Ling-3.1-flash-1019は44でKimi K3と肩を並べる——それでもダウンロードできるものは依然として何もない

その数字はモデルより先に届いた。10月22日、Ant GroupのLingチームはLing-3.1-flash-1019を自らのアカウントで公開し、スコアと約束を添えた。Artificial Analysis Intelligence Indexで44、1週間前のLing-3.1-flashの41から上昇し、MoonshotのKimi K3と並んだ。同じ投稿では、APIアクセスとオープンウェイトは「近日公開」とされている。Artificial Analysisのモデルページは前半と一致している——44で、同社が追跡する174モデル中3位——そして後半とも一致する。公開APIはなく、パラメータ数は非公開、ライセンス状態はプロプライエタリだ。したがって正確な文は「AntがK3クラスのモデルをリリースした」ではない。こうだ。AntはLing-3.1-flash-1019について測定されたスコアを出したのであり、今日時点で、Ant自身の評価パイプラインの外にいる誰も、そのスコアを獲得したビルドを呼び出すことはできない。これは、数字ひとつと約束ひとつ分の深さしかないモデルについての、現時点で分かっていることの読み取りであり、以下のすべての数値には出典が付くか、出典がないと明示するラベルが付いている。

要点を一言で言えば、Ling-3.1-flash-1019 は Ling-3.1-flash と同じ系列の日付付きチェックポイントである——約5,600億パラメータの疎な mixture-of-experts（トークンあたり約250億パラメータが有効）、ハイブリッド線形アテンションのスタック、そして1Mトークンのコンテキストをうたう——そして「1019」はビルド日付であり、新しいアーキテクチャではない。新しいのはスコア、それを得るコスト、そしてこの比較が今や関係させる2つのラボの間の隔たりだ。すなわち、出荷ではなく発表したAntと、独自の日付付きflashビルドであるDeepSeek V4.1-Flash-1017を5日前に重み付きかつ料金表を変えずに公開したDeepSeekである。この2つのリリーススタイルの距離が、この記事の大半の主題である。

44とは何か、そしてページが語っていないこと

Artificial Analysis Intelligence Indexは単一のテストではなく、複合指標です。バージョン4.3.2では10の評価に重み付けしています：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。事務作業、ターミナル利用、競技数学、長文脈検索、幻覚行動を混ぜ合わせた複合指標は、ほとんどどのモデルに対しても数値を算出しますが、その数値の情報量は、その下にある各行の情報量を超えません。

Ling-3.1-flash-1019 については、まだ行がありません。ページには44が公開され、総合3位にランク付けされています。1Mトークンのコンテキスト、テキスト入力とテキスト出力、推論モデル、非公開のパラメータ数が記載され、そして最も重要な点として、各評価結果と速度が入るべき箇所には「公開されているAPIはない」とあります。SciCode は審査中と表示されています。出力速度の数値も、レイテンシの数値もなく、重みかエンドポイントがなければ一行たりとも再現する方法はありません。これは Artificial Analysis への批判ではありません。同社は到達できるものしか測定できないのです。これは現時点で証拠がいかに薄いかを述べたものです。総合スコアの下にあるモデル詳細は、おそらくベンダーがホストする、またはベンダー提供のエンドポイントで測定されており、その取り決めの詳細は公開されていません。

そのページにある2つの数字は見出し以上に重要だ。どちらもスコアではなくコストだからだ。1つ目はインデックス実行中に消費された出力トークン数で、1019ビルドが3億5,000万、41点を記録したビルドが2億2,000万だった。2つ目はIntelligence Indexタスクあたりのコストで、1.49ドル、前身は1.00ドルだった。併せて読むと、スコアだけでは分からないことが見えてくる。上乗せされた3点は、同じ公称料金体系のまま約59%長く考えることで得られ、タスクあたりの請求額は約49%上昇した。モデルに長く推論させることでインデックスの点数を上げるラボがそうするのは間違いではない。推論の長さは正当な調整手段だ。しかしそれは、44というスコアがタダではないということ、そしてインデックスだけで比較する買い手は、1点あたりのコストが望ましくない方向に動いた数字を比較しているということだ。

料金表自体は変わっていない。Artificial Analysisは、両ビルドとも入力トークン100万件あたり0.30ドル、出力トークン100万件あたり0.90ドル、キャッシュ割引80%、標準的な混合比率で100万件あたりブレンド0.19ドル、コンテキストウィンドウ1Mを掲載している。これらは親会社が公表した価格をそのまま引き継いだものであり、ベンダーが新価格を発表していない場合の妥当な想定ではあるが、あくまで想定である。ライブビルドに対するAntのプロモーション価格——詳細は後述——は、リスト料金を大きく下回っている。

その3点がどこから来たのか

Antは{{1}}1019{{/1}}ビルドの評価別テーブルを公開していません。出回っているサブスコアは発表に関する中国語の報道に由来し、Artificial Analysisによるものとされる2つの変動を伝えています。AA-Briefcaseは約1,400 Eloから1,524へ上昇し、AutomationBench-AAは約62%から68%へ上昇したというものです。評価行がモデルページに現れるまでは、両方を二次情報として扱ってください — これらは報告された数値であり、本記事が一次テーブルに対して検証したものではありません。

これらは少なくとも、親ビルドが測定した内容と内部的に整合している。10月7日にLing-3.1-flashのページを読んだとき、AA-Briefcaseは1,400.35、AutomationBench-AAは0.617だった。これはカバレッジが「およそ1,400」「約62%」に丸めているのと同じ値だ。したがって進む方向はもっともらしく、しかも特定の主張を指し示している。すなわち、この更新はエージェント的および事務作業の改善であり、一般的な能力の底上げではない。AutomationBenchとAA-Briefcaseは、この指標の中で多段階のツール使用と長期的なタスク完了を最も直接的に評価する2行だ。もしそれらが動いてGDPval、SciCode、HLE、CritPtが動かなかったなら、Ling-3.1-flash-1019の正しい説明は「より賢い」ではなく「タスクをやり遂げるのがうまい」だ。

その区別には実用的な意味がある。エージェント系の行で伸びているモデルは、自社のツール呼び出しワークロードで試す価値があり、満遍なく伸びているモデルは、あらゆる場面で試す価値がある。行が公開されるまでは、44 はあなたがそのどちらを持っているのかを教えてくれない。そして妥当な姿勢は、このビルドを指摘したアカウントが取った姿勢、つまり全スコアを表示することだ。総合値は見出しにすぎない。行こそが判断材料だ。

Kimi K3-Flashのフレーミング、価格設定済み

Ling-3.1-flash-1019 を多くのタイムラインに登場させることになったフレーミングは、10月22日に広くフォローされているアカウントから出たもので、このビルドを事実上 Kimi K3-Flash——フラッシュ層の経済性で K3 級の知能——と表現し、この系統における Ant の進展と、V4.1-Flash における DeepSeek の進展との間に類似点を描いた。「Kimi K3-Flash」もその類似点も製品に関する主張ではない。どちらも簡略表現であり、その簡略表現が正しく捉えている点と、覆い隠している点を切り分ける価値がある。

価格対インデックスの算術において正しいのは、そしてその算術はあまりに鮮明だ。Kimi K3はMax構成で、同じインデックス上44に位置する。これもまた2.8兆パラメータのモデルで、トークンあたり1040億がアクティブであり、Moonshotによる価格は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00、キャッシュ入力は$0.30だ。Ling-3.1-flash-1019は5600億パラメータの系列で、約250億がアクティブ、価格は$0.30と$0.90。同じ総合スコアで、入力料率は10分の1、出力料率は16分の1、トークンあたりのアクティブパラメータは4分の1だ。必要なのがインデックスだけなら、それは僅差の勝利ではない。同じ見出しに対する別のコスト構造なのだ。

略記が覆い隠しているのは、インデックスが測定していないすべてだ。Kimi K3は画像入力に対応しているが、Artificial AnalysisはLing-3.1-flash-1019をテキスト入力・テキスト出力として記載している。Kimi K3は7月下旬以降、独自ライセンスの下でダウンロード可能で、それ以来複数のプロバイダーから呼び出せる。Ling-3.1-flash-1019には重みもエンドポイントもない。Kimi K3の評価行は公開されており、速度も測定されている——44は可視の表に基づく合成値だ。Lingの44は、まだ可視ではない表に基づく合成値だ。そしてパラメータ数は、「560B」という言葉が誘うようには比較できない。K3はトークンあたり1040億パラメータを消費し、このビルドは250億を消費する。

• インデックス — Artificial Analysis Intelligence Index v4.3.2 において、両方とも 44。

• 価格 — Ling-3.1-flash-1019 は 100万トークンあたり入力 $0.30 / 出力 $0.90、対して Kimi K3 は $3.00 / $15.00。

• アクティブパラメータ — トークンあたり約25Bに対し104B。合計：約560Bに対し2.8T。

• モダリティ — テキストのみか、テキストと画像の入力か。

• 提供状況 — 発表のみでAPIも重みもなし。対して、2026年7月からダウンロード可能かつ提供中。

• エビデンス — 公開された行が一切ない複合指標と、公開された表および測定済みの出力速度を持つ複合指標の比較。

そう位置づけると、「Kimi K3-Flash」は意図については妥当な説明だが、現状については不当な説明だ。意図は本物である。もしAntがこのビルドを親会社のMITライセンスの下、親会社の価格で出荷すれば、市場でK3級の複合性能に到達する最も安価なルートになる——しかも大差で。現状はというと、それは裏付けとなる成果物のないスコアであり、44で実際にレンタルできるモデルは、そんな価格とはまるで違う。

2つのラボ、1つのプレイブック：日付スタンプ付きチェックポイント

より興味深いパターンはスコアではなく、リリースの形式だ。この比較が扱う両方のラボは、今月、同じ命名規則——既存の製品名に4桁の月日サフィックスを後付けする——の下で中間サイクルの刷新版を出荷し、どちらもそのサフィックスをバージョンとして読むよう求めている。

DeepSeekのエントリーはDeepSeek V4.1-Flash-1017で、日付は10月17日、Antより5日前だ。その変更履歴はこのアップデートを「性能とコストのパレート改善」と呼び、APIの呼び出し方法と価格は変わらないと述べ、既存の呼び出しを新しいビルドに向けさせた。その重みは同日朝、MITライセンスでHugging Faceに公開され、7630億パラメータ、何もゲートされていなかった。インデックス上では、Artificial Analysisを引用した報道がこれを45と位置づけており、Lingの1019を1ポイント上回る——10月初旬にV4.1-Flash（Max）構成が測定された39からの6ポイント上昇だ。10日間で6ポイント、重み込みで。

AntのエントリーはLing-3.1-flash-1019で、サフィックスから10月19日付、発表は10月22日。約1週間で3ポイント、重みは含まれず、公開時期も明記されていない。同じプレイブックで実行は異なる。DeepSeekはチェックポイントをリリースとして扱い、Antは後続リリースを伴うスコアボードの更新として扱った。それはスキャンダルでもなく、珍しくもない——ラボは重みの公開前に頻繁に告知する——だが、読者が今日できることを変える。そしてそれは、トラフィックをルーティングするかもしれないモデルにとって重要な唯一のテストだ。

命名規則の中には運用上の帰結が隠れており、これがこのパターンを1回のリリースを超えて追跡する価値がある理由です。ベンダーが接尾辞を変更し、APIモデル文字列はそのままにしてモデルを更新すると、「flashモデル」は安定したターゲットではなくなります。モデルを名前で指定しても、プロバイダーはその名前を直近に出荷したビルドに結び付けるため、先週の評価は今朝応答したものをもはや説明しません。DeepSeekはこの点を明言していました — 変更ログには、既存のモデル文字列への呼び出しが現在1017ビルドに到達すると記載されています。

ピン留めが解決策であり、それはベンチマークではなくルーティングの問題です。また、私たち自身のカタログが例として役立つ場面でもあります。カタログにはdeepseek/deepseek-v4.1-flashとdeepseek/deepseek-v4.1-flash-1017が別々のモデルIDとして、またkimi/kimi-k3がそれらと並べて掲載されているので、呼び出し側はファミリーではなくビルドを指定できます。Ling-3.1-flash-1019 は当社のカタログにはなく、本記事もそうでないふりはしません — 私たちが確認できるどこにもそれ用のエンドポイントは存在せず、それが上のセクションの要点なのです。

実際にオープンしているのは何か、そして「近日公開」にどれだけ価値があるのか

告知されているビルドは、公開されているビルドではない。公開されているのはLing-3.1-flashで、その重みをAntは10月15日にHugging FaceとModelScopeでMITライセンスのもと公開した。そのモデルカードには、1019の発表にはない具体的な記述がある。総パラメータ5600億、トークンあたり250億がアクティブ、ダウンロード可能な5720億パラメータのチェックポイント、7:1の比率で63層のKDA層と9層のゲート付きMLA層、さらに4層のdense層、512個のルーテッドエキスパート（8個がアクティブ、1個が共有）、語彙数157,184、100万トークンのコンテキストだ。

その親ビルドにおけるサービングの話こそが、560Bモデルがそもそも興味深い理由だ。Antのリリースノートは、ルーテッドエキスパートにMXFP4、デンス層にブロックFP8を使う混合精度スキームを説明しており、これにより重みのフットプリントが約534GBから292GBに削減され、テスト構成ではHopperデプロイが8GPUから4GPUに減る。SGLangとvLLM向けのレシピ、AntがPCP/DCPと呼ぶ長コンテキスト並列スキーム、ツール呼び出し向けのJSON Schemaサポートの改善もある。Antが公表した実測サービング数値は、良い意味で特筆すべきものではない。8台のHopper GPUでは、キャッシュヒット率76%で平均初回トークン時間604ms、トークン間レイテンシ3.28ms。4台では毎秒約1.36クエリで、P50初回トークン時間は3秒未満だ。

1019ビルドについて、そのどれも確認されていません。同じ系列の日付入りチェックポイントで、同じパラメータ数について言及がないものが、量子化の経緯を再構築した可能性は低いというのはもっともな予想です。しかし、予想は文書化ではありません。そして、このリリースが運用レベルで重要かどうかを決める2つの事柄は、どちらも欠けています。第一はライセンスです。Ant自身の10月15日の投稿は親モデルをオープンソースと説明し、ライセンスを一切明記していません。Hugging FaceのカードにはMITとあります。これらは権威の異なる別々の成果物であり、1019ビルドについてはどちらもまだ存在しません。第二はチェックポイントです。4台のHopper GPUで動くアクティブパラメータ250億のモデルは、8台を必要とするものとは根本的に異なる提案であり、4 GPUという主張全体は、このビルドに添付されていない量子化レシピに依存しています。

したがって、「coming soon」を公平に解釈するなら、それはスケジュールに関する表明であって、技術的な表明ではない。Antが提供開始するつもりであることは示すが、どのような条件で、どの規模で、あるいは展開の計算がそのまま当てはまるかどうかは示していない。

今日実行できるもの

呼び出し可能なビルドは親モデルの Ling-3.1-flash であり、その注意点は実際に使ってみて初めて表面化する類のものだ。提供されるコンテキストは仕様が主張する 1M ではなく 262,144 トークンで、ホスト型エンドポイントでは出力上限が 32,768 トークン、ホスト型の価格は定価ではなくプロモーション価格となっている。Ant の10月15日付のメモでは、プロモーションは約75%オフで、国際側では入力100万トークンあたり $0.075、出力100万トークンあたり $0.225、キャッシュ読み取り100万トークンあたり $0.015、Ling Studio では ¥0.5 / ¥1.5 / ¥0.1 とされている。これらは親モデルについての実際の数字であり、独自の公開料金を持たない 1019 ビルドのものではない。

あなたの問いが「これを本番経路に移すべきか」なら、答えはノーです。それはモデルが悪いからではありません。エンドポイントも重みもライセンスもなく、評価ごとの結果行も公開されていないビルドは、評価できず、予想することしかできません。あなたの問いが「この路線は注視する価値があるか」なら、答えはイエスです。それに安く行動する方法は、同等性を主張している相手をベンチマークすることです。Kimi K3 と DeepSeek V4.1-Flash-1017 はどちらも、1つの OrcaRouter キーでプロバイダー定価の0%マークアップで利用できます。したがって、同じハーネスを両方で実行すれば、Ant が何かを出荷する前に、44 と 45 がタスクごとに実際いくらかかるかがわかります。ここで自動フェイルオーバーが重要になるのは、ありふれた理由です。新しい評価ハーネスを不慣れなビルドに向けているとき、悪いエンドポイントによる損失が午後まるごとではなく、リトライ1回で済んでほしいからです。クライアントを2度書き直したくないなら、ルーティング DSL はどちらのモデルも単一のエンドポイントの背後に置きます。

何がそれを決着させるのか

状況をどれだけ大きく変えるか、その度合いが大きい順に4つ。

• 評価行。Artificial Analysisページに評価ごとの表が公開されれば、44は見出しからプロフィールへと変わり、これがエージェント型の改善なのか広範な改善なのかを読者に伝えられる。SciCodeが「審査中」から外れることはいつも以上に重要だ。なぜなら、安価なモデルが高価なモデルに最初に取って代わるのはコーディングだからだ。

• 重みと、明示されたライセンス。MIT なら、4 GPU という主張がどこでも通用するようになり、これを誰でもセルフホストできる最も安価な K3 クラスのモデルに変わるだろう。制限付きまたは特注のライセンスなら、44 は契約が付いたマーケティング上の数字になり、それ自体が一大トピックになる。

• APIがあるからこそ、速度とレイテンシが存在します。インデックス上でエンドポイントを持つすべてのモデルには、測定された出力速度があります。このモデルにはそれがありません。つまり、「flash」という主張の効率面は現時点では未検証です。59%長く推論するフラッシュモデルは、同じ量の推論をより速く行うモデルとは別の製品です。

• 3つすべてを同じハーネスで評価する。Ling-3.1-flash-1019、DeepSeek V4.1-Flash-1017、Kimi K3を同一の評価で実行する公開ベンチマークはまだ存在せず、それが実現するまでは、本記事のあらゆる比較——発端となった投稿内の比較も含め——は、異なる時点で異なる構成に基づいて計算された合成値同士の比較である。

少なくともそれらのうち最初のものが登場するまでは、Ling-3.1-flash-1019 についての正確な要約はこうだ。実在するラボによる、まだアーティファクトとして存在しないモデルに対する、本物のスコアである。Ant はこれまでに、どちらも完全には利用可能になる前に Ling-3.1-flash のビルドを 2 つ発表している。9 月のローンチは重みなし、今回のものは重みもエンドポイントもなしだ。そしてこのパターンは、計画を立てるのに十分読み取れる。Ant のサフィックスは「何かが来つつある」シグナル、DeepSeek のサフィックスは「何かがすでにある」シグナルとして扱えばよい。44 という数字は知っておく価値がある。まだルーティングする価値はない。