Ling-3.1-flash-1019 pareggia Kimi K3 a quota 44 — e non c'è ancora nulla da scaricare

Il numero è arrivato prima del modello. Il 22 ottobre il team Ling di Ant Group ha pubblicato Ling-3.1-flash-1019 sul proprio account con un punteggio e una promessa allegati: 44 sull'Artificial Analysis Intelligence Index, in aumento da 41 per Ling-3.1-flash una settimana prima, e allo stesso livello del modello di Moonshot, Kimi K3. Lo stesso post afferma che l'accesso API e i pesi aperti sono "in arrivo". La pagina del modello di Artificial Analysis concorda con la prima metà — 44, terzo posto tra i 174 modelli monitorati — e con la seconda: nessuna API disponibile pubblicamente, un numero di parametri non divulgato e uno stato della licenza proprietario. Quindi la frase accurata non è "Ant ha rilasciato un modello di classe K3". È: Ant ha diffuso un punteggio misurato per Ling-3.1-flash-1019 e, a oggi, nessuno al di fuori della pipeline di valutazione interna di Ant può chiamare la build che lo ha ottenuto. Questa è una lettura di ciò che sappiamo finora di un modello di cui si conoscono solo un numero e una promessa, e ogni cifra di seguito è corredata o da una fonte o da un'etichetta esplicita che dichiara che non ne ha.

La forma della cosa, per chiunque la voglia in un solo respiro: Ling-3.1-flash-1019 è un checkpoint con data di rilascio della stessa linea di Ling-3.1-flash — un mixture-of-experts sparso da circa 560 miliardi di parametri con circa 25 miliardi di parametri attivi per token, uno stack ibrido di attenzione lineare e un contesto dichiarato da 1M token — e "1019" è una data di build, non una nuova architettura. Ciò che è nuovo è il punteggio, il costo per ottenerlo e il divario tra i due laboratori che questo confronto ora coinvolge: Ant, che ha annunciato anziché rilasciare, e DeepSeek, la cui build flash datata, DeepSeek V4.1-Flash-1017, è uscita cinque giorni prima con i pesi e un listino prezzi invariato. La distanza tra questi due stili di rilascio è gran parte di ciò di cui parla questo articolo.

Che cos'è il 44 e cosa non dice la pagina

L'Artificial Analysis Intelligence Index è un composito, non un singolo test. La versione 4.3.2 assegna un peso a dieci valutazioni: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience e AA-LCR v1.1. Un composito che combina lavoro d'ufficio, uso del terminale, matematica da competizione, recupero su contesti lunghi e comportamento allucinatorio produrrà un numero per quasi qualsiasi modello, e quel numero è informativo solo quanto le righe che stanno sotto di esso.

Per Ling-3.1-flash-1019, le righe non sono ancora presenti. La pagina pubblica 44 e lo colloca terzo nella classifica complessiva; riporta un contesto da 1M token, testo in ingresso e testo in uscita, un modello di ragionamento, un numero di parametri non divulgato e — la parte che conta di più — "Nessuna API pubblicamente disponibile" ovunque dovrebbero comparire i risultati per singola valutazione e la velocità. SciCode è contrassegnato come in revisione. Non c'è alcun dato sulla velocità di output, nessun dato sulla latenza e nessun modo di riprodurre una singola riga senza i pesi o un endpoint. Non è una critica ad Artificial Analysis, che può misurare solo ciò che riesce a raggiungere; è una descrizione di quanto siano esili le prove in questo momento. Il dettaglio del modello sotto il punteggio composito è stato misurato, con ogni probabilità, su un endpoint ospitato o fornito dal venditore, e i dettagli di tale accordo non sono pubblici.

Due numeri su quella pagina contano più del titolo, perché entrambi sono costi anziché punteggi. Il primo è quello dei token di output consumati durante l’esecuzione dell’indice: 350 milioni per la build 1019, contro 220 milioni per la build che ha ottenuto 41. Il secondo è il costo per attività dell’Intelligence Index: $1,49, contro $1,00 del suo predecessore. Letti insieme, dicono qualcosa che un punteggio non può dire: i tre punti in più sono stati comprati ragionando all’incirca il 59% più a lungo allo stesso listino prezzi nominale, e il conto per attività è aumentato di circa il 49%. Un laboratorio che guadagna punti indice facendo ragionare più a lungo un modello non sbaglia a farlo — la lunghezza del ragionamento è una leva legittima — ma ciò significa che il 44 non è gratis, e che un acquirente che confronta solo sull’indice sta confrontando un numero il cui costo per punto si è mosso nella direzione sbagliata.

Il tariffario in sé è invariato. Artificial Analysis indica $0.30 per milione di token di input e $0.90 per milione di output per entrambe le build, uno sconto dell'80% sulla cache, un prezzo misto di $0.19 per milione con il suo mix standard e una finestra di contesto da 1M. Si tratta dei prezzi pubblicati dalla società madre, riportati tali e quali: è l'ipotesi ragionevole quando un fornitore non ha annunciato nuovi prezzi, ma resta un'ipotesi. Il prezzo promozionale di Ant sulla build live — ne parleremo più avanti — è ben inferiore alla tariffa di listino.

Da dove sono arrivati i tre punti

Ant non ha pubblicato una tabella per singola valutazione per la build 1019. I sottopunteggi che sono circolati provengono dalla copertura in lingua cinese dell'annuncio, che riporta due variazioni attribuite ad Artificial Analysis: AA-Briefcase che sale da circa 1.400 Elo a 1.524, e AutomationBench-AA da circa 62% a 68%. Considerali entrambi di seconda mano finché le righe di valutazione non compariranno sulla pagina del modello — sono numeri riportati, non quelli verificati da questo articolo rispetto a una tabella primaria.

Sono almeno coerenti al loro interno con ciò che ha misurato la build padre. Quando abbiamo letto la pagina di Ling-3.1-flash il 7 ottobre, AA-Briefcase era a 1.400,35 e AutomationBench-AA a 0,617 — gli stessi valori che la copertura arrotonda a "circa 1.400" e "circa 62%". Quindi la direzione della tendenza è plausibile e punta a un'affermazione specifica: l'aggiornamento è un miglioramento nelle attività agentiche e nel lavoro d'ufficio, non un aumento generale delle capacità. AutomationBench e AA-Briefcase sono le due righe di questo indice che premiano più direttamente l'uso di strumenti in più passaggi e il completamento di compiti a lungo termine. Se quelli si sono mossi e GDPval, SciCode, HLE e CritPt no, la descrizione corretta di Ling-3.1-flash-1019 è "migliore nel portare a termine i compiti", non "più intelligente".

Quella distinzione ha un risvolto pratico. Un modello che guadagna sulle righe agentiche vale la pena testarlo sul tuo carico di lavoro di chiamata agli strumenti; un modello che guadagna in modo uniforme vale la pena testarlo ovunque. Finché le righe non vengono pubblicate, il 44 non può dirti quale di questi stai tenendo, e l'atteggiamento ragionevole è quello adottato dall'account che ha segnalato questa build: mostrare i punteggi completi. Il composito è un titolo. Le righe sono la decisione.

L'inquadratura di Kimi K3-Flash, con prezzo

L'inquadramento che ha fatto comparire Ling-3.1-flash-1019 in molte timeline è arrivato da un account molto seguito il 22 ottobre, che ha descritto la build come, di fatto, un Kimi K3-Flash — intelligenza di classe K3 a costi di fascia flash — e ha tracciato un parallelo tra i progressi di Ant su questa linea e quelli di DeepSeek su V4.1-Flash. Né "Kimi K3-Flash" né il parallelo sono un'affermazione di prodotto; entrambi sono una scorciatoia, e vale la pena separare ciò che la scorciatoia coglie correttamente da ciò che sorvola.

Ciò che coglie nel segno è l'aritmetica prezzo-indice, e quell'aritmetica è netta. Kimi K3 si colloca a 44 sullo stesso indice nella sua configurazione Max. È anche un modello da 2,8 trilioni di parametri con 104 miliardi attivi per token, prezzato da Moonshot a 3,00 $ per milione di input e 15,00 $ per milione di output, con input in cache a 0,30 $. Ling-3.1-flash-1019 è una linea da 560 miliardi di parametri con circa 25 miliardi attivi, prezzata a 0,30 $ e 0,90 $. Stesso punteggio composito, un decimo della tariffa di input, un sedicesimo di quella di output e un quarto dei parametri attivi per token. Se tutto ciò che ti serve è l'indice, non è una vittoria marginale; è una struttura di costi diversa per lo stesso risultato principale.

Ciò che la scorciatoia sorvola è tutto ciò che l'indice non misura. Kimi K3 accetta immagini in input; Artificial Analysis elenca Ling-3.1-flash-1019 come testo in input, testo in output. Kimi K3 è scaricabile con la propria licenza dalla fine di luglio e da allora è utilizzabile tramite più provider; Ling-3.1-flash-1019 non ha né i pesi né un endpoint. Le righe di valutazione di Kimi K3 sono pubblicate e la sua velocità è misurata — 44 è un composito su una tabella visibile. Il 44 di Ling è un composito su una tabella non ancora visibile. E i conteggi dei parametri non sono confrontabili nel modo in cui la dicitura "560B" lascia intendere: K3 usa 104 miliardi di parametri per token, questa build ne usa 25 miliardi.

• Indice — 44 per entrambi, su Artificial Analysis Intelligence Index v4.3.2.

• Prezzo — Ling-3.1-flash-1019 $0.30 in ingresso / $0.90 in uscita per 1M rispetto a Kimi K3 $3.00 / $15.00.

• Parametri attivi — circa 25B per token rispetto a 104B per token. Totale: circa 560B rispetto a 2,8T.

• Modalità — solo testo rispetto a input di testo e immagini.

• Disponibilità — annunciato, nessuna API, nessun peso, rispetto a scaricabile e servito da luglio 2026.

• Prove — un composito senza righe pubblicate, rispetto a un composito con una tabella pubblicata e una velocità di output misurata.

Detta così, "Kimi K3-Flash" è una descrizione corretta dell'intento e una descrizione ingiusta del presente. L'intento è reale: se Ant distribuisce questa build con la licenza MIT della casa madre al prezzo della casa madre, diventa la via più economica sul mercato per ottenere prestazioni composite di livello K3, con un ampio margine. Il presente è che si tratta di un punteggio senza alcun artefatto alle spalle, e i modelli che si possono effettivamente noleggiare a 44 hanno un prezzo che non ha nulla a che vedere con quello.

Due laboratori, un unico playbook: il checkpoint datato

Lo schema più interessante non è il punteggio. È la forma del rilascio. Entrambi i laboratori toccati da questo confronto hanno rilasciato questo mese degli aggiornamenti di metà ciclo secondo la stessa convenzione di denominazione — un suffisso di quattro cifre, mese e giorno, appiccicato a un nome di prodotto già esistente — ed entrambi vi chiedono di leggere quel suffisso come la versione.

La voce di DeepSeek è DeepSeek V4.1-Flash-1017, datata 17 ottobre, cinque giorni prima di quella di Ant. Il suo changelog definiva l'aggiornamento un "miglioramento paretiano prestazioni-costi", affermava che il metodo di chiamata API e i prezzi erano invariati e indirizzava le chiamate esistenti alla nuova build. I suoi pesi sono stati pubblicati su Hugging Face la stessa mattina con licenza MIT, a 763 miliardi di parametri, senza alcun accesso limitato. Nell'indice, la copertura che cita Artificial Analysis lo colloca a 45, un punto sopra il 1019 di Ling — una risalita di sei punti rispetto al 39 con cui la configurazione V4.1-Flash (Max) era stata misurata ai primi di ottobre. Sei punti in dieci giorni, pesi inclusi.

La voce di Ant è Ling-3.1-flash-1019, datata 19 ottobre dal suffisso e annunciata il 22 ottobre. Tre punti in circa una settimana, pesi non inclusi, nessuna data indicata per il loro arrivo. Stesso copione, esecuzione diversa: DeepSeek ha trattato il checkpoint come un rilascio, Ant lo ha trattato come un aggiornamento del tabellone con un rilascio in arrivo. Non è uno scandalo, e non è insolito — i laboratori annunciano continuamente in anticipo rispetto ai pesi — ma cambia ciò che il lettore può fare oggi, che è l'unico test che conta per un modello a cui potresti instradare traffico.

C'è una conseguenza operativa nascosta nella convenzione di denominazione, ed è il motivo per cui questo schema vale la pena di essere monitorato oltre una singola release. Quando un fornitore aggiorna un modello cambiando il suffisso e lasciando invariata la stringa del modello API, "il modello flash" smette di essere un target stabile. Si richiede il modello per nome, il fornitore indirizza il nome verso la build che ha distribuito più di recente, e la tua valutazione della settimana scorsa non descrive più ciò che ha risposto stamattina. DeepSeek è stato esplicito al riguardo — il changelog dice che le chiamate alla stringa del modello esistente ora raggiungono la build 1017.

Il pinning è la soluzione, ed è una questione di routing più che una questione di benchmark. È anche il punto in cui il nostro catalogo si rivela utile come illustrazione: elenca sia deepseek/deepseek-v4.1-flash che deepseek/deepseek-v4.1-flash-1017 come ID modello separati, e kimi/kimi-k3 accanto a essi, così chi effettua la chiamata può specificare la build anziché la famiglia. Ling-3.1-flash-1019 non è sul nostro catalogo e questo articolo non fingerà il contrario — non esiste alcun endpoint per esso in nessun luogo che possiamo verificare, che è esattamente il punto della sezione precedente.

Che cosa è realmente aperto e quanto vale il "prossimo arrivo"

La build annunciata non è quella open. Quella open è Ling-3.1-flash, i cui pesi Ant ha pubblicato il 15 ottobre con licenza MIT su Hugging Face e ModelScope. La sua card è precisa laddove l'annuncio del 1019 non lo è: 560 miliardi di parametri totali, 25 miliardi attivi per token, un checkpoint scaricabile da 572 miliardi di parametri, 63 layer KDA più 9 layer MLA con gate in rapporto 7:1 e 4 layer densi, 512 esperti instradati con 8 attivati e 1 condiviso, un vocabolario di 157.184 e un contesto di 1M token.

La storia del serving su quella build parentale è ciò che rende davvero interessante un modello da 560B. Le note di rilascio di Ant descrivono uno schema a precisione mista — MXFP4 per gli esperti routed, block-FP8 per i layer densi — che riduce l'occupazione dei pesi da circa 534GB a 292GB e, nella configurazione testata, fa scendere un deployment Hopper da otto GPU a quattro. Ci sono ricette per SGLang e vLLM, uno schema di parallelismo a contesto lungo che Ant chiama PCP/DCP, e un supporto migliorato a JSON Schema per le chiamate ai tool. I numeri misurati di serving pubblicati da Ant non sono eclatanti, ma in senso buono: su otto GPU Hopper, un tempo medio al primo token di 604ms e una latenza inter-token di 3,28ms con un tasso di cache hit del 76%; su quattro, circa 1,36 query al secondo con un tempo al primo token P50 inferiore a tre secondi.

Niente di tutto ciò è confermato per la build 1019. È un'aspettativa ragionevole — un checkpoint con data su quella stessa linea, con gli stessi conteggi di parametri non menzionati, è improbabile che abbia ricostruito la propria strategia di quantizzazione — ma un'aspettativa non è documentazione, e le due cose che deciderebbero se questa release conta a livello operativo mancano entrambe. La prima è la licenza. Il post di Ant stesso del 15 ottobre descrive il modello padre come open-source e non nomina alcuna licenza; la scheda su Hugging Face dice MIT. Si tratta di artefatti diversi con autorità diversa, e per la build 1019 nessuno dei due esiste ancora. La seconda è il checkpoint. Un modello con 25 miliardi di parametri attivi che gira su quattro GPU Hopper è una proposta davvero diversa da uno che ne richiede otto, e l'intera affermazione sulle quattro GPU si basa su una ricetta di quantizzazione che non è stata allegata a questa build.

Quindi, un'interpretazione equa di "coming soon" è che si tratta di una dichiarazione sulla tempistica, non di una dichiarazione tecnica. Ti dice che Ant intende rilasciare. Non ti dice a quali condizioni, con quale entità, né se i calcoli sul deployment valgono anche in questo caso.

Cosa puoi eseguire oggi

La build richiamabile è il parent, Ling-3.1-flash, e le avvertenze su di essa sono di quelle che emergono solo dopo aver provato a usarla. Il contesto servito è stato di 262.144 token anziché 1M come dichiarato dalla specifica, con un limite di output di 32.768 token sull'endpoint ospitato, e il prezzo ospitato è stato promozionale anziché di listino. Le note di Ant del 15 ottobre indicano la promozione a circa il 75% di sconto: 0,075 $ per milione di input, 0,225 $ per milione di output e 0,015 $ per milione di letture in cache sul fronte internazionale, e ¥0,5 / ¥1,5 / ¥0,1 su Ling Studio. Quelli sono numeri reali per il parent, non per la build 1019, che non ha una tariffa pubblicata propria.

Se la tua domanda è «dovrei spostare un percorso di produzione su questo», la risposta è no, e non perché il modello sia scarso. Una build senza endpoint, senza pesi, senza licenza e senza righe pubblicate per singola valutazione non può essere valutata, solo anticipata. Se la tua domanda è «vale la pena tenere d'occhio questa linea», la risposta è sì, e il modo economico per agire è fare benchmark su ciò con cui dichiara la parità. Kimi K3 e DeepSeek V4.1-Flash-1017 sono entrambi raggiungibili tramite un'unica chiave OrcaRouter al prezzo di listino del provider con 0% di ricarico, quindi eseguire lo stesso harness su entrambi ti dice quanto 44 e 45 ti costano davvero per attività prima che Ant rilasci qualsiasi cosa. Il failover automatico qui conta per un motivo banale: quando punti un nuovo harness di valutazione su una build poco familiare, vuoi che un endpoint difettoso ti costi un nuovo tentativo anziché un pomeriggio. Il DSL di routing metterà entrambi i modelli dietro un unico endpoint se preferisci non riscrivere il client due volte.

Cosa lo risolverebbe

Quattro cose, in ordine decrescente di quanto cambierebbero il quadro.

• Le righe delle valutazioni. Una tabella pubblicata per singola valutazione sulla pagina di Artificial Analysis trasformerebbe il 44 da titolo in un profilo e direbbe al lettore se si tratta di un miglioramento agentico o ampio. Il fatto che SciCode esca da "in revisione" conta più del solito, perché il coding è l'ambito in cui un modello economico sostituisce per primo uno costoso.

• I pesi, con una licenza esplicitamente indicata. La MIT renderebbe l'affermazione sui quattro GPU facilmente trasferibile e trasformerebbe questo modello nel più economico della classe K3 che chiunque possa auto-ospitare. Una licenza restrittiva o su misura renderebbe il 44 un numero di marketing con un contratto allegato, e sarebbe una storia a sé.

• Un'API, affinché velocità e latenza esistano. Ogni modello presente nell'indice che dispone di un endpoint ha una velocità di output misurata; questo non ne ha nessuna, il che significa che la metà relativa all'efficienza della dichiarazione "flash" al momento non è testata. Un modello flash che ragiona il 59% più a lungo è un prodotto diverso da uno che ragiona più velocemente nella stessa misura.

• Un unico framework di valutazione per tutti e tre. Nessun benchmark pubblicato finora esegue Ling-3.1-flash-1019, DeepSeek V4.1-Flash-1017 e Kimi K3 sulla stessa valutazione, e finché non ne esisterà uno, ogni confronto in questo articolo — incluso quello nel post che lo ha avviato — è un confronto tra compositi calcolati in momenti diversi su configurazioni diverse.

Fino a quando almeno il primo di questi non arriverà, la sintesi accurata di Ling-3.1-flash-1019 è questa: un punteggio reale, da un laboratorio reale, su un modello che non esiste ancora come artefatto. Ant ha ormai annunciato due build di Ling-3.1-flash prima che l'una o l'altra fosse pienamente disponibile — il lancio di settembre senza pesi, e questa senza né pesi né endpoint — e lo schema è abbastanza leggibile da poter pianificare di conseguenza: trattare un suffisso Ant come un segnale che qualcosa sta arrivando, e quello di DeepSeek come un segnale che qualcosa è già qui. Il 44 vale la pena conoscerlo. Non vale ancora la pena instradarlo.