Ling-3.0-flash-VL：Antの5.5Bアクティブ視覚モデル、インテリジェンス指数で25に到達

Ling-3.0-flash-VL には今や、Ant Group の誰も入力しなかったベンチマーク数値があり、それがニュースだ。Ant の inclusionAI ラボから出た初のネイティブ・マルチモーダルモデルは、Artificial Analysis Intelligence Index で 25 と採点されている — 独立した実行による、現在の v4.3 スケールでの結果で、その速度、レイテンシ、価格を記載したモデルページとともに公開された。これは、ベンダー自身のモデルカードが同じインデックスで42 と主張してから3週間後に登場した。そして、この2つの数値を使って読者ができる最も有用なことは、なぜそれらが矛盾しないのかを理解することだ。Ant は Intelligence Index プロトコル v4.1.1 に対して測定し、Artificial Analysis は v4.3 に対して測定したのであり、これらは異なる評価セットから作られた異なる物差しなのだ。ベンダーの数値は、第三者との接触を生き延びたというより、それが書かれた時には存在しなかったスケールで測り直されたのだ。

スコアの下にあるモデルは、スパースなMixture-of-Expertsで、総パラメータ124B、トークンあたり約5.5Bがアクティブ、MITライセンスの下でBF16とFP8の重みで公開され、テキスト、画像、動画を受け取り、テキストを返します。そのアクティブパラメータの数字こそが、このモデルのすべての根拠です。5.5Bのアクティブで、Ling-3.0-flash-VLは、オープンモデルにおいて最も興味深い曲線、つまり総サイズではなくアクティブパラメータに対して知能のフロンティアをプロットした曲線の上に位置しています。そして、それがそこにあるのは、巨大だからではなく、推論計算の単位あたりかなりの仕事をするからです。

この記事では、実際に何がいつ出荷されたのか、独立した実行が何を示しているのか、なぜパレートの主張がほとんどの主張よりも持ちこたえるのか、モデルのコストと実際にどこから呼び出せるのかを扱う。短い版だけを求める人向けに言えば、Ling-3.0-flash-VL は実在し、オープンウェイトで、提供コストが異常に安く、同サイズクラスでは測定可能なほど平均を上回るが、素のスコアが示唆するよりも明らかに冗長で、出荷も遅い。ベンダーが主張する 42 は独立に再現されたことはなく、現在ボードに載っている 25 とは比較できない。

実際に出荷されたもの、そして何度も平板化され続けるタイムライン

このリリースに関する報道は、いくつかの別個の出来事をひとつのローンチ日にまとめてしまいがちだが、日付は重要だ。なぜなら、初期の記事が、Antの外部では誰もスコアを付けられなかったモデルについて述べていた理由を説明してくれるからである。Hugging FaceリポジトリinclusionAI/Ling-3.0-flash-VLは2026年9月4日に作成された — BF16重みの64シャード、MITライセンス、bailing_moe_v3_vlアーキテクチャ向けのカスタムコードスタック、そして数日間はほとんど誰もダウンロードしなかった。FP8量子化は続いて9月8日に行われ、約126 GBが64シャードにわたり、ビジョンタワーはエキスパート重みよりも高い精度に保たれていた。Artificial Analysisはこのリリースを2026年9月10日として掲載しており、それが同サイト自身のページが基準としている日付で、スコアを掲載したモデルページもその頃に公開された。

つまり「2026年9月リリース」は正確だが、役には立たない。実務上の順序はこうだった。4日に重み、8日に第2の精度形式、10日に独立した測定。これが重要なのは、重みがディスク上にあってもホストされたエンドポイントも第三者スコアもないモデルは、ほとんどのチームにとってまだ評価できるものではなく、プロビジョニング対象のダウンロードにすぎないからだ。Ling-3.0-flash-VLがその線を越えたのは、APIと独立スコアの両方が存在したときだった。

サービング対応はウェイトの後ではなく、ウェイトと同時に登場した。AntはSGLangのデプロイメントクックブックを公開し、このアーキテクチャ向けにLingチューニングを施したvLLMのフォークをメンテナンスしている。それは、オープンリリースでは通常数週間遅れる部分だが、ここでは遅れなかった。

ボードの番号と、カードの番号

こちらが、Artificial Analysis による独立した全体像です。これは、このモデルについて現在存在する唯一の第三者による測定です：

• Intelligence Index — 25（v4.3）では、同サイズクラス内の64モデル中2位、クラス中央値は8br /> • 総パラメータ数 — 124Bbr /> • アクティブパラメータ — トークンあたり5.5Bbr /> • 出力速度 — 142.9トークン/秒、64モデル中10位、同規模モデルの中央値105.1に対してbr /> • 初回トークンまでの時間 — 2.21秒、同規模モデルの中央値2.29に対してbr /> • コンテキストウィンドウ — Artificial Analysisによる計測で262Kトークン、モデルカード自体が明記する256Kに対してbr /> • ライセンス — MIT、オープンウェイト

そして、これがしばしばその隣に印字されるベンダー側の数値である：Artificial Analysis Intelligence Index プロトコル v4.1.1 における 42——同じプロトコルでテキスト専用のLing-3.0-flashが記録した値より4ポイント高い。この主張はモデルカードに記載されているが、公開された評価トレースはなく、Artificial Analysis が報告している数値でもない。同時に成り立つ事実が二つある。42 は再現されておらず、そしてそれは何らかの不誠実さの証拠ではない。なぜなら v4.1.1 と v4.3 は同じものを測っているわけではないからだ。Artificial Analysis は 2026年9月にインデックスを再定義し、ボード全体を再スコアリングした。v4.3 は AA-Briefcase、GDPval-AA v2、AutomationBench-AA、Terminal-Bench v4.0、Humanity's Last Exam を含む10の評価を取り入れている。バージョン名も示さずに 25 の隣に 42 を引用している記事は、二つの異なるテストを比較してそれを低下と呼んでいるにすぎない。

ヘッドラインのスコア以外で特筆すべき点は冗長性だ。Artificial Analysisは、Ling-3.0-flash-VLが1億6000万出力トークンをIntelligence Indexの完了に費やしたと記録しており、64モデル中8位、中央値8,400万に対して、それを「非常に冗長」とラベル付けしている。小さなアクティブパラメータ数による安価な推論を売り文句にするモデルにとって、これはその売り文句に真っ向から反する。支払うのはパラメータ単位ではなくトークン単位だ。5.5Bをアクティブ化しながら、同じ質問に答えるのに中央値のほぼ2倍のトークン数を出力するモデルは、その構造的優位の一部を支払いの場で返上している——これはまさに、トークンあたりの価格表が隠し、タスクあたりのコスト測定が露呈する類の相互作用だ。

パレートの主張に、少し圧力をかけてみる

Ling-3.0-flash-VL が知能対アクティブパラメータのパレートフロンティア上にあるという主張は、異例なことに、単に許容されるだけでなく独立したデータによって裏付けられている。この指標におけるクラス中央値は 8 であり、Ling-3.0-flash-VL は 25 を記録し、しかもトークンあたり 5.5B パラメータを活性化してそれを達成している。提供可能なスループットが絶対的な制約であるチーム——単一アクセラレータ、固定のリクエスト予算、エッジ展開——にとって、その比率が決定のすべてであり、これは真に強い成果である。

2つの注意点があるため、これは手放しの勝利とは言えない。1つ目はパラメータ数の不一致だ。モデルカードには約5.5Bアクティブと書かれているが、SGLangクックブックでは5.1Bアクティブのモデルとして説明されている。どちらもAntの文書であり、差は小さく、方向を変えるというより曲線の形をわずかに変える程度だ。2つ目は、「フロンティア」が毎週動く分野についての相対的な主張だという点である。特定のサイズにおいてアクティブパラメータあたりの知能が最高であることは、その帯域の次のモデルが出荷されるまで保持できる立場にすぎず、しかもこの帯域は混雑している。

ベンダー自身の目玉デモ——すなわち、Ling-3.0-flash-VLが「linthium」というハンドルでImage-to-WebDev Arenaに出場し、そのスコアは1,441対GPT-5.4の1,440——は、結果というより注意を引くものとして読むべきだ。1点差はアリーナEloのノイズの範囲内であり、ベンダー報告であり、何かを決めるような差ではない。その背後にある能力の主張は数字よりも興味深い。このモデルは、レイアウトからフロントエンドコードを生成し、自身の出力をレンダリングし、そのレンダリングを見て修正するという視覚フィードバックループ用に作られている——一度キャプションを付けて止めるのではなく、観察し、行動し、検証し、修正するのだ。

それがいくらかかるのか、それは見た目ほど明確ではない

Artificial Analysisのページには、Ling-3.0-flash-VLが100万入力トークンあたり$0.00、100万出力トークンあたり$0.00と掲載されている。同業他社の中央値が$0.14と$0.40であるのに対し。これは価格ではない。価格の見せかけだ。Artificial Analysisは、自社が確認できるエンドポイントの価格を掲載しており、そのエンドポイントは無料だ。このモデルはAntのLing Studio上で無料トライアルとして稼働しており、この掲載が反映しているのは無料のプロモーションアクセスにすぎない。Ant自身のマルチモーダルドキュメントは、このビジョンモデルのトークン単位の価格を一切公開していない。したがって、このゼロを照合できるベンダーの料金表は存在しない。規模感を示すと、テキスト専用の兄弟モデルLing-3.0-flashは100万入力あたり約$0.075、100万出力あたり約$0.22で掲載されており、Antのドメイン特化型Lingバリアントも無料APIとして提供開始された。

ゼロは料金ではなく試験運用の窓と捉えよう。リリース直後のモデルの無料枠は顧客獲得のための道具であり、正直な計画上の前提は、Ling-3.0-flash-VL がいずれテキスト版の兄弟モデルと同程度の価格を帯びるようになるというものだ。有料エンドポイントの登場では解消されない曖昧さもまだ残っている。Ant 自身の API 例ではモデル識別子Ling-3.0-flash-VL-rc1（リリース候補を示す印）が使われており、提供されているチェックポイントが9月4日のオープンウェイトとバイト単位で同一かどうかは依然として不明だ。自前のプロンプトをホスト型 API に対してベンチマークし、その結果がセルフホストの BF16 ビルドにも移行すると期待しているなら、それはその上に構築する前に検証すべき前提である。

コストの全体像は、どちら側に立っているかによって逆転する。すでにアクセラレータを持つチームにとって、約126 GBのFP8ビルドは8-wayの80GBクラスノードに収まり、5.5Bのアクティブパラメータ数は、トークンあたりのごく小さな計算フットプリントに対してそのノードの償却コストを支払うことを意味する——このモデルの可能な限り最も安いバージョンは、自分でサービングするものだ。アクセラレータを持たないチームにとっての問題は、無料枠が終了する前に有料エンドポイントが登場するかどうかだ。

実際にそれを呼べるところ、私たちがノーと言う部分も含めて

Ling-3.0-flash-VLには、Ant自身のプラットフォームを通じてアクセスできます。OpenAI互換のエンドポイントはapi.ant-ling.com/v1/chat/completionsで、それに並んでAnthropic互換のエンドポイントも用意されています。さらにLing Studioでの無料トライアルアクセス、自分でホストできるオープンウェイトもあります。独立系ゲートウェイもすでに掲載を始めており、何もプロビジョニングせずに試すには、これがまさに最速の方法です。

はっきりと言っておくべきなのは、OrcaRouter は現在 Ling-3.0-flash-VL をルーティングしていないということです。それは当社のモデルカタログには載っていません。ですから、当社経由でそれを呼び出せるという話をここで読んだとしても、それは虚構であり、むしろ最初にそれを知っておいてほしいと思います。当社が実際にルーティングしているのは、それと最も直接的に比較できるビジョンモデルです: DeepSeek V4 Flash Vision Exp、DeepSeek の実験的なマルチモーダルビルドで、100万トークンのコンテキストウィンドウと公開料金を備えて当社のカタログで稼働しています。もし本当に必要なのが、1つの OpenAI 互換エンドポイントの背後にある高性能なビジョンモデル — プロバイダーの一時的な不具合が起きても応答が始まる前にリトライされるフォールバックチェーンが設定され、プロバイダーの定価が上乗せなしでそのまま適用され、ベンダーの価格変更が行われたその日にあなたに届く — なのであれば、Ling-3.0-flash-VL がカタログ外のままでいる間は、まずそのモデルを試すのがよいでしょう。

ここから何に注目すべきか

このリリースが6か月後に重要に見えるかどうかを決めるのは、3つのことだ。第一は、2度目の独立した実行である。単一の評価者による1つのスコアは1つのデータ点にすぎず、興味深い問いは、Ling-3.0-flash-VLが知能対アクティブパラメータ曲線上で占める位置が別のハーネスでも維持されるかどうかだ。第二は、実際の価格設定である。Antがビジョンモデルの料金表を公開するまで、それに関するあらゆるコスト比較は、数字の衣をまとった推計にすぎず、無料枠が、本来なら価格が果たすはずの役割を担っている。第三は、FP8の品質差である。そのビルドでは、ビジョンタワーはエキスパート重みよりも高い精度に意図的に保たれており、量子化版が細粒度の視覚タスクでBF16に匹敵するかどうかは、人々がベンチマークするのではなく本番環境で動かして初めて浮上する類の問いそのものだ。

今日得られる結論は、発表時の報道が示唆していたよりも狭く、スコアだけよりも有用だ。Ling-3.0-flash-VLは、本物の、MITライセンスの、セルフホスト可能な視覚モデルであり、124Bパラメータのごく一部だけを活性化し、現在の独立系インデックスで25を獲得して同クラス中央値8を上回るが、その優位性の一部は冗長さによって手放している。それは、正直な輪郭を持つ優れたモデルだ。カード上の42は、もはや存在しない物差しから出た数値だ。