Ling-3.1-flash: de 560B MoE die Ant Group wel aanbiedt, maar niet heeft opengesteld

Het korte antwoord op de vraag wat Ling-3.1-flash is: een hybride-redenerend mixture-of-experts-taalmodel uit de Ant Ling-lijn van Ant Group, met ongeveer 560 miljard totale parameters waarvan ongeveer 25 miljard actief per token, een contextvenster dat de leverancier begrenst op 1 miljoen tokens maar vandaag aanbiedt op 256.000, tekst in en tekst uit, en geen downloadbare gewichten. Het model werd aangekondigd op 30 september 2026 en is live in het eigen product van Ant en op de eigen API van Ant. Die datum is waar deze pagina begint en waar ze eindigt: het is het feit dat de leeftijd van het model vastlegt, niet een lancering waarover dit artikel bericht. Wat een lezer die naar Ling-3.1-flash zoekt, nodig heeft, is de staat van het ding op de dag dat die lezer dit leest, en op de dag dat dit werd geschreven was de status van de gewichten nog steeds "niet gepubliceerd".

Drie feiten doen het meeste werk. De weights zijn nog niet vrijgegeven, en Ants eigen aankondiging zegt wanneer ze volgens Ant uit moeten komen. Het contextcijfer dat rondgaat — 1M — is een plafond, niet wat het endpoint je geeft, namelijk 256K. En de specificatie is kenbaar, terwijl de prijs na de promotieperiode dat niet is. Alles hieronder is op bronnen gebaseerd, en waar een getal van Ant zelf is in plaats van van een derde partij, staat dat erbij.

Een opmerking over waar de status van dit model zich bevindt. De aankondiging van Ant van 30 september 2026 is het document dat de architectuur en de open-weightvoorwaarde bevat, en het is niet iets dat de leverancier bijwerkt. De pagina's die wél worden onderhouden — de Ling-modelpagina's en de prijzenpagina op de ontwikkelaarssite van Ant, elk voorzien van de vermelding "Last updated on October 8, 2026" — bevatten de parameters, de contextgetallen en de prijs. Waar die twee van elkaar afwijken, of waar de aankondiging meer zegt dan de documentatie doet, vermeldt deze pagina welke van de twee wordt geciteerd.

Wat Ling-3.1-flash is, en wie het publiceert

Ling-3.1-flash behoort tot de Ling-familie — de taallijn voor algemene doeleinden van Ant Ling, het modelprogramma dat Ant Group uitvoert en publiceert via zijn inclusionAI-lab (de operationele entiteit die op de ontwikkelaarssite wordt genoemd is Ant Intelligence (Hang Zhou) Technology Co., Ltd.). De familie splitst zich in drie richtingen: Ling voor algemeen taalwerk, Ring voor diepgaand redeneren, en Ming voor omni-modaal begrip en generatie. Ling-3.1-flash is het vlaggenschip van de Ling-tak en staat boven Ling-3.0-flash, dat in de catalogus blijft als de goedkopere, snellere optie.

Ant positioneert het nauw afgebakend en consistent: langetermijntaken in de echte wereld, kantoorwerk dat van een vage vraag naar een afgerond resultaat loopt, software-engineering die zich over uren uitstrekt, en agentlussen die tools achtereenvolgens aanroepen en zichzelf corrigeren. De eigen samenvatting van de leverancier van de pitch is dat het ongeveer 560B aan capaciteit behoudt terwijl er per stap ongeveer 25B wordt betaald, zodat wereldkennis en redeneerdiepte behouden blijven terwijl de rekenkracht per token dat niet doet. Het is de opvolger van Ling-3.0-flash in hetzelfde slot, geen nieuw niveau.

Zijn de gewichten vrijgegeven? Nee — en Ant heeft de voorwaarde genoemd.

Dit is het meest betwiste feit over het model, en het antwoord is vandaag eenduidig: de gewichten zijn niet gepubliceerd. Er is geen Ling-3.1-flash-repository op Hugging Face onder de inclusionAI-organisatie, geen modelkaart, geen licentietekst en geen checkpointbestand; een zoekopdracht in de openbare repositories van de organisatie levert de Ling-3.0-generatie en eerder op, en geen 3.1-item. ModelScope, waar Ant zijn releases spiegelt, heeft evenmin een Ling-3.1-flash-model. Evenmin is er een deploymentrecept voor: de eigen Ling Cookbook-repository van de leverancier op GitHub, voor het laatst gepusht op 2026-10-12, de dag voor deze pagina, bevat recepten voor lokale implementatie en kwantisatie voor Ling-3.0-flash, Ling-3.0-flash-VL, Ling-3.0-flash-Fin en Ling-3.0-tiny, en niets voor Ling-3.1-flash. De onafhankelijke evaluator Artificial Analysis classificeert het model als propriëtair, en zijn FAQ antwoordt "Nee" op de vraag of het model open source is.

Wat Ant heeft gedaan, is een voorwaarde aan de opening koppelen, en die is specifieker dan 'binnenkort'. De aankondiging stelt dat de gratis periode een context van 256K biedt, en dat nadat de gratis periode eindigt en het model overgaat op een betaalde dienst, het plan is om het 1M-venster te openen en tegelijkertijd het model open source te maken. De volgorde die de leverancier beschrijft is dus: proefperiode op 256K, dan betaalde dienst tot 1M, waarbij de gewichten bij die omschakeling volgen. Dat is een plan, geen datum, en er is geen datum gepubliceerd. Beschouw elke bewering dat 'Ling-3.1-flash open gewichten heeft' als onjuist totdat er een repository bestaat; beschouw het plan als de door de leverancier verklaarde intentie, niet als een gebeurtenis.

Grootte en architectuur: 560B totaal, 25B actief, zeven lineaire lagen per globale laag

Ant publiceert de architectuur in een zodanig detail dat de cijfers onderling controleerbaar zijn in plaats van slechts geciteerd te worden:

• Totaal aantal parameters — ongeveer 560 mld., volgens de leverancier, ongewijzigd in de hele documentatie.

• Actieve parameters — ongeveer 25B per token, een sparsityratio van bijna 1 op 22.

• Expertroutering — 512 gerouteerde experts, waarvan elk token er 8 selecteert, plus één gedeelde expert die elk token gebruikt. Dat is een merkbaar bredere expertpool dan de vorige generatie gebruikte tegenover een veel kleinere body. Het aantal experts, de selectie van 8 van 512 en de 7:1-aandachtsratio komen uit de aankondiging en niet van de modelpagina; de modelpagina vermeldt de parameters en de contextgetallen.

• Aandacht — een hybride stack die voortbouwt op het lineaire-aandachtsontwerp van Ling-3.0-flash, waarbij het lineaire aandeel is vergroot: 7 KDA-lagen (Kimi Delta Attention) op elke 1 Gated MLA-laag, zodat één op de acht lagen een globaal aandachtspad behoudt. Het KDA-pad is het pad met lineaire tijd, gericht op lange sequenties.

• Voorganger qua schaal — Ling-3.0-flash draait op 124B totaal met 5,1B actief over een 42-laagse hybride stack, dus Ling-3.1-flash is ongeveer vier en een half keer zo groot qua omvang, met ongeveer vijf keer de activatie per token.

Om het maar ronduit te zeggen, want Ant zegt het ook: niets hiervan vertaalt zich direct naar deploymentkosten. Doorvoer, latentie en geheugen hangen af van de hardware, de numerieke precisie, de batchgrootte, expertcommunicatie, de contextlengte en de outputlengte. De architectuur verklaart waarom het model op deze grootte kan bestaan; ze vertelt je niet wat een verzoek je gaat kosten.

Contextvenster en maximale uitvoer

Het venster is waar de meest voorkomende verkeerde lezing zit. De documentatie van Ant vermeldt het als twee getallen op één regel: het venster heeft een maximum van 1M tokens, en de officiële service stelt momenteel 256K beschikbaar. De aankondiging geeft de reden in de eigen woorden van de leverancier — de gratis proefperiode duurt twee weken, de lengte van de service bedraagt tijdens de proefperiode 256K, en zodra de proefperiode eindigt en het model overgaat naar een betaalde service, is het plan om het 1M-venster te openen en tegelijkertijd het model open source te maken. De documentatie en de aankondiging komen overeen over het aangeboden getal, en beide zijn van Ant. Het productoppervlak zit achter een aanmelding, dus het eigen besturingselement voor maximale lengte van Ling Studio is iets wat deze pagina vandaag niet kan bevestigen; als je het exacte maximum nodig hebt voordat je een pipeline dimensioneert, lees het dan af van de studio zodra je bent ingelogd, in plaats van daarvoor een getal uit tweede hand over te nemen.

Artificial Analysis vermeldt het contextvenster als 1M. Dat is het opgegeven plafond, niet wat een verzoek op dit moment krijgt, en het is het getal dat het verst wordt doorverteld en in de praktijk het vaakst onjuist is. Als je een pijplijn dimensioneert, stem die dan af op 256K en beschouw 1M als een roadmapitem zonder bekendgemaakte datum.

De maximale output is een getal dat Ant niet per model publiceert. Wat de leverancier wel publiceert, is het aanvraagoppervlak: van de Anthropic-compatibele endpoint staat max_tokens standaard op 32.000, de OpenAI-compatibele referentie vermeldt geen outputlimiet per model, en aanroepen zonder streaming krijgen na 90 seconden een time-out. Als je taak één lange generatie vereist, is het eigen advies van de leverancier om te streamen in plaats van een limiet te verhogen die deze niet documenteert.

Wat het opneemt en wat het teruggeeft

Tekst in, tekst uit. Ling-3.1-flash is geen multimodaal model, en het is de moeite waard om dat expliciet te zeggen, want de familie bevat er wel een: Ling-3.0-flash-VL is het visiemodel, dat native beeld-, tekst- en video-invoer accepteert via hetzelfde platform, en de multimodale documentatie van de leverancier is voor dat model geschreven. Ling-3.1-flash staat in de Ling-specificatietabel van de leverancier zonder andere invoermodaliteit dan tekst, en de pagina van de onafhankelijke beoordelaar vermeldt alleen tekstinvoer en tekstuitvoer en schaart het onder redeneermodellen in plaats van visiemodellen. Als je vandaag een afbeelding naar een Ling-model wilt sturen, wijst de eigen selectiegids van de leverancier je op Ling-3.0-flash-VL, niet op dit model.

Claims van leveranciers versus onafhankelijke evaluatie

Voor Ling-3.1-flash bestaan er twee soorten getal, en die zijn niet uitwisselbaar.

Ants eigen aankondiging is getiteld als een modelupgrade voor taken in de echte wereld, en is voorzichtig over wat zijn cijfers precies zijn. De genoemde evaluatiegebieden zijn GDPVal-AA V2.1 voor kantoorwerk, HealthBench Professional voor medische communicatie, FrontierSWE voor engineering, Terminal-Bench 4.0 voor terminalgebruik, plus automatisering, veiligheidsanalyse, vraagbeantwoording over codebases en financiële-agenttaken — en de cijfers per benchmark staan in grafiekafbeeldingen in plaats van in een teksttabel. Tot op heden heeft Ant die individuele scores niet gepubliceerd in een vorm die iemand regel voor regel kan citeren, en deze pagina zal er geen tabel voor verzinnen. Wat Ant wel in tekst vermeldt, zijn drie langdurige engineeringresultaten, allemaal door de leverancier gerapporteerd, allemaal op basis van de eigen taakdefinities van de leverancier, en allemaal aangeduid als de vergelijkingscijfers die "in de documentatie worden vermeld" in plaats van als een rechtstreekse vergelijking met gelijke omstandigheden: een Lua-naar-x86-64-ELF-compiler die vanaf nul is gebouwd in ongeveer 17 uur onafgebroken uitvoering, waarbij 178 van de 182 onafhankelijke tests slaagden, ongeveer 97,8%, tegenover 99,0% voor Claude Fable 5 en 95,9% voor GLM-5.3-Flash op dezelfde taak zoals de leverancier die vermeldt; een optimalisatieronde voor Pyright 1.1.400 van ongeveer 10 uur die een versnelling van 1,432× bereikte, waarbij alle 2.279 benchmark- en regressietests slaagden, tegenover Claude Fable 5 met 1,502× en GLM-5.3-Flash met 1,290×; en een Rust-herimplementatie van een C-beeldbibliotheek die ongeveer 20 uur kostte, alle 30 controles doorstond met 8,015×, tegenover GLM-5.3-Flash met 1,396× en Claude Fable 5 met 27,310×. Die drie taken zijn niet head-to-head gebenchmarkt met gelijke inspanning en testomgeving — de cijfers van de andere modellen zijn de eigen citaten van de leverancier, geen door hem gecontroleerde runs — dus lees ze als het verslag van de leverancier over zijn eigen takenpakket, niet als een gelijkwaardige rangschikking. Ant meldt ook dat het model een stack-buffer-overflow in de kalibratieparser van de opensource-OceanBase-database heeft gevonden en gepatcht door het probleem autonoom aan te pakken. Elk van die punten is een first-party-claim over een first-party-taak; geen enkele is door een derde gereproduceerd, en de leverancier markeert het derde resultaat zelf als een teken dat er nog ruimte over is voor extreme prestatie-optimalisatie. Aan de vraagzijde van zoekopdrachten is "ling 3.1 flash benchmark" een van de kleinere vragen die mensen over dit model stellen, en het eerlijke antwoord in één zin is het bovenstaande: de kaart van Ant bestaat, de cijfers zijn door de leverancier gerapporteerd, en het onafhankelijke cijfer waaraan je het model daadwerkelijk kunt houden, staat in de volgende alinea.

Het tweede type getal wordt onafhankelijk gemeten. Artificial Analysis, dat zijn eigen testharnas draait op hardware die het zelf beheert, geeft Ling-3.1-flash een score van 41 op zijn Intelligence Index v4.3.2, een samengestelde index van tien evaluaties, en rangschikt het als vijfde van 175 modellen op die index. De voorganger scoort 20 op dezelfde index. Dezelfde pagina vermeldt 212,1 outputtokens per seconde en 1,87 seconden tot het eerste token, 220 miljoen gegenereerde outputtokens in de hele index — hoog vergeleken met een mediaan van 95 mln. — en een doorlopende kostprijs van $0,30 per miljoen inputtokens en $0,90 per miljoen output met 80% cachekorting, ongeveer $1,00 per indextaak. Dat zijn de eigen metingen van de evaluator op de API van de leverancier, niet de cijfers van Ant, en het zijn de enige onafhankelijke metingen van dit model die vandaag bestaan.

Wat de prijs betreft, geldt dezelfde splitsing, en de valuta is van belang. Ant's prijspagina — de onderhouden versie, voorzien van het stempel "Laatst bijgewerkt op 8 oktober 2026" in plaats van de datum 2026-10-13 waarop deze pagina is geschreven — vermeldt Ling-3.1-flash tegen ¥0,00 voor input, output en cache-reads, en stelt dat het model gedurende een beperkte periode van twee weken gratis is, waarna het overstapt op standaard betaalde facturering, waarbij de tarieven nog bekendgemaakt moeten worden. Dezelfde pagina publiceert een USD-tabel waarin de rij in alle drie de kolommen $0,00 aangeeft. Dat is het volledige antwoord over de gratis laag: gratis is echt, het is promotioneel, het is tijdgebonden, en het getal dat erop volgt is niet gepubliceerd. Het door de onafhankelijke evaluator geregistreerde tarief van $0,30 en $0,90 is het dichtst dat in het openbaar bij een tariefkaart na de proefperiode in de buurt komt, en Ant heeft dit niet bevestigd.

Hoe krijg je vandaag een reactie van Ling-3.1-flash

Er zijn twee first-party routes, beide van Ant zelf. De Ling Studio op chat.ant-ling.com is het productoppervlak, en de aankondiging van de leverancier zegt ook dat het model onderdeel is van een interne Ant-desktopagent die voor kantoortaken wordt gebruikt. De Open API op api.ant-ling.com is de ontwikkelaarsroute en wordt in twee vormen geleverd: een OpenAI-compatibel chat/completions-endpoint en een Anthropic-compatibel messages-endpoint, zodat een bestaande SDK werkt met alleen een wijziging van de base-URL. Twee kanttekeningen komen rechtstreeks uit de documentatie, wat ongewoon genoeg is om exact over te nemen: de regelaars voor waarschijnlijkheid en diversiteit, temperature en top_p, hebben op beide referentiepagina's standaard de waarde 1, dus een request die elders heeft geleerd een lage temperature in te stellen, gedraagt zich hier anders; en de thinking-regelaar die gedocumenteerd is voor het aan- en uitzetten van redeneren, is alleen gedocumenteerd voor Ling-3.0-flash, wat betekent dat het request-oppervlak dat deze pagina's publiceren niet is bijgewerkt voor Ling-3.1-flash. Voor toegang is een gekoppeld Alipay-account en een geactiveerde Ling-service nodig — de FAQ noemt "Ling model service not activated" ook als een bekende fout met een eigen oplossing — facturering gebeurt pay-as-you-go per token, de gepubliceerde rate limit is wereldwijd 2 requests per seconde met 429-fouten daarboven, en niet-streamende aanroepen lopen na 90 seconden in een time-out. De leverancier vermeldt het model ook tegen dezelfde promotionele prijs van nul op platforms van derden; dat zijn geen first-party oppervlakken en hun voorwaarden zijn de hunne.

Eén verificatie die de moeite waard is voordat je op het endpoint voortbouwt: vanaf vandaag somt de gepubliceerde API-referentie van de leverancier Ling-3.1-flash niet op in de modellenlijst, en de changelog van het platform bevat er geen vermelding over — de nieuwste vermeldingen daarin zijn Ling-3.0-flash-VL in september en Ling-3.0-tiny in augustus — hoewel de prijzenpagina een tarief voor het model bevat en de aankondiging een API-proef voor het model aanbiedt. Controleer de modelidentificatie met je eigen account voordat je het ergens in verwerkt, in plaats van ervan uit te gaan dat de documentatie is bijgewerkt.

Ling-3.1-flash staat niet in de catalogus van OrcaRouter — een controle tegen onze live modellenlijst op 2026-10-13 levert geen Ling- of inclusionAI-vermelding op — dus deze pagina zal je niet vertellen dat het met één aanroep beschikbaar is. Wat wél met één aanroep beschikbaar is, zijn de twee modellen waarmee het het vaakst wordt vergeleken: DeepSeek V4.1 Flash, die volgens onze lijst $0.15 per miljoen input en $0.60 per miljoen output kosten, en GLM 5.3 Flash tegen $0.15 en $0.50, beide tegen lijstprijs met nul opslag en automatische failover tussen providers, zodat een tariefwijziging van een van beide leveranciers dezelfde dag ingaat zonder codewijziging aan jouw kant. Wanneer Ant Ling-3.1-flash opent of een host het toevoegt, is dat de vorm waarin het zou arriveren.

Waar je op moet letten, en wat je niet moet aannemen

Drie dingen beslechten de openstaande vragen van deze pagina, en alle drie moeten door Ant worden gepubliceerd: de gewichten, met een licentie en een modelkaart als het plan uit de aankondiging standhoudt; het 1M-venster dat daadwerkelijk wordt bediend in plaats van alleen aangekondigd; en een tariefkaart na de proefperiode. Totdat ten minste de eerste twee er zijn, is de nauwkeurige beschrijving van Ling-3.1-flash een sterk, snel, gesloten model dat alleen tekst ondersteunt, met een echte onafhankelijke score van 41 en een werkelijk veelbelovend agentisch profiel, beschikbaar via first-party en gratis gedurende een periode die zonder waarschuwing sluit.

Wie moeten hier nu actie op ondernemen: iedereen wiens werk agentisch, terminalvormig of kantoorvormig is en die twee weken gratis inferentie op hun eigen prompts wil om erachter te komen of een 560B MoE met 212 tokens per seconde verandert wat ze bouwen. Wie moeten wachten: iedereen die van plan is het zelf te hosten, iedereen die een licentie nodig heeft voordat inkoop ernaar wil kijken, iedereen wiens pipeline het miljoen-tokenvenster in productie nodig heeft, en iedereen die een kostenmodel nodig heeft dat de promotieperiode overleeft. Voor alle vier geldt dat het eerlijke antwoord vandaag is dat de beslissing nog niet kan worden genomen, en wat dat zou vrijmaken is een Hugging Face-repository, niet nog een benchmarkgrafiek.