Ling-3.1-flash-1019 対 Ling-3.1-flash：サイズも価格も同じ、でもトークン請求はより高くつく

トークン単位で課金される場合、Ling-3.1-flash-1019に対する無料のアップグレードです。Ling-3.1-flashどちらも入力トークン100万個あたり0.30ドル、出力100万個あたり0.90ドルという価格で、どちらもMITライセンス、どちらも560Bパラメータのmixture-of-expertsモデル（アクティブ25B）で、ディスク上はどちらも573.8 GBを占めます。完了したタスク単位で支払う場合、このアップグレードは47%ほど高くつきます。Artificial Analysisの計測では、1019ビルドはIntelligence Indexのタスクあたり1.49ドルだったのに対し、前モデルは1.01ドルでした。新しいモデルが回答にたどり着くまでに出力トークンを約59%多く生成するためです。両者のインデックスの3ポイント差——44対41——は紛れもない事実です。このページが答えるのは、その分を誰が払うべきかという問いです。

日付は残りを読むうえで重要だ。Ling-3.1-flashは10月中旬にMITライセンスで公開され、リポジトリは10月13日に作成され、Antの発表は10月15日に続いた。1019ビルドは10月22日にスコア付きで発表されたがダウンロードはなく、その重みとベースチェックポイントは10月27日に公開された。つまりこれは世代の断絶ではない。同じアーキテクチャに適用された1回のポストトレーニングであり、それを示す数字の5日後に出荷されたのだ。

2つのチェックポイントに共通するもの

重複が十分に大きいため移行コストは実質ゼロであり、これが新しいビルドを採用する主な根拠となっています：

• アーキテクチャ — 72層。63のKDA線形アテンション層と9のゲート付きMLA層に7:1の比率で分割され、さらに4つのdense層を備える。

• エキスパート — 512 ルーティング、トークンあたり 8 アクティブ、共有 1、隠れサイズ 4,096、語彙数 157,184。

• ディスク上の重み — 2つのリポジトリのファイル一覧に基づく当方の集計で、両方合わせて54シャード、573.8 GBのFP8 safetensors。

• ライセンス — 両方とも MIT、商用再配布も含む。

• 価格 — 入力 $0.30、出力 $0.90、キャッシュ読み取り $0.06、キャッシュヒット/入力/出力が 7:2:1 の混合比率でブレンド $0.19。

• 宣言されているコンテキスト — 両方のモデルカードで1Mトークンのウィンドウ、両方のconfig.jsonファイルで262,144ポジション、RoPEスケーリングなし。

{{1}}その最後の一文こそ、両者を比較する前にまず頭に入れておくべき最初の点だ。{{/1}}仕様上は、両モデルとも100万トークンを提供する。出荷時の構成では、Antが含めていないスケーリング手法を追加しない限り、どちらも256Kが上限だ。この制限は双方で同一なので、勝負を決めるものではない——しかし、どちらのビルドもスペック表がうたう100万トークンモデルではないということであり、100万トークンのワークロードを計画している人は、そこに到達するためにどちらも手を入れる必要がある2つのモデルから選ぶことになる。

その3つの点はどこから来るのか

Artificial Analysisはその主要な差自体を測定している。Intelligence Index v4.3.2において、Ling-3.1-flashが41、Ling-3.1-flash-1019が44であり、旧モデルは122模型中8位、新モデルは4位にランクされている。これは両方の端点を独立に測定したものであり、そのためこの3ポイントの差分は、この比較の中で最も信頼できる数値である。

ベンチマーク別の内訳はベンダー報告によるもので、その前提で読むべきです——これはAntのモデルカードに由来するもので、公開ハーネスによるものではありません：

• AA-Briefcase — およそ1,400 Eloから1,524 Elo。これはナレッジワークの成果物ベンチマークであり、124ポイントの上昇はこのセット内で最大の相対的向上です。

• AutomationBench-AA — 62%から68%へ、エージェント型タスク自動化における6ポイントの改善。

• CritPt — 18%から26%へ、比率として最大の伸び：誰にとっても絶対スコアが低い物理推論セットにおける8ポイント。

• SciCode — 54%から57%へ、4つの中で最も小さな変動であり、最も慎重に評価すべき項目です。Artificial Analysisは、このモデルについてSciCodeを審査中としています。

まとめて読むと、このパターンはAntが行ったと述べている内容と一致している。つまり、推論と多段階のエージェント作業に対するポストトレーニングを増やしたのであり、新しい能力面を加えたのではない。改善は、意思決定の連鎖が長く、部分的に正しい回答が部分点を得る場面に集中している。最も薄いのは純粋な科学コード生成であり、そこはまさに、アーキテクチャ変更よりもポストトレーニングの刷新の方が最も動きにくいと期待される領域だ。

代償：思考が59%増える

ここが、2つのモデルがもはや互換ではなくなるポイントだ。Artificial Analysisは、Ling-3.1-flashのインデックス実行で2億2000万出力トークン、1019の実行で3億5000万出力トークンを記録した。その比率は1.59であり、新しいビルドは冗長性において48モデル中最低位にランクされ、中央値は1億4000万であった。インデックスを完了するためのコストは、タスクあたり1.01ドルから1.49ドルに上昇した。

これをワークロード規模に換算する。10,000件のインデックス型タスクでは、タスクあたりの数値から、古いチェックポイントで約$10,100、新しいチェックポイントで約$14,900になると示唆される。トークン側も同じようにスケールする。Ling-3.1-flashで22億出力トークンを消費するワークロードは、測定された比率では1019ビルドで約35億トークンを消費することになり、これは100万トークンあたり$0.90で、$1,980対$3,150となる。タスクあたりの差の残りは入力とキャッシュの価格から来るが、方向性はトークン数によって決まる。つまり、回答1件あたりおよそ0.6件分の追加回答と引き換えに、3ポイントのインデックスを買っているのだ。

それが割に合うかどうかは、どのような障害モードに対して保険をかけるかによる。誤ったツール呼び出しがリトライ、コンテキストの再読み込み、または人間によるレビューを引き起こすエージェントループでは、ループを1回回避できるなら、追加の59%のトークンは安いものだ。分類、抽出、短いチャット、あるいは回答が1〜2文であるような大量処理タスクでは、同じ比率は純粋なオーバーヘッドであり、しかもインデックスには決して現れない。なぜならインデックスは、ポストトレーニングが狙った難しいケースを高く評価するからだ。

コスト全体像のもう半分は、料金の安定性です。 OrcaRouterは200以上のモデルを1つのキーにまとめ、プロバイダーの定価に対して0%のマークアップで提供します。そのため、当社がルーティングするモデルについては、ベンダーの価格変更が当日にそのまま反映されます。Lingラインは現在そのカタログに含まれていないため、上記の数値はAntの定価のみを意味します。まさにそれが、トークンあたりの料金よりもタスクあたりの計算の方が重要な理由です。これら2つのモデル間では料金が同一であるため、選択の役には立ちません。

速度：数値は1つだけ存在し、それは旧モデルのものです

Artificial AnalysisはLing-3.1-flashを毎秒215.7出力トークン、最初のトークンまでの時間1.73秒と測定し、速度で78モデル中6位としています。Ling-3.1-flash-1019については、同じページに出力速度の数値がありません。計測時点では計測可能な公開APIが存在せず、重みが公開されたのは今日だからです。したがって、より高速なモデルかどうかは意見の問題ではありません。2つのうち測定値があるのは一方だけです。

それをトークン比と組み合わせれば、ベンチマークではなく単なる算術として明確に位置づけた、弁護可能な推定値が得られる。両方のビルドが毎秒215.7トークンでデコードするなら、Ling-3.1-flashで1,000トークンになる応答はデコードに約4.6秒かかり、1019ビルドで同等の1,590トークンの回答は約7.4秒かかる。初回トークンまでの時間は別個の変数であり、どちらに動く可能性もある。要点は、新しいモデルも意味のあるほど速くデコードしない限り、59%のトークン増加が実時間の面で無料であり得ないということだ。そして、そうなっているという証拠を公表した人は誰もいない。

セルフホスティング: 同一のフットプリント、異なる README

自社ハードウェア上では、デプロイ先が変わらないため選択はより簡単です。どちらのチェックポイントも、同じ文書化された構成 — TP8とEP8のH200を8台、またはTP4とEP4のGB300を4台 — と同じSGLangのday-0イメージを必要とし、vLLMレシピではテンソル並列8、エキスパート並列、投機的トークン3個を使用します。アーキテクチャとファイルサイズが同一であるため、1019はそのまま差し替え可能です。重みのパスを切り替え、サービングスタックはそのままにすれば、インフラストラクチャの他の部分は何も意識する必要はありません。

実務上の警告が2つある。第一に、1019モデルカードのQuickstartは、SGLangコマンドで今もinclusionAI/Ling-3.1-flashを指しており、クライアント例では"model": "Ling-3.1-flash"を送信している。これをそのままコピーすると、44点のモデルをテストしているつもりで、41点のモデルを提供することになる。第二に、Antが1019と同時に公開したベースチェックポイントはLing-3.1-flash-baseであり、これは旧モデルのベースであって、1019の事後学習前スナップショットではない。アップグレード版をファインチューニングするつもりなら、それを作り出したレシピはダウンロードに含まれていない。MITライセンスの560B基盤モデルから独自のものを作るつもりなら、ベースが正しい出発点であり、これら2つのチェックポイント間のインデックスの差はあなたには無関係だ。

それらを呼ぶなら：1つの名前、2つのビルド

APIの話は重みの話より厄介だ。1019ビルドは日付スタンプ付きのチェックポイントであり、ほとんどのサービングコードが前任モデルと同じモデル文字列として扱う名前の下にある。Ant自身の例も同様で、Ling-3.1-flashを両方に送っている。ホスト型エンドポイントを呼ぶなら、ビルドを明示的に固定しないと、どちらが応答したか分からなくなる。Artificial Analysisは測定時点で1019向けの公開APIを記載していなかった。そのため今日の利用可能性は、定着して広くミラーされたエンドポイントではなく、ベンダー自身のAPIといくつかのサードパーティプラットフォームを通じたものになっている。

その曖昧さは、再現性を気にするならセルフホスティングを選ぶ最大の根拠であり、気にしないなら待つ最大の根拠だ。名前がビルドを特定しないモデルは事後に監査できないモデルであり、「インデックスで44」はバージョン番号ではない。

職種別でどれですか？

• 高度な推論と長期的なエージェント作業 — Ling-3.1-flash-1019 を例に挙げよう。向上はまさにそこに集中しており、追加のトークンは副作用ではなくメカニズムそのものだ。

• 大量の抽出、分類、短いチャット — Ling-3.1-flash を使い続けてください。そうしたワークロードでは活用されない能力のために、タスクあたり47%多く支払うことになります。

• レイテンシに敏感な製品 — 1019 の独立したスループット数値が存在するまでは、Ling-3.1-flash を使い続けてください。2つのうち、測定された速度があるのはこれだけです。

• ファインチューニングやドメイン適応 — Ling-3.1-flash-base から始め、このマッチアップは無視してください。アラインメント済みのチェックポイントはいずれも学習レシピを同梱していません。

• 1つのモデルで混在トラフィック — デフォルトは Ling-3.1-flash-1019 とし、その背後に安価で短いリクエスト向けの旧ビルドを配置。両者はアーキテクチャ、価格、サービングスタックを共有しているため、両者間でトラフィックを分割しても運用上の負担はかかりません。

この判定を変えるのは、1019ビルドの実測デコード速度だ。もし215.7トークン/秒より実質的に速いことが分かれば、実時間のペナルティは縮み、トークン課金だけが実質的な反論になる。同じか遅ければ、59%は2回現れる——請求書で一度、レイテンシで一度——ので、全面的にアップグレードするのではなく両方のチェックポイントを動かす根拠が強まる。誰かがその数値を公表するまでは、正直な要約はこうだ。Ling-3.1-flash-1019はトークンで品質を買い、Ling-3.1-flashは同じ料率でスループットを売る。どちらも間違った答えではない。同じアーキテクチャをまとった別製品なのだ。