
Ling-3.0-flash: Ant Groupのオープンウェイト高速ティアMoEについて現在判明していること
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 186 tok/s
- openaiNEWOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 100万トークンあたり · 86 tok/s
- openaiNEWOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 100万トークンあたり · 151 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 192 tok/s
- AlibabaNEWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 100万トークンあたり · 86 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 705 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 100万トークンあたり · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 101 tok/s
Ling-3.0-flash — Ant GroupのInclusionAIによる高速ティアのMoEモデルで、2026年7月24日に発表され、8月7日にMITライセンスでオープンソース化された — に、具体的なシングルデバイス展開の道筋が整いました。10月27日、NVIDIAは技術レシピを公開し、その中でこのモデルのFP4ビルドが1台のDGX Spark上で毎秒53.89トークンをデコードし、37.81 tok/sから42.5%向上、GSM8Kの全1,319問を通じて精度は統計的に変化なしであることを示しました。これらはNVIDIA自身のハードウェア上でのNVIDIA自身の測定値であり、独立した第三者による実行ではなく、バッチサイズ1に適用されるものです。以下のホステッドAPIの数値を置き換えるものではありません。しかしながら、これまで曖昧だったこのモデルの「単一DGX Spark展開の道筋」を、ベースライン、プロトコル、そして文書化された故障モードを備えた公開構成へと変えるものです。
モデル自体は変わっていない。ネイティブなハイブリッド推論型Mixture-of-Expertsであり、総パラメータ数124B、トークン当たり5.1Bがアクティブで、Lingファミリーの高速・低コスト層として構築されている。MITライセンスの重みは8月7日からHugging FaceとModelScopeで公開されている。この投稿の8月版以降で変わったのは、それを取り巻く記録の方だ。8月にこの投稿が引用したArtificial Analysisの評価では、Ling-3.0-flashはIntelligence Indexで38を記録し、知能対総パラメータのオープンウェイトParetoフロンティアに位置づけられていた。AAの現行ページでは現在、このモデルはLing-3.1-flashに取って代わられたものとして非推奨と表示され、読者はそちらへ案内され、最新のIntelligence Indexは表示されなくなっている。38はこのチェックポイントが受けた最後の独立スコアであり、現在の数値ではない。
この改訂では、10月のDGX Spark測定結果を反映し、8月の投稿で変化した箇所——AAの現在の速度数値と非推奨ステータス——を修正するとともに、出典ラベルはそのまま維持しています。数値の唯一の出典がAnt GroupまたはNVIDIAである場合は、その旨を文に明記しています。
TL;DR。Ling-3.0-flash は Ant Group の高速ティアに位置するオープンウェイト MoE です。総パラメータ 124B/アクティブ 5.1B、MIT ライセンス、ネイティブコンテキスト 256K(提供時は 262K)。もはや最新の Ling ではありません——AA は Ling-3.1-flash を推してこれを非推奨と位置づけています——が、引き続き利用可能でドキュメントも整備されており、さらに単一デバイスでの実測レシピも揃いました。NVIDIA の10月27日付 DGX Spark 構成では、GSM8K においてバッチサイズ1で 53.89 tok/s、自社ベースライン比 +42.5%(ベンダー報告)。ホスト型 API では、AA は現在 243 output tok/s、タイム・トゥ・ファースト・トークン 2.79秒を掲載しています。依然としてベンダー単独の情報:Ant のピークスループット 1,100+ tok/s という主張、TTFT 100ms 未満という数値、モデルカードのベンチマーク表。ファーストパーティ API の価格は 100万トークンあたり入力 $0.075/出力 $0.22(キャッシュヒット時は 80% オフ)。ローンチ時の無料枠は8月3日に終了し、Ling Studio の 75% オフプロモーションは8月31日に終了しました。
主なポイント
• これは高速/低コスト階層であり、フラッグシップではありません。前世代の1Tパラメータのフラッグシップは引き続きInclusionAI最大のモデルであり、Ling-3.0-flashは大量のテキスト処理とツール呼び出しに対応する、より小型で高速な兄弟モデルです。
• 重みは引き続き MIT ライセンスで公開されています。8月7日に Hugging Face(inclusionAI/Ling-3.0-flash)と ModelScope で公開され、NVIDIA が DGX Spark 向けに文書化している MXFP4 ビルドは、BF16 および FP8 のチェックポイントとともに提供されます。
• 独立系スコアは今や過去のものとなった。この記事が8月に引用したAAの実行では38点を記録し、Ling-2.6-flashから24点上昇して、オープンウェイトのパレートフロンティアに位置づけられた。AAの現行ページでは、同モデルはLing-3.1-flashへの移行に伴い非推奨とされ、現在のインテリジェンス指数は表示されていない。
• 速度には3つの基準点があり、これらは相互に置き換え可能ではありません。AAは現在、ホスト型API上で243 output tok/sを記載しています。NVIDIAは、バッチサイズ1のDGX Spark 1台で53.89 tok/sを計測しています。Antは、特定のクラスタハードウェア上で1,100+ tok/sを依然として主張しています。
• 価格は確定しており、プロモーションは終了しています。100万トークンあたり入力 $0.075 / 出力 $0.22、キャッシュヒット時は80%割引。ローンチ時の無料枠は8月3日に終了し、Ling Studioの75%オフ期間は8月31日に終了しました。
• これは3モデル構成のファミリーの一角です。InclusionAIはそのラインナップを、Ling(汎用テキストとツールのMoE、本モデル)、Ring(推論)、Ming(マルチモーダル)に分けています。
この更新の読み方に関する注記:これは7月24日のプレビューと、その前の8月8日の改訂版を再改訂したものです。10月27日のDGX Sparkの結果が新しい内容であり、AAの修正は事務的なもので、記事がもう存在しない現行スコアを引用しないようにするためのものです。以下のすべての仕様、ベンチマーク、価格は出典別に明記されています。
私たちが実際に知っていること
アーキテクチャはモデルカードで完全に文書化されています。Ling-3.0-flashはネイティブなハイブリッド線形アテンションスタックを採用しており、Kimi Delta Attention(KDA)とGated MLAレイヤーが5:1の比率で交互に配置され(KDA 35層+MLA 7層、合計42レイヤー)、KDAには細粒度の対角ゲーティングを備えています。その上に1/64のスパースMoE(512のルーテッドエキスパート、トークンあたり8個をアクティブ化、さらに共有エキスパート1個)が積まれています。これにより、総パラメータ124Bでありながらアクティブはわずか5.1Bに抑えられています。コンテキストウィンドウはネイティブで256K、推論レシピでは262,144トークンとして提供され、Antはこのアーキテクチャが1Mまでスケールすると主張しています。最大出力長は非公開です。このモデルはテキスト専用でツール呼び出しをサポートしており、マルチモーダル入力は別系統のMingラインに存在します。
ラボが公開している重み形式は2つあります。BF16(約255GB)とFP8(約128GB)で、コミュニティによる量子化版はモデルカードからリンクされています。DGX Sparkのレシピでは3つ目の形式を使います。デバイスの121GBの統合メモリに収まるMXFP4ビルドです。ラボ自身のデプロイレシピはSGLangとvLLMを対象としており、NVIDIAのSpark向け経路ではInclusionAIによるSGLangビルドにHumming MoEバックエンドを追加したものを使います。
利用可能性: MITライセンスの下でのオープンウェイト
8月7日、Ant GroupのInclusionAIチームは、Hugging Face(inclusionAI/Ling-3.0-flash)とModelScope上で、MITライセンスの下で重みをオープンソース化しました。これは寛容で商用利用可能なライセンスであり、Ling 2.0とLing 2.6が採用していたものと同じです。つまり、API経由で借りるのではなく、Ling-3.0-flashを自分でセルフホストし、ファインチューニングし、デプロイできます。このモデルは、Ant自身の開発者APIおよび複数のサードパーティプラットフォームからも呼び出せます。この価格帯の高速ティアモデルにとって、興味深い問いはもはやセルフホストできるかどうかではなく、121GBのデバイス1台で十分かどうかです。InclusionAIのLing Cookbookには現在、Ant GroupとNVIDIAに共同でクレジット表記されたDGX Sparkノートブックが掲載されており、そこで使用されるMXFP4チェックポイントは他のフォーマットと並んで公開されています。以下のセクションは、その問いに対する最初の実測回答です。

独立したスコア:今や歴史となった8月の結果
7月の投稿からの最大の変化は、第三者による独立した数値が登場したことでした。この投稿が8月に引用したArtificial Analysisの評価では、Ling-3.0-flashはIntelligence Indexで38を記録し、前世代の高速ティアであるLing-2.6-flash(14)を24ポイント上回り、MiMo-V2.5およびQwen 3.6 27Bと同水準でした。しかも、それらのパラメータのごく一部しか活性化していません。AAはまた、このモデルを知能対総パラメータのオープンウェイトParetoフロンティア上に位置づけました。当時、総パラメータがより少ないオープンウェイトモデルで、これより高いスコアを出したものはありませんでした。AAにおける高速ティアのオープンウェイト首位、DeepSeek V4 Flashはさらに高いスコア(最大推論努力時にIndex 52)を記録しました。
その記録はその後、覆されるのではなく取り下げられた。Ling-3.0-flash に関する AA の現行ページでは、このモデルは Ling-3.1-flash を優先する形で非推奨と表示され、読者を新しいモデルへ案内しており、現在の Intelligence Index は表示されていない。38 はこのチェックポイントが最後に受けた独立スコアであり、現行のランキングではなく、日付の付いた結果として読むべきだ。今日 Ling モデルを選ぶなら、比較すべき相手は AA が現在対象としている Ling-3.1-flash だ。
その評価におけるエージェント性能とロングコンテキストの結果も、方向性としては強力だった。AAのτ3-Bench Bankingスイートでは、Ling-3.0-flashが27%を記録し、フラッシュ層のオープンウェイトモデルの中でDeepSeek V4 Flash(39%)に次ぐ2位となった。GDPval-AA v2ではElo 1108に到達し、Ling-2.6-flashの545から大幅に向上している。Antは10,000以上(ベンダー報告)のインタラクティブ環境でこのモデルを学習させており、エージェントワークフローにおける実行ノードとして売り込んでいる。高速で安価、使い捨て可能であり、重い推論はより大型のフラッグシップモデルに任せるという位置づけだ。
出典に関する注意点が1つあります。Ant のモデルカードにあるベンチマーク表 — SWE-Bench Pro 56.6、SWE-bench Multilingual 72.4、MathArena AIME 2026 93.2、HLE 22.7 — はベンダー報告によるもので、独立に再現されていません。これはラボ自身の主張として扱うべきで、下記の最高速度の数値と同じカテゴリに属します。
速度:3つの数字、3つの異なる設定
スピードの話には今や三つの数値があり、まず最初にすべきことは、それらを同じ測定値として扱うのをやめることです。
ホスト型APIでは、Artificial Analysisは現在、毎秒243出力トークンと初回トークンまでの時間2.79秒を掲載しています。これは、この投稿が8月に報告した368 tok/sと1.98秒を下回っています。AAのプロバイダーパネルと実行内容は変わるため、今日引用すべきなのはライブページです。それでも、このモデルはスピードクラスで上位近くにランクされています。
単一のDGX Spark上で、NVIDIAはGSM8Kにおいてバッチサイズ1で毎秒53.89デコードトークンを報告しており、自社ベースライン比で42.5%の向上です。これはローカルな単一ユーザーの数値であり、APIスループットの数値とは比較できず、並行処理の結果でもありません。次のセクションで詳しく解説します。
指定されたクラスタハードウェア上で、Antは、SGLang HiCacheとMooncake上に構築された階層キャッシュ層を用いて、平均出力レートが{{1}}1,100トークン/秒{{/1}}を超え、{{2}}初回トークンまでの時間が100ms未満{{/2}}であると主張しています。これは依然としてベンダー単独の情報です — Antが管理するハードウェアとバッチ構成で測定されたもので、独立した再実行は公開されていません。計画策定には、ホスト型ワークロードにはAAの数値を、単一のSparkにはNVIDIAの数値を用い、1,100+ tok/sは自社のワークロードで検証すべき上限として扱ってください。
DGX Spark 1台:42.5%が実際に測定しているもの
10月27日、NVIDIAの技術ブログは、1台のDGX Spark——121GBの統合メモリを搭載したGB10デスクトップシステム——上でLing-3.0-flash-fp4を提供するためのレシピを公開し、InclusionAIのLing Cookbookには対応するノートブックが収録されており、Ant GroupとNVIDIAの共同名義となっている。Ant Group自身の発表では、この取り組みはNVIDIAとの技術協業と説明されていた。これはデモではなく、入念なベンチマークである。GSM8Kの全1,319問、5ショットの思考連鎖(chain-of-thought)、バッチサイズ1、temperature 0.6、top-p 0.95、top-k 29、そして32,768トークンの上限を用いている。
ベースラインは、FlashInferのMXFP4 MoEカーネル、CUTLASSの密行列GEMM、32ビットLMヘッドを用いて提供されるW4A8ビルドです。そのベースラインでは、デコードは37.81 tok/sで動作します。3つの変更を積み重ねると、53.89 tok/sで動作し、見出しにある42.5%に相当します。出力トークンあたりの平均時間は26.45msから18.56msへ低下(−29.8%)、平均エンドツーエンド遅延は15.21sから11.49s(−24.5%)、P50は8.36sから6.11s、P95は50.20sから38.60sになります。GSM8K精度は96.89%から96.82%へ移り、NVIDIAが統計的に検出不可能と説明する0.08ポイントの差です。最初のトークンまでの平均時間はほぼ横ばいで、0.207sから0.214sです。これらはデコードの改善であり、プリフィルの改善ではありません。
3つの変更は、それぞれ異なるコストを対象としています:
• Humming の MXFP4 MoE カーネルは FlashInfer バックエンドに取って代わります。Humming は実行時に NVRTC を使ってモデルの正確な形状(幅768の狭いMoE中間サイズを含む)に合わせてカーネルをコンパイルし、~/.humming/cache にキャッシュします。NVIDIA の合成テストでは、これだけでスループットが9.3%向上します。
• LMヘッドのオンラインFP8量子化。ヘッドはチェックポイントではBF16のままで、その157,184 × 2,560のGEMMはトークンごとに重みブロック全体を読み取る。読み込み時にFP8へ量子化すると、その読み取り量が半分になる。これはSGLANG_ENABLE_FP8_LM_HEAD=1で有効化され、ベースラインの--enable-fp32-lm-headと競合し、Humming単独より11.4%向上する。
• NEXTN のマルチトークン予測。モデルに組み込まれた NEXTN 層は3トークンをドラフトし、4トークン幅のウィンドウを検証します。GSM8K では、1ラウンドあたりの平均受理ドラフト長は2.68トークンです。
同じ投稿には、さらに目を引く数字がある。バッチサイズ1での合成32K入力/2K出力ワークロードでは、36.09から102.88 tok/sへ上昇し、+185.1%となる。NVIDIA自身が、これを一般化しないよう警告している。その実行では貪欲法(greedy decoding)、固定の2K出力、反復的なテキストが使われ、受理トークン数は1ラウンドあたり3.90に達したのに対し、GSM8Kでは2.68だった。計画の基準にすべきは42.5%というGSM8Kの数値だ。185.1%は合成の最良ケースにおける上限である。
スピードアップよりも重要な運用上の落とし穴が一つある。FP8のLM-head量子化とMTPが両立するのは、ドラフトモデルがターゲットのLM-headモジュール全体を共有している場合に限られ、単にその重みテンソルを共有しているだけでは不十分だ。このインターフェースがなければ、フレームワークは黙ってフォールバックし、FP8の重みをBF16として読み込み、アクセプタンスを1.00まで低下させ、最適化前のベースラインより遅くなる可能性さえある。NVIDIAの助言は、後から計測したタイミングから推測するのではなく、起動時にすべての最適化が有効になっていることを検証せよ、というものだ。
読者にとって変わること:single-Spark 経路はもはやベンダーのスライドではありません。ベースライン、測定プロトコル、明示された失敗モードを備えた公開レシピであり、自分のデバイスで再現するか拒否するかを判断できるだけの内容です。変わらないこと:依然として NVIDIA 自身による測定であり、1 台のデバイス上、バッチサイズ 1、デコード向けです。同時サービング、長いコンテキストのスループット、ホスト型 API については何も述べていません。また、FP4 ビルドに固有の内容であり、BF16 と FP8 のチェックポイントはメモリと帯域幅のプロファイルが異なります。
料金: 安い、そしてプロモーションは終了しました
Artificial Analysisは、ファーストパーティAPIを入力100万トークンあたり$0.075、出力100万トークンあたり$0.22と記載しており、キャッシュヒット時は$0.015(−80%)です。これらはすべてベンダーが設定した価格です。ローンチ時の無料枠(1日50万無料トークン、無料APIアクセス)は8月3日に終了しました。Ling Studioにおける一時的な75%割引期間は2026年8月31日まで続き、9月1日以降は定価が適用されています。定価であっても、$0.075/$0.22は、その評価でIndex 38のモデルとしてはLing-3.0-flashを明確に低価格帯に位置づけます。
これほど低い価格では、切り替えコストの方がトークンあたりの価格よりも重要です。OrcaRouterの役割は、その比較におけるホスト型側を公正に保つことです。200以上のモデルに対応する単一のAPI、プロバイダーの定価を0%のマークアップでそのまま反映し、プロバイダー間で自動フェイルオーバーを行います。DGX Sparkのローカル展開は、ベンダーのスライド資料ではなく、現実の最新市場価格を上回る必要があります。ホスト型プロバイダーが価格を変更した場合、パススルーによって同じ日に同じキー上でそれが反映されます。
Ling家 / Ring家 / Ming家
Ling-3.0-flashは単独で存在するわけではありません。InclusionAIはリリースを3つの名称ファミリーに分類し、それぞれ異なる用途を目指しています。Lingは日常的なテキスト生成とツール呼び出し向けの汎用MoE系であり、Ling-3.0-flashはその高速・低コスト側に位置し、前世代の1Tパラメータのフラッグシップより一段下になります。Ringは推論に特化した系で、多段階の思考連鎖向けに構築されています。Mingはマルチモーダル系です。タスクでより重い推論や画像入力が必要なら、適切なInclusionAIモデルはおそらくLing-3.0-flashではありません。これはテキストとツールの領域内で、量と速度を重視して作られています。
対象: 4つのシナリオ
1. 高ボリュームでレイテンシーに敏感なテキストまたはツール呼び出しパイプライン
これはこのモデルが得意とする領域です。MITライセンス、公開された単一Spark向けレシピ、日付入りの独立したIndex of 38を備えているため、高速ティアへの賭けは仮説ではなく検証可能です。独自の評価セットをこれに通して実行するか、重みを取得してセルフホストしてください。ただし、自分のワークロードで測定するまでは、ベンダーがうたう1,100+ tok/sの上限を前提に構築しないでください。
2. 予算に制約があるが長いコンテキストが必要なチーム
256Kのネイティブコンテキスト(提供時262K)に1Mへの道筋が明記され、料金が$0.075/$0.22という組み合わせは、検索重視や文書処理の作業に魅力的です。モデルカードの長コンテキストの数値はベンダー報告値なので、確立された長コンテキストの選択肢と比較して候補に入れ、採用を決める前に自社のコーパスで検証してください。
3. 中国のMoE情勢とInclusionAIのロードマップを追跡するウォッチャーたち
7月の疑問——InclusionAIはオープンであり続けるのか——に、今、答えが出た。イエス、MITライセンスで、しかも速い。Ling-3.0-flashが5.1BアクティブでAAパレートフロンティアに到達したことは、その一つのデータ点だった。10月のDGX Sparkレシピは二つ目のデータ点だ。124Bモデルがバッチサイズ1で、1台のデスクトップボックス上で53.89 tok/sでデコードし、しかもそのレシピは公開されている。
4. デスクにDGX Sparkを1台置いたチーム
すでにそのマシンを所有しているなら、NVIDIAのレシピは最初にコピーする価値のある構成です。MXFP4ビルド、InclusionAIのSGLangフォーク、Humming MoEカーネル、FP8 LMヘッド、NEXTN MTPです。これは1ベンダーによるバッチサイズ1での測定値として扱い、起動時にFP8とMTPの部分が実際に有効になっていることを検証してください。サイレントフォールバックという障害モードは実在します。Sparkを所有していない場合、このレシピは121GBのユニファイドメモリで何が得られるかを示すデータポイントであり、購入する理由ではありません。
まだ検証されていないものは何ですか
大きなギャップが埋まった今、残るのは短いリストだ。Antのピーク速度の主張(1,100+ tok/s、100ms未満のTTFT)には、依然として独立した再測定がない。モデルカードのベンチマーク表は、今もベンダー報告のままである。FP4/INT4ビルドと単一DGX Spark経路はもはや曖昧ではない——NVIDIAが構成を公開し、InclusionAIがノートブックを提供している——が、53.89 tok/sと96.82%という数値は、NVIDIA自身が1台のデバイス、バッチサイズ1で測定したものであり、第三者による再現ではない。独立スコアは過去のものだ。この記事が8月に引用した評価では38点で、現在のライブページではLing-3.1-flashを優先してモデルは非推奨と表示されている。知識面では、その評価のOmniscience Indexは、前世代からの改善が主に回答を控えることによってもたらされたことを示していた——ハルシネーションは低下(97% → 44%)した一方、正確性はわずかに上昇(16% → 18%)しただけ——なので、見出しのIndexの急上昇を、あらゆる分野での知識の飛躍と取り違えないでほしい。
使用すべきでない場合
マルチモーダル作業には Ling-3.0-flash を避けてください — それは Ming 系です。高速な実行者ではなく、重厚な推論フラッグシップが必要なら避けてください — それは Ring の領分です。セルフホストを計画しているなら、実際のハードウェアに予算を組んでください。BF16 は約 255GB、FP8 は約 128GB、そして MXFP4 ビルドは 121GB の DGX Spark に収まるものです。既存デプロイの維持ではなく新たに Ling モデルを選ぶなら、まず Ling-3.1-flash と比較してください。AA はそのカバレッジをそちらへ移しています。そして、ある主張があなたにとって重要なら、検証してください — 最高速度と長コンテキストの数値は、独立ラボが再実行するまで Ant のものです。
よくある質問
Ling-3.0-flashはオープンウェイトですか?
はい。ウェイトは8月7日にMITライセンスのもとでオープンソース化され、Hugging Face(inclusionAI/Ling-3.0-flash)とModelScopeで公開されました。これは寛容で商用利用可能なライセンスであり、Ling 2.0およびLing 2.6がリリースされた際と同じものです。
Ling-3.0-flashはベンチマークでどのような性能を示しますか?
この投稿が8月に引用したArtificial Analysisの評価では、Intelligence Indexで38を記録し、Ling-2.6-flashから24ポイント上昇しており、知能対総パラメータ数におけるオープンウェイトのパレートフロンティアに位置づけられていました。AAのライブページでは現在、このモデルはLing-3.1-flashに代えて非推奨と表示され、現在のIntelligence Indexは示されていないため、38は過去の結果です。Antのモデルカードにあるベンチマーク表(たとえばSWE-Bench Pro 56.6)はベンダー報告値であり、独立して再現されていません。
実際にはどのくらい速いのですか?
3つの異なるセットアップに対して、3つの異なる数値があります。AAは現在、ホスト型APIで毎秒243出力トークンと2.79秒の最初のトークンまでの時間を記載しています。NVIDIAは1台のDGX Sparkでバッチサイズ1のとき53.89デコードtok/sを報告しています。Antは指定されたクラスタハードウェアで1,100+ tok/sと100ms未満のTTFTを主張しています。AAの数値だけが独立したものであり、他の2つは異なるハードウェアでのベンダー測定です。
Ling-3.0-flashの料金はいくらですか?
AAはファーストパーティAPIを、入力トークン100万あたり$0.075、出力100万あたり$0.22、キャッシュヒット時80%割引として掲載している。ローンチ時の無料枠は8月3日に終了し、Ling Studioの一時的な75%オフ期間は2026年8月31日に終了した。
Ling、Ring、Mingの違いは何ですか?
LingはInclusionAIの汎用テキストおよびツール呼び出し向けMoEラインであり、Ling-3.0-flashはその高速・低コスト側に位置します。Ringは推論に特化したラインです。Mingはマルチモーダルタスクを担います。これらは異なる用途のための別個のファミリーであり、1つのモデルの階層ではありません。
Ling-3.0-flash は DGX Spark 1台で動作しますか?
はい。NVIDIAは10月27日、1台のDGX Spark(121GBのユニファイドメモリ)上でMXFP4ビルドを実現するレシピを公開しました。Humming MXFP4カーネル、FP8 LMヘッド、NEXTNマルチトークン予測を使用しています。GSM8Kの1,319問においてバッチサイズ1でデコード53.89 tok/s、42.5%の向上、精度96.82%を報告しています。これらの結果はNVIDIA自身によるものであり、独立に再現されたものではなく、バッチサイズ1でのみ成立します。また、FP8とMTPの併用ではドラフトが完全なLMヘッドを共有する必要があり、そうでなければスループットが最適化前のベースラインを下回る可能性があります。
今日、本番環境でLing-3.0-flashを使用すべきですか?
成熟したオープンウェイトモデルですが、もはや最新のLingではありません。AAはLing-3.1-flashを推奨し、これを非推奨と位置付けています。すでにLing-3.0-flashを運用しているなら、DGX Sparkのレシピは再現する価値のある具体的な最適化です。新規に選ぶ場合は、Ling-3.1-flashと比較し、独自の評価セットを実行してください。MITライセンスと$0.075/$0.22の価格により、依然として信頼できる低価格帯の選択肢となっています。
結論
Ling-3.0-flash はもはや最新の Ling ではなく、AA のライブページもそう示している。多くのオープンウェイトモデルが決して手にできないものを、このモデルは持っている。すなわち実測された単一デバイス構成だ。DGX Spark 1台、バッチサイズ1でデコード 53.89 tok/s、GSM8K で 96.82% を記録し、ベースライン、プロトコル、失敗モードも併せて公開されている。42.5% は独立した判定ではなく NVIDIA 自身の結果として読み、8月の Index 38 は過去の記録として読むべきだ。そうした限界の範囲内で、このモデルは依然として信頼できるローカルの高速枠の選択肢である。新たに始めるなら、最初に比較すべき相手は Ling-3.1-flash だ。
