, non ha nemmeno un modello Ling-3.1-flash. Né esiste una ricetta di deployment per esso: il repository Ling Cookbook dello stesso fornitore su GitHub, ultimo push 2026-10-12, il giorno prima di questa pagina, contiene ricette per il deployment locale e la quantizzazione per Ling-3.0-flash, Ling-3.0-flash-VL, Ling-3.0-flash-Fin e Ling-3.0-tiny, e nulla per Ling-3.1-flash. Il valutatore indipendente Artificial Analysis classifica il modello come proprietario, e le sue FAQ rispondono "No" alla domanda se il modello sia open source.

Quello che Ant ha fatto è collegare una condizione all'apertura, e questa è più specifica di "presto". L'annuncio afferma che il periodo gratuito serve un contesto da 256K, e che dopo la fine del periodo gratuito, quando il modello passerà al servizio a pagamento, il piano è aprire la finestra da 1M e rendere open source il modello nello stesso momento. Quindi la sequenza descritta dal fornitore è: prova a 256K, poi servizio a pagamento fino a 1M, con i pesi che seguono a quel passaggio. Questo è un piano, non una data, e nessuna data è pubblicata. Considera qualsiasi affermazione del tipo "Ling-3.1-flash è a pesi aperti" come errata finché non esiste un repository; considera il piano come l'intenzione dichiarata dal fornitore, non come un evento.

Dimensione e architettura: 560B totali, 25B attivi, sette livelli lineari per ogni livello globale

Ant pubblica l'architettura a un livello di dettaglio che rende i numeri verificabili gli uni rispetto agli altri anziché semplicemente citati:

• Parametri totali — circa 560B, dichiarati dal fornitore, invariati in tutta la documentazione.

• Parametri attivi — circa 25B per token, un rapporto di sparsità vicino a 1 su 22.

• Routing degli esperti — 512 esperti instradati, di cui ogni token ne seleziona 8, più un esperto condiviso che ogni token utilizza. Si tratta di un pool di esperti sensibilmente più ampio rispetto a quello che la generazione precedente utilizzava a fronte di una struttura molto più ridotta. Il numero di esperti, la selezione di 8 su 512 e il rapporto di attenzione 7:1 provengono dall'annuncio anziché dalla pagina del modello; la pagina del modello riporta i parametri e i valori relativi al contesto.

• Attenzione — uno stack ibrido che prosegue il design ad attenzione lineare di Ling-3.0-flash, con la componente lineare aumentata: 7 layer KDA (Kimi Delta Attention) ogni 1 layer Gated MLA, così che un layer su otto mantenga un percorso di attenzione globale. Il percorso KDA è quello a tempo lineare, pensato per le sequenze lunghe.

Predecessore in termini di scala — Ling-3.0-flash gira su 124B totali con 5,1B attivi su uno stack ibrido a 42 livelli, quindi Ling-3.1-flash è all'incirca quattro volte e mezzo il corpo, con all'incirca cinque volte l'attivazione per token.

Vale la pena dirlo chiaramente, perché lo dice anche Ant: nulla di tutto ciò si traduce direttamente in costi di deployment. Throughput, latenza e memoria dipendono dall'hardware, dalla precisione numerica, dalla dimensione del batch, dalla comunicazione tra esperti, dalla lunghezza del contesto e dalla lunghezza dell'output. L'architettura spiega perché il modello può esistere a questa dimensione; non ti dice quanto ti costerà una richiesta.

Finestra di contesto e output massimo

La finestra è dove si annida l'errore di lettura più comune. La documentazione di Ant la presenta come due numeri in una riga: la finestra arriva a 1M token, e la versione ufficiale attualmente ne espone 256K. L'annuncio fornisce la motivazione nelle parole dello stesso fornitore — la prova gratuita dura due settimane, la lunghezza del servizio durante la prova è 256K, e una volta che la prova termina e il modello passa al servizio a pagamento il piano è la finestra da 1M e rendere il modello open source contemporaneamente. La documentazione e l'annuncio concordano sul valore servito, ed entrambi sono di Ant. La superficie del prodotto è dietro un accesso, quindi il controllo sulla lunghezza massima di Ling Studio non è qualcosa che questa pagina può confermare oggi; se hai bisogno del limite esatto prima di dimensionare una pipeline, leggilo direttamente dallo studio una volta effettuato l'accesso invece di prendere un numero di seconda mano.

Artificial Analysis indica la finestra di contesto come 1M. Quello è il limite dichiarato, non ciò che una richiesta ottiene attualmente, ed è il numero che circola di più e che in pratica risulta sbagliato più spesso. Se stai dimensionando una pipeline, dimensiona a 256K e considera 1M come una voce di roadmap senza data di pubblicazione.

L'output massimo è un dato che Ant non pubblica per modello. Ciò che il fornitore pubblica è la superficie della richiesta: per l'endpoint compatibile con Anthropic, max_tokens ha come valore predefinito 32.000, il riferimento compatibile con OpenAI non elenca alcun limite di output per modello, e le chiamate non in streaming vanno in timeout a 90 secondi. Se il tuo job richiede una lunga generazione singola, la guida del fornitore stesso consiglia di usare lo streaming anziché aumentare un limite che non documenta.

Cosa riceve e cosa restituisce

Testo in input, testo in output. Ling-3.1-flash non è un modello multimodale, e vale la pena essere espliciti perché la famiglia ne contiene uno che lo è: Ling-3.0-flash-VL è il modello di visione, che accetta nativamente input di immagini, testo e video attraverso la stessa piattaforma, e la documentazione multimodale del fornitore è scritta per quel modello. Ling-3.1-flash appare nella tabella delle specifiche Ling del fornitore senza alcuna modalità di input oltre al testo, e la pagina del valutatore indipendente a esso dedicata registra solo input e output di testo, e lo colloca tra i modelli di ragionamento anziché tra quelli di visione. Se oggi hai bisogno di inviare un'immagine a un modello Ling, la guida alla selezione del fornitore stesso ti indirizza a Ling-3.0-flash-VL, non a questo.

Dichiarazioni dei fornitori a confronto con la valutazione indipendente

Esistono due tipi di numero per Ling-3.1-flash e non sono intercambiabili.

L'annuncio di Ant è intitolato come un aggiornamento del modello per attività del mondo reale, ed è cauto su cosa siano i suoi numeri. Le aree di valutazione nominate sono GDPVal-AA V2.1 per il lavoro d'ufficio, HealthBench Professional per la comunicazione medica, FrontierSWE per l'ingegneria, Terminal-Bench 4.0 per l'operatività da terminale, più automazione, analisi di sicurezza, risposta a domande su basi di codice e attività di agenti finanziari — e le cifre per benchmark si trovano in immagini di grafici anziché in una tabella di testo. A oggi Ant non ha pubblicato quei punteggi individuali in una forma che chiunque possa citare riga per riga, e questa pagina non inventerà una tabella per essi. Ciò che Ant dichiara nel testo sono tre risultati di ingegneria a lungo orizzonte, tutti riportati dal fornitore, tutti sulle definizioni di attività del fornitore stesso, e tutti etichettati come cifre di confronto "elencate nella documentazione" anziché come un confronto testa a testa appaiato: un compilatore da Lua a x86-64-ELF costruito da zero in circa 17 ore di esecuzione continua, con 178 test indipendenti su 182 superati, circa il 97,8%, contro il 99,0% di Claude Fable 5 e il 95,9% di GLM-5.3-Flash sulla stessa attività come li elenca il fornitore; un passaggio di ottimizzazione di Pyright 1.1.400 di circa 10 ore che raggiunge un'accelerazione di 1,432× con tutti i 2.279 test di benchmark e di regressione superati, contro Claude Fable 5 a 1,502× e GLM-5.3-Flash a 1,290×; e una reimplementazione in Rust di una libreria di immagini C che richiede circa 20 ore, superando tutti e 30 i controlli a 8,015×, contro GLM-5.3-Flash a 1,396× e Claude Fable 5 a 27,310×. Queste tre attività non sono sottoposte a benchmark testa a testa con sforzo e harness appaiati — le cifre contrapposte sono citazioni del fornitore stesso, non esecuzioni da esso controllate — quindi leggetele come il resoconto del fornitore sulla propria suite di attività, non come una classifica a parità di condizioni. Ant riporta inoltre che il modello ha trovato e corretto un overflow di buffer dello stack nel parser di calibrazione del database open-source OceanBase lavorando al problema in autonomia. Ognuno di questi è un'affermazione di prima parte su un'attività di prima parte; nessuno ha una riproduzione di terze parti, e il fornitore stesso segnala il terzo risultato come indicante margine di miglioramento rimasto nell'ottimizzazione estrema delle prestazioni. Sul fronte della domanda di ricerca, "ling 3.1 flash benchmark" è una delle domande minori che le persone pongono su questo modello, e l'onesta risposta in una frase è quella sopra: la scheda di Ant esiste, le sue cifre sono riportate dal fornitore, e il numero indipendente a cui si può effettivamente tenere il modello è il paragrafo successivo.

Il secondo tipo di numero è misurato in modo indipendente. Artificial Analysis, che esegue il proprio harness su hardware che controlla, assegna a Ling-3.1-flash un punteggio di 41 sul suo Intelligence Index v4.3.2, un composito di dieci valutazioni, e lo classifica al quinto posto su 175 modelli in quell'indice. Il predecessore ottiene 20 sullo stesso indice. La stessa pagina registra 212,1 token di output al secondo e 1,87 secondi al primo token, 220 milioni di token di output generati nell'indice — un valore alto rispetto a una mediana di 95M — e un costo di esercizio di $0,30 per milione di token di input e $0,90 per milione di output con uno sconto sulla cache dell'80%, circa $1,00 per attività dell'indice. Quelle sono le misurazioni proprie del valutatore rispetto all'API del fornitore, non le cifre di Ant, e sono le uniche misurazioni indipendenti di questo modello esistenti oggi.

Sul prezzo vale la stessa divisione, e la valuta conta. La pagina dei prezzi di Ant — quella mantenuta, con il timbro "Last updated on October 8, 2026" anziché la data 2026-10-13 in cui è stata scritta questa pagina — elenca Ling-3.1-flash a ¥0.00 per input, output e letture della cache, e dichiara che il modello è gratuito per due settimane a tempo limitato, dopo le quali passa alla fatturazione standard a pagamento con tariffe da annunciare. La stessa pagina pubblica una tabella in USD in cui la riga riporta $0.00 in tutte e tre le colonne. Questo è tutto ciò che c'è da sapere sulla risposta del livello gratuito: il gratuito è reale, è promozionale, ha una scadenza temporale, e il numero che lo segue non è stato pubblicato. La tariffa registrata dal valutatore indipendente, $0.30 e $0.90, è la cosa più vicina a un listino prezzi post-prova disponibile pubblicamente, e Ant non l'ha confermata.

Come ottenere una risposta da Ling-3.1-flash oggi

There are two first-party routes, both Ant's own. The Ling Studio at chat.ant-ling.com is the product surface, and the vendor's announcement also says the model is inside an internal Ant desktop agent used for office tasks. The Open API at api.ant-ling.com is the developer route and ships in two shapes: an OpenAI-compatible chat/completions endpoint and an Anthropic-compatible messages endpoint, so an existing SDK works with a base-URL change. Two caveats come straight from the documentation, which is unusual enough to be worth copying exactly: the probability and diversity controls, temperature and top_p, default to 1 in both reference pages, so a request that has learned to set a low temperature elsewhere will behave differently here; and the thinking control documented for toggling reasoning is documented as Ling-3.0-flash only, which means the request surface these pages publish has not been updated for Ling-3.1-flash. Access needs an Alipay account bound and the Ling service activated — the FAQ also lists "Ling model service not activated" as a known error with its own fix — billing is pay-as-you-go per token, the published rate limit is 2 requests per second globally with 429s beyond it, and non-streaming calls time out at 90 seconds. The vendor also lists the model at the same promotional zero price on third-party platforms; those are not first-party surfaces and their terms are their own.

Una verifica che vale la pena fare prima di sviluppare sull'endpoint: a oggi il riferimento API pubblicato dal fornitore non elenca Ling-3.1-flash nel suo elenco dei modelli, e il changelog della piattaforma non contiene alcuna voce al riguardo — le voci più recenti sono Ling-3.0-flash-VL a settembre e Ling-3.0-tiny ad agosto — anche se la pagina dei prezzi riporta una tariffa per il modello e l'annuncio ne offre la prova API. Verifica l'identificatore del modello sul tuo account prima di integrarlo in qualsiasi cosa, invece di dare per scontato che la documentazione sia al passo.

Ling-3.1-flash non è nel catalogo di OrcaRouter — un controllo sul nostro elenco modelli live in data 2026-10-13 non restituisce alcuna voce Ling o inclusionAI — quindi questa pagina non ti dirà che è a una chiamata di distanza. Ciò che è a una chiamata di distanza sono i due modelli con cui viene più spesso confrontato: DeepSeek V4.1 Flash, che nel nostro listino costa $0,15 per milione di input e $0,60 per milione di output, e GLM 5.3 Flash a $0,15 e $0,50, entrambi a prezzo di listino con markup zero e failover automatico tra provider, così un cambio di tariffa da uno dei due fornitori arriva lo stesso giorno senza modifiche al codice da parte tua. Quando Ant renderà disponibile Ling-3.1-flash o un host lo aggiungerà, questa è la forma in cui arriverebbe.

Cosa tenere d'occhio, e cosa non dare per scontato

Tre cose risolvono le questioni aperte di questa pagina e tutte e tre spetta ad Ant pubblicarle: i pesi, con una licenza e una model card se il piano dell'annuncio regge; la finestra da 1M effettivamente servita anziché dichiarata; e un listino prezzi successivo al periodo di prova. Finché almeno le prime due non arrivano, la descrizione accurata di Ling-3.1-flash è un modello forte, veloce, chiuso ed esclusivamente testuale con un autentico punteggio indipendente di 41 e un profilo agentico davvero promettente, disponibile first-party e gratuito per una finestra che si chiude senza preavviso.

Chi dovrebbe muoversi ora: chiunque svolga un lavoro di tipo agentico, da terminale o da ufficio e voglia due settimane di inferenza gratuita sui propri prompt per scoprire se un MoE da 560B a 212 token al secondo cambia ciò che costruisce. Chi dovrebbe aspettare: chiunque intenda self-hostarlo, chiunque abbia bisogno di una licenza prima che l'ufficio acquisti lo prenda in considerazione, chiunque abbia una pipeline che in produzione richiede la finestra da un milione di token e chiunque abbia bisogno di un modello di costo che sopravviva al periodo promozionale. Per tutte e quattro queste categorie, la risposta onesta oggi è che la decisione non può ancora essere presa, e ciò che la sbloccherebbe è un repository Hugging Face, non un'altra tabella di benchmark.