Ling-3.0-flash-VL vs InternLumina U2: beide uitgebracht, verschillend silicium

Beide modellen zijn nu echt, uitvoerbaar en downloadbaar, wat twee weken geleden nog niet zo was — en het verschil tussen beide heeft bijna niets met benchmarks te maken. Ling-3.0-flash-VL, van Ant Groups inclusionAI-lab, zette BF16- en FP8-gewichten op Hugging Face tussen 4 en 8 september 2026, publiceerde daarnaast SGLang- en vLLM-servingrecepten, en behaalde een onafhankelijke score van 25 op de Artificial Analysis Intelligence Index v4.3. InternLumina U2, van het InternLM-team van Shanghai AI Laboratory, bracht eerst inferentiecode uit en bracht op 10 september de Ascend-getrainde modelgewichten naar Hugging Face — zeven safetensors-shards in een ascend/ submap, waarmee de repository op zestien bestanden in totaal komt.

Het addertje onder het gras is waarvoor die twee gewichtsreleases zijn gebouwd. De gepubliceerde route van Ling-3.0-flash-VL is de CUDA-variant die iedereen al heeft: een node met acht accelerators draait de FP8-build, en de serving-stacks zijn dezelfde die je al draait. Het gepubliceerde checkpoint van InternLumina U2 is de Ascend-variant, en de README is duidelijk: je downloadt het checkpoint dat past bij hoe je van plan bent inference te draaien — waarbij het door NVIDIA getrainde checkpoint nog steeds als 'binnenkort beschikbaar' staat vermeld. Twee modellen die in dezelfde week zijn uitgebracht, en slechts één ervan draait op de hardware waar de meeste teams voor staan.

Dat geeft de vergelijking een nuttig nieuw kader. Dit is niet langer een stuk over uitgebracht-versus-vaporware, en wie InternLumina U2 nog steeds als weights-pending beschrijft, baseert zich op een README van een week oud. Het is een stuk over twee heel verschillende unified-visual-ontwerpen die op twee verschillende silicon-ecosystemen zijn verschenen, en over welke delen van elke release daadwerkelijk af zijn.

Wat elke release nu bevat

Ling-3.0-flash-VL is een sparse mixture-of-experts met 124B parameters die ongeveer 5,5B parameters per token activeert, op een hybride trunk van 42 lagen waarin Kimi Delta Attention wordt afgewisseld met gated MLA-blokken in een verhouding van 5:1. Een vision-encoder met willekeurige resolutie en een tweelaagse MLP-projector voeden die trunk, waarbij VideoRoPE de ruimtelijke en temporele positie afhandelt. Het neemt tekst, afbeeldingen en video en retourneert tekst. Zowel BF16 (64 shards) als FP8 (ongeveer 126 GB, waarbij de vision tower bewust op hogere precisie wordt gehouden dan de expertgewichten) zijn openbaar onder de MIT-licentie, en de release is compleet genoeg dat de onafhankelijke benchmarkgemeenschap hem heeft gescoord — 25 op de Intelligence Index v4.3, #2 van 64 in zijn grootteklasse tegen een klassemediaan van 8. Wat het niet publiceert, is een prijs per token voor het vision-model, en de API-voorbeelden bevatten een -rc1 identifier die de vraag openlaat of de geserveerde checkpoint overeenkomt met de open gewichten.

InternLumina U2 is een sparse mixture-of-experts met 16B parameters en ongeveer 1B actieve parameters, gebouwd op een LLaDA-2.0 MoE diffusietaalmodel-backbone, en bestrijkt zes taakfamilies in één model: tekst-QA, tekst-naar-afbeelding-generatie, beeldbegrip, beeldbewerking, videobegrip en 3D-begrip. Inferentiecode voor al die onderdelen is openbaar op main. De op Ascend getrainde checkpoint is nu openbaar op Hugging Face. Nog openstaand, volgens de roadmap van de repository zelf: de op NVIDIA getrainde checkpoint, de trainingscode (een aparte repository) en het technische rapport. De roadmap vinkt vier vakjes af en laat er twee open — inferentiecode, Ascend-gewichten en de Ascend-trainings- en inferentiestack zijn klaar; trainingscode en technisch rapport niet.

Eén praktisch detail bevindt zich tussen die twee alinea's. Het uitvoeren van U2's vision-paden vereist de AToken-tokenizergewichten op atoken_inference/checkpoints/atoken-sod.pt, en de vrijgegeven driver verwacht een opgesplitste checkpointmap waarin de modelassets bij elkaar worden gehouden. De code is echt en installeert met Python 3.11, PyTorch 2.6.0 en, op het CUDA-pad, flash-attn 2.7.2. Ascend-ondersteuning bevindt zich op een aparte ascend-npu-support-branch en vereist CANN plus een overeenkomstige torch_npu-build in plaats van de CUDA-toolchain. Niets daarvan is verborgen; het is allemaal gedocumenteerd. Het is simpelweg een langere weg dan pip install en een modelstring.

Twee antwoorden op de vraag "wat is een visuele token"

De architecturen verschillen ergens dat dieper ligt dan het aantal parameters, en juist dat verschil is het interessantste aan het naast elkaar leggen van deze twee.

Ling-3.0-flash-VL houdt vast aan het standaardcontract. Een afbeelding wordt via de vision-encoder en projector een reeks tokens, die tokens komen in een transformer-trunk terecht, en alles draait autoregressief. Het nieuwe zit niet in hoe visie wordt gerepresenteerd, maar in hoe goedkoop de trunk draait — 5,5 miljard actieve parameters per token van de 124 miljard in totaal, wat de hele reden is dat het model op de frontier van intelligentie versus actieve parameters verschijnt. VideoRoPE geeft ruimtelijke en temporele positie één consistente codering, zodat video geen aparte machinerie nodig heeft.

InternLumina U2 verandert de representatie zelf. Het gebruikt Apples AToken-tokenizer, waarin elke visuele positie wordt beschreven door acht complementaire codeboeken — lokale textuur, ingebedde tekst, geometrie en hoogfrequent detail als afzonderlijke stromen in plaats van één samengevouwen vector. Elk codeboek behoudt zijn eigen embedding aan de invoerkant, en de acht embeddings per positie worden geconcateneerd en teruggeprojecteerd naar één backbone-token. Aan de uitvoerkant is de voorspelling wat het team spatial-parallel, codebook-depth autoregressief noemt: de diffusie-backbone denoist veel gemaskeerde ruimtelijke posities tegelijk, waarna een autoregressieve head met meerdere codeboeken de acht codes voor elke positie in volgorde voorspelt. Begrip en generatie lopen via dezelfde machinerie — wat de eigenlijke claim is. Het argument van het team is dat één enkel codeboek een plafond vormt voor hoeveel informatie één visueel token kan dragen, terwijl discrete-continue hybriden begrip en generatie opsplitsen over verschillende representaties en decodeerpaden, en dat volledig discreet gaan met meerdere codeboeken de manier is om een werkelijk geünificeerd model te krijgen in plaats van twee aan elkaar vastgeschroefde stacks.

Beide zijn het coherente standpunten, en ze hebben tegengestelde kosten. Multi-codebook-representaties kunnen fijner visueel detail bevatten; ze vermenigvuldigen ook het tokenbudget per afbeelding met het aantal codebooks en maken het decoderen aanzienlijk complexer, wat vermoedelijk deels verklaart waarom voor de schaal 16B-A1B is gekozen. Lings spariteit verschaft goedkope inferentie per token; het betekent ook een kleinere actieve capaciteit per forward pass, wat de afweging is die de klassenmediaan van 8 op de intelligentie-index in stilte illustreert — Ling-3.0-flash-VL komt daar met 25 ruim bovenuit, maar concurreert niet met dense frontier-modellen op het vlak van puur redeneervermogen.

De taakvlakken overlappen slechts gedeeltelijk.

Beide onder "multimodaal model" onderbrengen overschat de overlap. Weten waar het ophoudt, voorkomt een hoop slecht vergelijkend winkelen.

• Invoer — Ling-3.0-flash-VL accepteert tekst, afbeeldingen en video, tot 40 afbeeldingen per verzoek, en retourneert tekst; InternLumina U2 accepteert tekst, afbeeldingen, video en 3D-assets, en retourneert tekst, gegenereerde afbeeldingen of bewerkte afbeeldingenbr /> • Beeldgeneratie — Ling-3.0-flash-VL kan helemaal geen afbeeldingen genereren of bewerken; de centrale claim van InternLumina U2 is dat het beide doet, tot 1024×1024, met dezelfde gewichten die afbeeldingen lezenbr /> • 3D — Ling-3.0-flash-VL heeft geen 3D-pad; InternLumina U2 levert een op Blender gebaseerde pipeline die GLB- en GLTF-assets rendert naar 64 gepaarde kleur- en dieptebeelden waarover het model kan redenerenbr /> • Video — Ling-3.0-flash-VL verwerkt video via VideoRoPE temporele codering; InternLumina U2 bemonstert 64 framesbr /> • Context en uitvoer — Ling-3.0-flash-VL meet een contextvenster van 262K tokens tegenover de 256K die de modelkaart vermeldt, en een relatief korte maximale uitvoer; InternLumina U2 heeft geen van beide cijfers gepubliceerdbr /> • Actieve parameters — Ling-3.0-flash-VL activeert ongeveer 5,5B per token; InternLumina U2 activeert ongeveer 1B, wat een vijfde daarvan is

Lees die lijst en de conclusie is dat deze twee substituten zijn voor precies één taak — een afbeelding lezen en er vragen over beantwoorden — en bijna overal elders complementair zijn. Als je een model nodig hebt dat een afbeelding genereert of bewerkt, is Ling-3.0-flash-VL geen kandidaat en geen enkele benchmark verandert daar iets aan. Als je één model nodig hebt dat een grafiek leest, een variant genereert en redeneert over een 3D-asset, dan is InternLumina U2 daarop gericht en Ling-3.0-flash-VL voorziet daar niet in.

Benchmarks: één onafhankelijke score tegenover een pagina vol cijfers van leveranciers

De kwaliteit van het bewijs is niet aan elkaar gewaagd, en het is de moeite waard om precies te zijn over waarom, in plaats van een winnaar aan te wijzen.

De 25 van Ling-3.0-flash-VL op de Intelligence Index v4.3 is een run door een derde partij op een gepubliceerd protocol, met de klassemediaan op 8 ter context, plus een gemeten doorvoer van 142,9 uitvoertokens per seconde tegenover een mediane peer van 105,1 en een tijd tot het eerste token van 2,21 seconden. Op zijn leverancierskaart wordt afzonderlijk 42 geclaimd op het buiten gebruik gestelde v4.1.1 protocol, dat een andere schaal is en niet naast de 25 kan worden gezet alsof het model achteruitging; de index werd in september 2026 herzien en over de hele linie opnieuw gescoord. De leverancier rapporteert ook een overwinning van 1.441 tegen 1.440 in de Image-to-WebDev Arena op GPT-5.4 onder de gebruikersnaam "linthium" — een marge van één punt binnen de Elo-ruis, en gerapporteerd door de leverancier.

De cijfers van InternLumina U2 zijn van het lab zelf, aangeduid als voorlopig en gedeeltelijk, terwijl de volledige vergelijkingstabellen en het technische rapport nog moeten verschijnen. Ze staan nu in een tabel in de README van de repository in plaats van op een benchmarkleaderboard, en ze kunnen nog niet onafhankelijk worden geverifieerd omdat geen enkele derde partij een run heeft gepubliceerd. Zoals het lab ze stelt:

• Begrip — ChartQA 86.52, CharXiv-DQ 83.65, HallusionBench 62.15, MMMU-Pro 36.13, MathVision 33.22, DynaMath 56.37br /> • Video — Video-MME 51.26, MVBench 59.74, MLVU 57.03br /> • Generatie en bewerking — GenEval 0.81, DPG 87.10, TIIF Short 84.60, TIIF Long 85.95, ImgEdit 3.83br /> • Bronvermelding — elk cijfer van InternLumina U2 is door de leverancier gerapporteerd en voorlopig; elk cijfer van Ling-3.0-flash-VL is door de leverancier gerapporteerd, behalve de Intelligence Index, die afkomstig is van Artificial Analysis

Twee daarvan verdienen het om gemarkeerd te worden. GenEval 0.81 blijft achter bij de 0.89 van een genoemde concurrent volgens de eigen tabel van het lab — een zeldzaam geval waarin een leverancier een verlies publiceert, en een reden om de rest van de tabel iets meer te vertrouwen. En ImgEdit met 3.83 is betekenisloos zonder de bijbehorende tabel, die deel uitmaakt van wat het nog te verschijnen technische rapport zal bevatten. Behandel de InternLumina U2-lijst als resultaten die het lab wil verdedigen, niet als resultaten waarop u kunt handelen. Merk ook op dat de begripscores ervan en de indexscore van Ling-3.0-flash-VL geen vergelijkbare grootheden zijn: de ene is een reeks taakspecifieke leverancierscijfers, de andere een samengestelde index van een derde partij.

Licentie, hardware en wat het daadwerkelijk kost om op elk daarvan te wedden

Ling-3.0-flash-VL is MIT voor beide precisieformaten, wat ongeveer het schoonste is dat je bij open gewichten krijgt — geen aanvullende bepalingen, geen beperkingen op het toepassingsgebied, geen onduidelijkheid over commerciële uitrol. De FP8-build van ongeveer 126 GB past binnen één node van acht acceleratoren uit de 80GB-klasse; BF16 is ongeveer het dubbele daarvan. Serving-ondersteuning bestaat al in SGLang en een door Ant onderhouden vLLM-fork. Het resterende risico is commercieel in plaats van juridisch: Ant publiceert geen tarief per token voor het visiemodel, gratis toegang op Ling Studio is promotioneel in plaats van een tarief, en Artificial Analysis vermeldt het tegen $0,00 per 1M tokens voor in- en uitvoer, alleen omdat het eindpunt dat het kan zien het gratis eindpunt is.

InternLumina U2 is Apache-2.0 in de hoofdrepository, met twee uitzonderingen die het lezen waard zijn: de meegeleverde map VeOmni/ behoudt zijn upstream Apache-2.0-licentie, en atoken_inference/ is afgeleid van Apple's ml-atoken en wordt opnieuw gedistribueerd onder Apple's oorspronkelijke voorwaarden. De infrastructuurclaim is serieus — deze richt zich op zowel NVIDIA-GPU's als Huawei Ascend-NPU's met numerieke uitlijning op operatorniveau tussen de backends, en het team meldt dat er end-to-end is getraind op een Ascend-cluster met duizend kaarten, met een verbetering van de trainingsefficiëntie van 1,85× dankzij gefuseerde operators, afgestemde HSDP-sharding en gradient checkpointing. Dat is echte engineering. Het staat ook los van de vraag of het model goed is: trainingsefficiëntie op Ascend zegt niets over de kwaliteit van de output, en de checkpoint die er vandaag is, is degene die op die stack is gericht.

Dus de praktische asymmetrie is niet open tegenover gesloten. Beide zijn open, beide hebben een permissieve licentie, en beide zijn vandaag te downloaden. Het is dat de ene release uitgaat van de hardware die je waarschijnlijk hebt en de andere van de hardware die je waarschijnlijk niet hebt. Als je vloot NVIDIA is, is Ling-3.0-flash-VL een middagje werk en is InternLumina U2 wachten. Als je vloot Ascend is — wat steeds gebruikelijker wordt in de Chinese markt waarvoor dit model is gebouwd — keert die vergelijking volledig om, en is InternLumina U2 degene met een afgerond traject, terwijl de recepten van Ling-3.0-flash-VL uitgaan van CUDA.

Vragen die mensen daadwerkelijk over deze combinatie stellen

Zijn de weights van InternLumina U2 al downloadbaar?

Ja, de Ascend-getrainde checkpoint is — zeven safetensors-shards gepubliceerd onder ascend/ op Hugging Face, samen met de config-, tokenizer- en modelingbestanden. De NVIDIA-getrainde checkpoint is een aparte submap en staat nog steeds vermeld als binnenkort beschikbaar, en de trainingscode en het technisch rapport zijn nog niet beschikbaar.

Is Ling-3.0-flash-VL strikt beter omdat het een onafhankelijke score heeft?

Nee — het is beter onderbouwd en gemakkelijker te draaien op gangbare hardware, wat een andere bewering is. Ling-3.0-flash-VL kan geen afbeeldingen genereren of bewerken, kan geen 3D-assets verwerken en heeft geen gepubliceerde prijs. Als je taak beeldgeneratie, beeldbewerking of 3D-begrip is, dan richt InternLumina U2 zich daarop en Ling-3.0-flash-VL richt zich daar helemaal niet op, hoeveel benchmarks het Ling-model ook heeft.

Is de 42 op de modelkaart van Ling-3.0-flash-VL in tegenspraak met de 25 van Artificial Analysis?

Niet direct. De 42 is afgezet tegen protocol v4.1.1 van de Intelligence Index en de 25 tegen v4.3; de index is in september 2026 herzien en over de hele linie opnieuw gescoord, en de twee versies zijn opgebouwd uit verschillende evaluatiesets. Wat gezegd kan worden, is dat de 42 nooit onafhankelijk is gereproduceerd en de 25 wel onafhankelijk is geproduceerd.

Waar een van beide kan worden aangeroepen

Noch Ling-3.0-flash-VL noch InternLumina U2 staat in onze modelcatalogus, en het tegendeel beweren zou een bewering zijn die een lezer binnen tien seconden zou kunnen controleren. Ling-3.0-flash-VL is bereikbaar via het eigen platform van Ant, dat een OpenAI-compatibel endpoint en een Anthropic-compatibel endpoint publiceert, via gratis proeftoegang op Ling Studio, en via de open modelgewichten als je ze zelf serveert. InternLumina U2 is bereikbaar via de checkpoint van Hugging Face en de inferentie-driver van de repository, op de hardware waarvoor die checkpoint bedoeld is.

Wat we routeren is het visionmodel waarmee deze combinatie in de praktijk het vaakst wordt vergeleken: DeepSeek V4 Flash Vision Exp, live in de catalogus met een contextvenster van 1M tokens en een gepubliceerd tarief, op hetzelfde OpenAI-compatibele endpoint als de rest van de catalogus. Wanneer een lab open gewichten uitbrengt, kan een routeringslaag het model doorgaans aanbieden zonder te wachten tot de eigen gehoste dienst van het lab stabiel is — dat is het praktische verschil tussen een model dat citeerbaar is en een model dat aanroepbaar is. Dat verschil is live voor Ling-3.0-flash-VL en voorlopig academisch voor InternLumina U2, waarvan het releaseverhaal een hardwarepad is in plaats van een hostingvraag.

Het oordeel is werkelijk verdeeld, en het verdeelt zich op hardware en taak in plaats van op kwaliteit. Ling-3.0-flash-VL is de complete release: MIT, beide precisieformaten, door derden gescoord, CUDA-first, en beperkt tot begrip. InternLumina U2 is het ambitieuzere ontwerp en de minder afgeronde release: één checkpoint van één hardwarestack gepubliceerd, een verenigd oppervlak van zes taken inclusief generatie en 3D, en een technisch rapport dat nog steeds verschuldigd is. Als je deze week een visiemodel op NVIDIA-hardware nodig hebt, wijst de keuze zich vanzelf. Als het multi-codebookontwerp van InternLumina U2 is wat je interesseert, is het NVIDIA-checkpoint het ding om in de gaten te houden — en de eerlijke positie tot dan toe is dat zijn benchmarktabel, inclusief de rij die het verliest, een model beschrijft waarvan de tweede helft nog niet is uitgeleverd.