Ling-3.1-flash-1019 remisuje z Kimi K3 z wynikiem 44 — a nadal nie ma nic do pobrania

Liczba pojawiła się, zanim pojawił się model. 22 października zespół Ling w Ant Group umieścił Ling-3.1-flash-1019 we własnym komunikacie z przypisanym wynikiem i obietnicą: 44 w Artificial Analysis Intelligence Index, wzrost z 41 w przypadku Ling-3.1-flash tydzień wcześniej, i na poziomie Moonshot Kimi K3. Ten sam post mówi, że dostęp przez API i otwarte wagi są „wkrótce”. Strona modelu w Artificial Analysis potwierdza pierwszą część — 44, trzecie miejsce wśród 174 śledzonych modeli — i drugą: brak publicznie dostępnego API, nieujawniona liczba parametrów i status licencji: zastrzeżona. Zatem trafne zdanie nie brzmi: „Ant wydało model klasy K3”. Brzmi ono: Ant opublikowało zmierzony wynik dla Ling-3.1-flash-1019, a na dzień dzisiejszy nikt spoza własnego pipeline’u ewaluacyjnego Ant nie może wywołać builda, który go uzyskał. To jest podsumowanie tego, co na razie wiemy, o modelu, który jest głęboki na jedną liczbę i jedną obietnicę, a każda poniższa liczba ma albo źródło, albo wyraźną etykietę mówiącą, że go nie ma.

Kształt tej rzeczy, dla każdego, kto chce go w jednym oddechu: Ling-3.1-flash-1019 to opatrzony datą checkpoint tej samej linii co Ling-3.1-flash — rzadka mieszanka ekspertów o około 560 miliardach parametrów, z około 25 miliardami parametrów aktywnych na token, hybrydowym stosem liniowej uwagi i deklarowanym kontekstem 1 mln tokenów — a „1019” to data kompilacji, a nie nowa architektura. Nowe są wyniki, koszt ich uzyskania i przepaść między dwoma laboratoriami, których dotyczy teraz to porównanie: Ant, które zapowiedziało, a nie wydało, oraz DeepSeek, którego własna datowana wersja flash, DeepSeek V4.1-Flash-1017, ukazała się pięć dni wcześniej z wagami i niezmienionym cennikiem. Odległość między tymi dwoma stylami wydania to większość tego, o czym jest ten artykuł.

Czym jest 44 i czego strona nie mówi

Artificial Analysis Intelligence Index to miara złożona, a nie pojedynczy test. Wersja 4.3.2 nadaje wagi dziesięciu ewaluacjom: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience i AA-LCR v1.1. Miara złożona, która łączy pracę biurową, korzystanie z terminala, matematykę konkursową, wyszukiwanie w długim kontekście i zachowania związane z halucynacjami, wygeneruje liczbę dla niemal każdego modelu, a ta liczba ma tylko taką wartość informacyjną, jak wiersze znajdujące się pod nią.

Dla Ling-3.1-flash-1019 wierszy jeszcze nie ma. Strona publikuje 44 i klasyfikuje go na trzecim miejscu ogółem; wymienia kontekst 1 mln tokenów, wejście i wyjście tekstowe, model rozumujący, nieujawnioną liczbę parametrów oraz — co najważniejsze — „No publicly available API” wszędzie tam, gdzie powinny znajdować się wyniki poszczególnych ocen i szybkość. SciCode oznaczono jako będący w trakcie weryfikacji. Nie ma wartości szybkości wyjścia, wartości opóźnienia ani sposobu odtworzenia choćby jednego wiersza bez wag lub punktu końcowego. To nie jest krytyka Artificial Analysis, która może mierzyć tylko to, do czego ma dostęp; to opis tego, jak cienka jest obecnie baza dowodowa. Szczegółowe dane modelu poniżej wyniku zbiorczego zmierzono najprawdopodobniej na punkcie końcowym hostowanym lub dostarczonym przez dostawcę, a szczegóły tego ustalenia nie są publiczne.

Dwie liczby na tej stronie robią więcej niż nagłówek, ponieważ obie są kosztami, a nie wynikami. Pierwsza to tokeny wyjściowe zużyte podczas przebiegu indeksu: 350 milionów dla kompilacji 1019 wobec 220 milionów dla kompilacji, która uzyskała 41. Druga to koszt na zadanie Intelligence Index: 1,49 USD wobec 1,00 USD dla poprzednika. Odczytane razem mówią coś, czego wynik powiedzieć nie może: trzy dodatkowe punkty kupiono, rozumując około 59% dłużej przy tym samym nominalnym cenniku, a rachunek na zadanie wzrósł o około 49%. Laboratorium, które zyskuje punkty indeksu, sprawiając, że model rozumuje dłużej, nie postępuje źle — długość rozumowania jest uzasadnioną dźwignią — ale oznacza to, że 44 nie jest darmowe oraz że kupujący porównujący wyłącznie po indeksie porównuje liczbę, której koszt na punkt przesunął się w złym kierunku.

Cennik sam w sobie pozostaje bez zmian. Artificial Analysis podaje 0,30 USD za milion tokenów wejściowych i 0,90 USD za milion tokenów wyjściowych w przypadku obu wersji, 80% zniżki na pamięć podręczną, mieszaną stawkę 0,19 USD za milion przy standardowym miksie oraz okno kontekstu wynoszące 1 mln. Są to ceny publikowane przez spółkę macierzystą, przeniesione tutaj, co jest rozsądnym założeniem, gdy dostawca nie ogłosił nowych cen, ale to nadal założenie. Ceny promocyjne Ant w wersji produkcyjnej — więcej na ten temat poniżej — są znacznie niższe niż cena katalogowa.

Skąd się wzięły trzy punkty

Ant nie opublikował tabeli wyników poszczególnych ewaluacji dla kompilacji 1019. Krążące wyniki cząstkowe pochodzą z chińskojęzycznych relacji o ogłoszeniu, które podają dwie zmiany przypisywane Artificial Analysis: AA-Briefcase wzrasta z około 1400 Elo do 1524, a AutomationBench-AA z około 62% do 68%. Oba należy traktować jako wtórne, dopóki wiersze ewaluacji nie pojawią się na stronie modelu — to liczby raportowane, a nie takie, które ten artykuł zweryfikował na podstawie tabeli źródłowej.

Są co najmniej wewnętrznie spójne z tym, co zmierzył build nadrzędny. Gdy 7 października czytaliśmy stronę Ling-3.1-flash, AA-Briefcase wynosił 1,400.35, a AutomationBench-AA — 0.617, czyli te same wartości, które w omówieniu zaokrągla się do „około 1,400” i „około 62%”. Kierunek zmian jest więc wiarygodny i wskazuje na konkretne twierdzenie: aktualizacja to poprawa w zakresie pracy agentowej i biurowej, a nie ogólny wzrost możliwości. AutomationBench i AA-Briefcase to dwa wiersze w tym indeksie, które najbardziej bezpośrednio nagradzają wieloetapowe korzystanie z narzędzi i realizację zadań w długim horyzoncie. Jeśli te się zmieniły, a GDPval, SciCode, HLE i CritPt nie, to prawidłowy opis Ling-3.1-flash-1019 brzmi „lepszy w doprowadzaniu zadań do końca”, a nie „mądrzejszy”.

To rozróżnienie ma praktyczne znaczenie. Model, który zyskuje w wierszach agentowych, warto przetestować na własnym obciążeniu wywołań narzędzi; model, który zyskuje równomiernie, warto testować wszędzie. Dopóki wiersze nie zostaną opublikowane, 44 nie może powiedzieć, który z tych przypadków masz, a rozsądną postawą jest ta, którą przyjęło konto, które oznaczyło ten build: pokazać pełne wyniki. Wynik zbiorczy to nagłówek. Wiersze to decyzja.

Oprawa Kimi K3-Flash, wyceniona

Sposób przedstawienia, który sprawił, że Ling-3.1-flash-1019 trafił na wiele osi czasu, pochodził z szeroko obserwowanego konta; 22 października opisano tam ten build jako w istocie Kimi K3-Flash — inteligencję klasy K3 przy ekonomice poziomu flash — i poprowadzono paralelę między postępami Ant na tej linii a postępami DeepSeek na V4.1-Flash. Ani „Kimi K3-Flash”, ani ta paralela nie są twierdzeniem produktowym; oba są skrótami i warto oddzielić to, co ten skrót ujmuje trafnie, od tego, co pomija.

To, co robi dobrze, to arytmetyka ceny względem indeksu — i ta arytmetyka jest bezlitosna. Kimi K3 w konfiguracji Max osiąga 44 w tym samym indeksie. Jest też modelem o 2,8 biliona parametrów, z 104 miliardami aktywnymi na token, wycenianym przez Moonshot na 3,00 USD za milion tokenów wejściowych i 15,00 USD za milion tokenów wyjściowych, a wejście z pamięci podręcznej kosztuje 0,30 USD. Ling-3.1-flash-1019 to linia o 560 miliardach parametrów i około 25 miliardach aktywnych, wyceniona na 0,30 USD i 0,90 USD. Ten sam wynik złożony, jedna dziesiąta stawki wejściowej, jedna szesnasta stawki wyjściowej i jedna czwarta aktywnych parametrów na token. Jeśli potrzebujesz wyłącznie indeksu, to nie jest marginalna wygrana; to inna struktura kosztów przy tym samym wyniku głównym.

To, co ten skrót pomija milczeniem, to wszystko, czego indeks nie mierzy. Kimi K3 przyjmuje obrazy na wejściu; Artificial Analysis wymienia Ling-3.1-flash-1019 jako tekst na wejściu i tekst na wyjściu. Kimi K3 jest dostępny do pobrania na własnej licencji od końca lipca i od tego czasu można go wywoływać u wielu dostawców; Ling-3.1-flash-1019 nie ma ani wag, ani endpointu. Wiersze ewaluacji Kimi K3 są opublikowane, a jego szybkość jest mierzona — 44 to wskaźnik złożony obliczony na podstawie widocznej tabeli. 44 dla Ling to wskaźnik złożony obliczony na podstawie tabeli, która nie jest jeszcze widoczna. A liczby parametrów nie są porównywalne w sposób, do którego zachęca słowo „560B”: K3 zużywa 104 miliardy parametrów na token, a ta wersja zużywa 25 miliardów.

• Indeks — 44 dla obu, w Artificial Analysis Intelligence Index v4.3.2.

• Cena — Ling-3.1-flash-1019: 0,30 USD za wejście / 0,90 USD za wyjście za 1 mln w porównaniu z Kimi K3: 3,00 USD / 15,00 USD.

• Aktywne parametry — około 25 mld na token w porównaniu z 104 mld na token. Łącznie: około 560 mld w porównaniu z 2,8 bln.

• Modalność — wyłącznie tekst w porównaniu z wejściem tekstowym i obrazowym.

• Dostępność — zapowiedziane, bez API, bez wag, w przeciwieństwie do dostępnego do pobrania i serwowanego od lipca 2026.

• Dowody — kompozyt bez opublikowanych wierszy w porównaniu z kompozytem z opublikowaną tabelą i zmierzoną prędkością wyjściową.

Ujęte w ten sposób, „Kimi K3-Flash” to uczciwy opis zamiaru i nieuczciwy opis teraźniejszości. Zamiar jest realny: jeśli Ant wypuści tę kompilację na licencji MIT podmiotu nadrzędnego w cenie podmiotu nadrzędnego, stanie się ona najtańszą drogą do łącznej wydajności na poziomie K3 na rynku — i to z dużą przewagą. Teraźniejszość wygląda tak, że to wynik, za którym nie stoi żaden artefakt, a modele, które faktycznie można wynająć za 44, mają zupełnie inną cenę.

Dwa laboratoria, jeden playbook: checkpoint oznaczony datą

Ciekawszy wzorzec to nie wynik. To forma wydania. Oba laboratoria, których dotyczy to porównanie, wypuściły w tym miesiącu odświeżenia w połowie cyklu według tej samej konwencji nazewnictwa — czterocyfrowy przyrostek miesiąca i dnia doczepiony do istniejącej nazwy produktu — i oba prosiły, aby odczytywać ten przyrostek jako wersję.

Wpis DeepSeeka to DeepSeek V4.1-Flash-1017, datowany na 17 października, pięć dni przed wpisem Anta. Jego changelog nazwał aktualizację „poprawą Pareto w zakresie wydajności i kosztów”, stwierdzał, że sposób wywoływania API i cennik pozostały bez zmian, i kierował istniejące wywołania do nowej kompilacji. Jego wagi trafiły na Hugging Face tego samego ranka na licencji MIT, przy 763 miliardach parametrów, bez żadnych ograniczeń dostępu. W indeksie — według danych powołujących się na Artificial Analysis — plasuje się on na 45, o jeden punkt powyżej Ling 1019 — sześciopunktowy wzrost względem 39, które zmierzono dla konfiguracji V4.1-Flash (Max) na początku października. Sześć punktów w dziesięć dni, łącznie z wagami.

Wpis Anta to Ling-3.1-flash-1019, datowany na 19 października na podstawie sufiksu i ogłoszony 22 października. Trzy punkty w ciągu około tygodnia, bez wag, nie podano daty ich udostępnienia. Ta sama strategia, inne wykonanie: DeepSeek potraktował checkpoint jako wydanie, Ant potraktował go jako aktualizację tablicy wyników, po której wydanie dopiero nastąpi. To nie skandal i nie jest to nic niezwykłego — laboratoria nieustannie ogłaszają przed udostępnieniem wag — ale zmienia to, co czytelnik może zrobić dziś, a to jedyny test, który ma znaczenie w przypadku modelu, do którego mógłbyś kierować ruch.

W konwencji nazewnictwa ukryta jest operacyjna konsekwencja i to ona sprawia, że ten wzorzec warto śledzić poza jednym wydaniem. Gdy dostawca odświeża model, zmieniając sufiks i pozostawiając bez zmian napis modelu API, „model flash” przestaje być stabilnym celem. Prosisz o model po nazwie, a dostawca wskazuje tę nazwę na tę kompilację, którą ostatnio dostarczył, i twoja ocena z zeszłego tygodnia nie opisuje już tego, co odpowiedziało dziś rano. DeepSeek wypowiedział się o tym jednoznacznie — changelog mówi, że wywołania istniejącego napisu modelu trafiają teraz do kompilacji 1017.

Przypinanie jest rozwiązaniem i stanowi kwestię routingu, a nie kwestię benchmarku. To także miejsce, w którym nasz własny katalog okazuje się przydatny jako ilustracja: wymienia zarówno deepseek/deepseek-v4.1-flash i deepseek/deepseek-v4.1-flash-1017 jako osobne identyfikatory modeli, oraz kimi/kimi-k3 obok nich, dzięki czemu wywołujący może wskazać konkretną kompilację, a nie rodzinę. Ling-3.1-flash-1019 nie znajduje się w naszym katalogu i ten artykuł nie będzie udawał, że jest inaczej — nie ma dla niego żadnego punktu końcowego, który moglibyśmy zweryfikować, i właśnie o to chodzi w powyższej sekcji.

Co jest faktycznie otwarte, a co jest warte „wkrótce”

Ogłaszana wersja nie jest wersją, która jest otwarta. Otwarta jest Ling-3.1-flash, której wagi Ant opublikował 15 października na licencji MIT w Hugging Face i ModelScope. Jej karta jest szczegółowa w sposób, w jaki ogłoszenie 1019 nie jest: 560 miliardów parametrów łącznie, 25 miliardów aktywnych na token, możliwy do pobrania checkpoint o 572 miliardach parametrów, 63 warstwy KDA plus 9 warstw gated MLA w stosunku 7:1 oraz 4 warstwy gęste, 512 ekspertów routowanych z 8 aktywowanymi i 1 współdzielonym, słownik liczący 157 184 tokeny oraz kontekst 1M tokenów.

To, jak wygląda serwowanie w tym nadrzędnym buildzie, jest powodem, dla którego model 560B w ogóle jest interesujący. Notatki wydania Ant opisują schemat mieszanej precyzji — MXFP4 dla ekspertów routowanych, block-FP8 dla warstw gęstych — który zmniejsza rozmiar wag z około 534GB do 292GB i w testowanej konfiguracji redukuje wdrożenie Hopper z ośmiu GPU do czterech. Dostępne są receptury dla SGLang i vLLM, schemat równoległości długiego kontekstu, który Ant nazywa PCP/DCP, oraz ulepszone wsparcie JSON Schema dla wywołań narzędzi. Opublikowane przez Ant zmierzone liczby dotyczące serwowania są niepozorne w dobrym sensie: na ośmiu GPU Hopper średni czas do pierwszego tokenu wynosi 604 ms, a opóźnienie między tokenami 3,28 ms przy 76% wskaźniku trafień w pamięć podręczną; na czterech około 1,36 zapytania na sekundę przy P50 czasu do pierwszego tokenu poniżej trzech sekund.

Nic z tego nie zostało potwierdzone dla kompilacji 1019. To rozsądne oczekiwanie — checkpoint oznaczony datą w tej samej linii, przy tych samych liczbach parametrów, o których się nie wspomina, raczej nie przebudował swojej historii kwantyzacji — ale oczekiwanie to nie dokumentacja, a brakuje obu rzeczy, które zdecydowałyby, czy to wydanie ma znaczenie na poziomie operacyjnym. Pierwsza to licencja. Wpis Anta z 15 października opisuje model bazowy jako open-source i nie podaje żadnej licencji; karta Hugging Face mówi MIT. To różne artefakty o różnym autorytecie, a dla kompilacji 1019 żaden z nich jeszcze nie istnieje. Druga to checkpoint. Model z 25 miliardami aktywnych parametrów, który działa na czterech GPU Hoppera, to zasadniczo inna propozycja niż model wymagający ośmiu, a całe twierdzenie o czterech GPU opiera się na przepisie kwantyzacji, którego nie dołączono do tej kompilacji.

Uczciwa interpretacja „wkrótce” jest zatem taka, że to stwierdzenie o harmonogramie, a nie techniczne. Mówi ci, że Ant zamierza dostarczyć produkt. Nie mówi, na jakich warunkach, w jakiej skali ani czy kalkulacje dotyczące wdrożenia się przenoszą.

Co możesz uruchomić już dziś

Wywoływalny build to wersja nadrzędna, Ling-3.1-flash, a zastrzeżenia do niego są takie, że ujawniają się dopiero po próbie użycia. Obsługiwany kontekst wynosił 262 144 tokeny, a nie 1 mln, jak twierdzi specyfikacja, z limitem wyjścia 32 768 tokenów na hostowanym punkcie końcowym, a cena hostowana była promocyjna, a nie cennikowa. Notatki Anta z 15 października określają promocję na około 75% zniżki: 0,075 USD za milion tokenów wejściowych, 0,225 USD za milion tokenów wyjściowych i 0,015 USD za milion odczytów z pamięci podręcznej po stronie międzynarodowej oraz ¥0,5 / ¥1,5 / ¥0,1 w Ling Studio. To są rzeczywiste liczby dla wersji nadrzędnej, a nie dla buildu 1019, który nie ma własnego opublikowanego cennika.

Jeśli Twoje pytanie brzmi „czy powinienem przenieść ścieżkę produkcyjną na to?”, odpowiedź brzmi nie — i nie dlatego, że model jest zły. Kompilacji bez endpointa, bez wag, bez licencji i bez opublikowanych wierszy wyników dla poszczególnych ewaluacji nie da się ocenić, można ją jedynie przewidywać. Jeśli Twoje pytanie brzmi „czy warto obserwować tę linię?”, odpowiedź brzmi tak, a tanim sposobem działania na tej podstawie jest zbenchmarkowanie tego, z czym rzekomo osiąga parytet. Kimi K3 i DeepSeek V4.1-Flash-1017 są oba osiągalne przez jeden klucz OrcaRoutera w cenie katalogowej dostawcy z 0% marży, więc uruchomienie tego samego harnessu na obu powie Ci, ile 44 i 45 faktycznie kosztują Cię na zadanie, zanim Ant cokolwiek dostarczy. Automatyczne przełączanie awaryjne ma tu znaczenie z przyziemnego powodu: gdy kierujesz świeży harness ewaluacyjny na nieznaną kompilację, chcesz, aby zły endpoint kosztował Cię ponowną próbę, a nie całe popołudnie. DSL routingu umieści dowolny z tych modeli za jednym endpointem, jeśli wolisz nie przepisywać klienta dwa razy.

Co by to rozstrzygnęło

Cztery rzeczy, w kolejności malejącej według tego, jak bardzo zmieniłyby obraz sytuacji.

• Wiersze ewaluacji. Opublikowana na stronie Artificial Analysis tabela z wynikami poszczególnych ewaluacji przekształciłaby 44 z nagłówka w profil i powiedziałaby czytelnikowi, czy to ulepszenie agentowe, czy szeroko zakrojone. To, że SciCode wychodzi ze statusu „w trakcie przeglądu”, ma większe znaczenie niż zwykle, ponieważ właśnie w kodowaniu tani model najpierw wypiera drogi.

• Wagi, ze wskazaną licencją. MIT uczyniłby twierdzenie o czterech GPU przenośnym i zamieniłby to w najtańszy model klasy K3, jaki ktokolwiek może hostować samodzielnie. Restrykcyjna lub szyta na miarę licencja uczyniłaby z 44 liczbę marketingową z dołączoną umową i byłaby osobną historią.

• API, dzięki któremu istnieją szybkość i opóźnienie. Każdy model w indeksie, który ma endpoint, ma zmierzoną szybkość wyjściową; ten nie ma jej wcale, co oznacza, że efektywnościowa połowa twierdzenia o „flash” jest obecnie nieprzetestowana. Model flash, który rozumuje o 59% dłużej, to inny produkt niż ten, który rozumuje o tyle samo szybciej.

• Jeden wspólny zestaw testowy dla wszystkich trzech. Żaden opublikowany benchmark nie uruchamia jeszcze Ling-3.1-flash-1019, DeepSeek V4.1-Flash-1017 i Kimi K3 w tej samej ewaluacji, a dopóki tak się nie stanie, każde porównanie w tym artykule — w tym to z posta, który zapoczątkował tę dyskusję — jest porównaniem wyników zbiorczych obliczonych w różnym czasie na różnych konfiguracjach.

Zanim przynajmniej pierwszy z nich się pojawi, trafne podsumowanie Ling-3.1-flash-1019 brzmi tak: prawdziwy wynik, z prawdziwego laboratorium, dotyczący modelu, który jeszcze nie istnieje jako artefakt. Ant ogłosił już dwie wersje Ling-3.1-flash, zanim którakolwiek była w pełni dostępna — wrześniową premierę bez wag oraz tę bez wag i bez endpointu — a wzorzec jest wystarczająco czytelny, by można było wokół niego planować: traktuj sufiks Ant jako sygnał, że coś nadchodzi, a sufiks DeepSeek jako sygnał, że coś już jest. Warto znać tę 44. Jeszcze nie warto jej routować.