Claude Haiku 5.5 vs Ling 3.0 Flash: 이 모델들 중 하나에는 이미 후속 모델이 있습니다

이상한 사실부터 시작하겠다. 그것이 바로 결정을 좌우해야 할 사실이기 때문이다. Ling 3.0 Flash — Ant Group의 1,240억 매개변수 오픈 웨이트 모델로, 2026년 8월 MIT 라이선스로 공개됨 — 는 이제 지원 중단(deprecated)으로 표시되었고, Ling 3.1 Flash가 그 대체 모델로 지정되었다. Claude Haiku 5.5는 이 글을 쓰기 이틀 전인 2026년 10월 7일에 등장했으며, Anthropic은 2027년 10월 이전에는 이를 단종하지 않겠다고 약속했다. 같은 가격대에 있는 두 모델인데, 그중 하나는 이미 자기 후속 모델을 가리키고 있다.

그 비대칭성은 품질에 대한 평결이 아니다. Ling 3.0은 공개 가중치와 독특한 아키텍처를 갖춘 진정으로 빠른 모델이며, 여러 축에서 Anthropic 티어를 단번에 능가한다. 하지만 그것은 이 비교에 유효기간이 있다는 뜻이고, 둘을 똑같이 오래 지속되는 것으로 취급하는 글은 당신에게 그 부분을 팔고 있는 것이다.

두 개의 릴리스, 매우 다른 두 시대

여기 있는 독립적인 수치는 Artificial Analysis에서 가져온 것이며, 벤더별 주장은 모델 카드와 문서에서 가져온 것으로, 별도로 표시되어 있습니다.

• 출시 — 2026년 8월 4일 Ling 3.0 Flash, Hugging Face 저장소는 8월 2일자. 10월 7일에는 Claude Haiku 5.5.

• 라이선스 — Ling 3.0 Flash는 MIT로, 오픈 웨이트 중에서는 거의 가장 허용적인 수준입니다. Claude Haiku 5.5는 독점 모델이며 API 전용입니다.

• 상태 — Ling 3.0 Flash에는 Ling 3.1 Flash를 가리키는 지원 중단 플래그가 있습니다. Claude Haiku 5.5가 현재 버전이며, 2027년 10월까지 지원 중단하지 않겠다는 약속이 있습니다.

• 채택 — Ling 3.0 Flash 저장소의 1,797회 다운로드는 실질적인 영향력이며, 이는 서드파티 도구가 이 모델을 얼마나 채택하느냐에 달려 있습니다.

나이 격차는 6주라는 숫자가 시사하는 것보다 더 중요하다. Ling 3.0 Flash는 자사 제품군이 이미 움직이고 있던 시기에 출시되었고, Claude Haiku 5.5는 후속작이 발표되지 않은 제품 라인의 최신 멤버로 출시되었다.

아키텍처는 두 번 읽을 가치가 있는 부분이다

Ling 3.0 Flash는 총 1,240억 개의 파라미터와 토큰당 51억 개의 활성 파라미터를 갖춘 전문가 혼합(mixture-of-experts) 모델입니다. 그 비율이 경제성 주장의 전부입니다. 큰 모델의 메모리 풋프린트를 감당하면서 작은 모델의 연산량만 지불하는 셈이니까요. 공개된 구성은 구체적이며, 표준 트랜스포머를 겉만 바꾼 것이 아닙니다:

• 레이어링 — 5:1 비율로 7개의 Gated MLA 레이어와 함께 35개의 KDA 레이어, 그리고 2개의 dense 레이어. 공개된 훈련 레시피는 긴 윈도우를 처음부터 훈련하는 대신 컨텍스트 윈도우를 8K에서 32K로, 그다음 256K로 단계적으로 이동시킵니다.

• 전문가 — 하나의 공유 전문가와 함께 512개의 라우팅된 전문가, 토큰당 8개 활성화, 히든 크기 2,560, 전문가 중간 크기 768, 덴스 중간 크기 6,144. 어휘 크기는 157,184개 토큰입니다.

• 서빙 — 이 카드의 참조 배포는 --context-length 262144와 함께 SGLang을 사용하며, Mooncake 캐싱을 적용한 HiCache가 긴 입력에서 첫 토큰까지 걸리는 시간을 60–80% 이상 단축한다고 보고합니다. 이는 벤더가 보고한 수치이며, 그렇게 명시되어 있습니다.

그중 어느 것도 단순한 기믹이 아니다. 5.1B의 활성 풋프린트는 Ling 3.0 Flash가 도달하는 처리량으로 서비스될 수 있는 이유이며, 캐싱 작업은 긴 프롬프트에서 첫 토큰 지연 시간이 사용 가능한 수준으로 유지되는 이유다. Claude Haiku 5.5의 접근 방식은 정반대다. API 뒤에 있는 하나의 고밀도 독점 모델로, 1,000,000토큰 창과 적응형 사고가 요청마다 얼마나 많은 작업을 수행할지 결정한다. 같은 비용 문제에 대한 두 가지 일관된 답이다.

숫자를 나란히

• 독립 점수 — Claude Haiku 5.5는 Intelligence Index에서 43점으로 182개 중 2위. Ling 3.0 Flash는 20점으로 자체 클래스에서 65개 중 3위.

• 백만 토큰당 입력 가격 — Claude Haiku 5.5는 최대 100,000토큰까지 $0.10, 초과 시 $0.50입니다. Ling 3.0 Flash는 $0.075이며, 80% 캐시 할인이 적용됩니다.

• 백만 토큰당 출력 가격 — Claude Haiku 5.5는 최대 100,000토큰까지 $0.50, 그 이상은 $2.50. Ling 3.0 Flash는 $0.22.

• 혼합 비용 — 보드 자체의 혼합 기준으로 Ling 3.0 Flash는 백만 토큰당 $0.05이고, Claude Haiku 5.5는 $0.08입니다.

• 속도 — Ling 3.0 Flash는 초당 출력 토큰 333.6개로 동급 65개 중 1위이며, Claude Haiku 5.5는 240.4개입니다. 첫 토큰까지 걸리는 시간은 거의 동률입니다: Anthropic 모델에 대한 리더보드 측정치와 비교해 2.50초입니다.

• 컨텍스트 — Ling 3.0 Flash의 경우 262,000 토큰; Claude Haiku 5.5의 경우 1,000,000 토큰.

• 입력 방식 — Ling 3.0 Flash는 텍스트만 지원합니다. Claude Haiku 5.5는 텍스트와 이미지를 지원합니다.

• 가중치 — Ling 3.0 Flash는 MIT이며 다운로드 가능. Claude Haiku 5.5는 독점.

Ling의 강점은 속도와 가격이지 깊이가 아니다

43과 20 사이의 23포인트 Index 격차가 핵심이며, 이는 이런 종류의 모든 비교에서와 같은 방향을 가리킵니다: Claude Haiku 5.5가 더 강력한 모델이고, 그 격차는 작지 않습니다. 하지만 Ling 열은 두 개의 행에서 완전히 우세하며, 둘 다 청구서나 지연 시간 예산에서 드러나는 종류입니다.

먼저 처리량입니다. 초당 333.6 토큰은 이 보드에서 동급 최고 속도로, Claude Haiku 5.5보다 약 39% 앞서며, 더 낮은 혼합 비용과 결합하면 대량 생성—분류 스윕, 데이터 라벨링, 대용량 구조화 추출—을 Ling 3.0 Flash에서 실행하는 것이 측정 가능할 만큼 더 저렴해집니다. 작업이 잘 정의되어 있고 실패 유형이 명확하다면, 23 Index 포인트 뒤처진 모델이 여전히 올바른 선택일 수 있습니다.

둘째, 80% 캐시 할인입니다. 큰 안정적 프리픽스와 작은 변동 테일로 구성된 워크로드의 경우, Ling 3.0 Flash의 실효 입력 단가는 표시 가격보다 훨씬 낮아지며, 모델 카드의 캐싱 설계는 바로 그런 패턴을 겨냥합니다. Claude Haiku 5.5의 캐시 읽기 요율 $0.01은 절대 금액으로 더 저렴하지만, 캐시 쓰기 비용은 $0.125이고, 이 모델에는 Ling에는 없는 100,000 입력 토큰 구간의 단계 요금이 책정되어 있습니다.

상쇄 요인은 장황함이며, 이는 Anthropic 모델에 적용되는 것과 동일한 요인이다. Artificial Analysis는 Ling 3.0 Flash로 Index를 실행했을 때 출력 토큰 2억 6천만 개를 기록했고 중앙값 1억 개와 대비된다며 이를 장황하다고 지적한다. 토큰당 가격이 책정된 모델에서는 이 점이 단가 우위를 잠식한다. 출력 단가가 2.3배 더 저렴하더라도 더 많은 토큰을 쓰는 모델이 이를 부분적으로 소모한다면, 이는 카드가 시사하는 것보다 작은 우위다.

벤더 벤치마크가 주장하는 것, 그리고 주장하지 않는 것

Ling 3.0 Flash의 자체 카드는 강력한 성적표를 보고한다: MathArena AIME 2026 93.2, HMMT February 2026 87, SWE-Bench Pro 56.6, SWE-Bench Multilingual Resolved 72.4, Humanity's Last Exam 22.7. 이 모든 수치는 벤더가 보고한 것이며, 여기서 독립적으로 재현된 것은 하나도 없다. 또한 동일한 하네스에서 Claude Haiku 5.5와 비교해 측정된 것도 아니다 — Anthropic은 자체 세트(GDPval-AA v2.1 1620, OSWorld 2.1 72.4%, Terminal-Bench 4.0 39.2%)를 공개했고, 두 벤더는 서로 다른 스위트를 실행했다. 유일하게 공유된 측정치는 독립 리더보드이며, 거기서 답은 명확하다.

수학 점수와 함께 주목할 만한 점: HLE 수치 22.7은 Anthropic이 Claude Haiku 5.5에 대해 보고한, 도구 없이 측정한 45.9보다 훨씬 낮다. 서로 다른 하네스이므로 직접 비교는 아니지만, 하네스 선택으로 설명해 넘길 수 있는 격차 또한 아니다.

후계자 문제

이것이 현재 분기를 넘어 계획하는 사람이라면 누구에게나 비교를 결정짓는 부분이며, 벤치마크와는 아무런 관련이 없습니다.

Ling 3.0 Flash는 Ling 3.1 Flash로 대체되면서 더 이상 사용이 권장되지 않습니다. 그렇다고 해서 작동이 멈추는 것은 아닙니다. 공개 가중치는 만료되지 않고, MIT 라이선스는 취소될 수 없습니다. 하지만 그 주변 생태계는 서서히 멀어질 것이라는 뜻입니다. 추론 프레임워크 지원, 양자화 릴리스, 버그 수정, 커뮤니티 도구는 모두 최신 모델을 따르며, 사용 중단된 모델은 그 관심의 끝자락만 받습니다. 오늘 Ling 3.0 Flash 위에 구축한다는 것은 고정되어 완성된 가중치 위에 구축하는 것입니다. 이는 안정적인 워크로드에는 괜찮지만, 개선되기를 기대하는 무엇이든에는 곤란합니다.

Claude Haiku 5.5는 정반대의 보장을 제공합니다: 가중치는 얻지 못하지만, 모델을 빠르게 유지하고 패치하며 서빙하는 데 상업적 이해관계가 있는 공급업체를 얻습니다. 여기에 2027년 10월까지의 단종 금지 약속과, 그것이 끝날 때를 위한 공개된 마이그레이션 경로도 포함됩니다.

이 경로의 양쪽 모두, 하나의 키로

솔직한 제공 현황: OrcaRouter는 Ling 3.0 Flash를 제공하지 않으며, Claude Haiku 5.5도 제공하지 않습니다. Ling 3.0 Flash는 벤더 자체 배포 및 여러 타사 플랫폼을 통해 제공되며, Claude Haiku 5.5는 Anthropic의 API와 주요 클라우드 플랫폼에서 사용할 수 있습니다.

그로써 남는 것은 두 모델이 제기하는 라우팅 질문입니다. 43점에 1M 윈도우를 갖춘 Claude Haiku 5.5는 자연스러운 에스컬레이션 대상이고; 초당 333토큰인 Ling 3.0 Flash는 자연스러운 대량 처리 구간입니다. 대량의, 잘 명세된 작업을 빠른 티어로 보내고 길이 또는 품질 검사에 실패하는 모든 작업을 더 강력한 티어로 에스컬레이션하는 라우트는 정확히 라우터가 구성하는 방식입니다 — OrcaRouter에서는, Anthropic의 Claude Haiku 4.5, Claude Sonnet 5.5 및 Claude Opus 5.5가 오늘 카탈로그에 올라와 있습니다, 그와 함께 DeepSeek V4.1 Flash와 GLM 5.3 Flash 같은 대형 오픈 웨이트 옵션도 있습니다, 따라서 에스컬레이션과 대량 구간을 지금 모두 구축하고 부하 테스트할 수 있습니다. 하나의 키, 그 아래의 자동 페일오버, 제공업체 정가가 0% 마크업으로 전달되어 가격 변동이 같은 날 바로 반영됩니다.

둘 중 어느 쪽이며, 얼마나 오래입니까?

작업이 개방형이라면, 이미지나 100만 토큰 창이 필요하다면, 가동 시간에 대해 책임을 지는 공급업체를 원한다면, 또는 다음 분기 이후를 계획하고 있다면 Claude Haiku 5.5를 선택하세요. 이는 23 Index 포인트 앞서 있고, 사용 중단된 것이 아니라 최신이며, 가격 차이는 점수 격차가 우세할 만큼 충분히 작습니다.

Ling 3.0 Flash는 워크로드가 대량이고, 사양이 잘 정의되어 있으며 지연에 민감할 때, MIT 라이선스나 오픈 가중치가 핵심일 때, 또는 안정적인 프리픽스에 대한 80% 캐시 할인이 실제 청구 비용을 좌우할 때 선택하세요. 이 모델은 더 빠르고 토큰당 더 저렴하며, 20-Index 모델이 처리할 수 있는 작업에는 정말 뛰어납니다. 다만 유지관리되는 모델이 아니라 완성된 모델을 도입한다는 점, 그리고 이 모델이 가리키는 후속 모델이 이미 존재한다는 점을 알고 시작하세요.