Ling-3.1-flash-1019 empata com Kimi K3 em 44 — e ainda não há nada para baixar

O número chegou antes do modelo. Em 22 de outubro, a equipe Ling da Ant Group colocou o Ling-3.1-flash-1019 em sua própria conta com uma pontuação e uma promessa anexadas: 44 no Artificial Analysis Intelligence Index, acima dos 41 do Ling-3.1-flash uma semana antes, e no mesmo nível do Kimi K3 da Moonshot. A mesma publicação diz que o acesso via API e os pesos abertos estão "chegando em breve". A página do modelo no Artificial Analysis confirma a primeira metade — 44, classificado em terceiro entre 174 modelos que acompanha — e a segunda: nenhuma API disponível publicamente, uma contagem de parâmetros não divulgada e status de licença proprietária. Portanto, a frase correta não é "A Ant lançou um modelo da classe K3". E sim: a Ant divulgou uma pontuação medida para o Ling-3.1-flash-1019 e, até hoje, ninguém fora do próprio pipeline de avaliação da Ant pode chamar a build que a conquistou. Este é um balanço do que sabemos até agora sobre um modelo que não passa de um número e uma promessa, e cada número abaixo traz ou uma fonte ou um rótulo explícito dizendo que não tem nenhuma.

A forma da coisa, para quem quiser em uma respiração: o Ling-3.1-flash-1019 é um checkpoint datado da mesma linha do Ling-3.1-flash — uma mistura esparsa de especialistas com aproximadamente 560 bilhões de parâmetros, cerca de 25 bilhões de parâmetros ativos por token, uma pilha híbrida de atenção linear e um contexto declarado de 1M de tokens — e “1019” é uma data de build, não uma nova arquitetura. O que há de novo é a pontuação, o custo de obtê-la e a lacuna entre os dois laboratórios que esta comparação agora envolve: a Ant, que anunciou em vez de lançar, e a DeepSeek, cujo próprio build datado do flash, DeepSeek V4.1-Flash-1017, saiu cinco dias antes com pesos e uma tabela de preços inalterada. A distância entre esses dois estilos de lançamento é a maior parte do que este artigo aborda.

O que é o 44, e o que a página não diz

O Artificial Analysis Intelligence Index é um composto, não um único teste. A versão 4.3.2 pondera dez avaliações: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience e AA-LCR v1.1. Um composto que combina trabalho de escritório, uso de terminal, matemática de competição, recuperação de contexto longo e comportamento de alucinação produzirá um número para quase qualquer modelo, e esse número só é tão informativo quanto as linhas que o compõem.

Para o Ling-3.1-flash-1019, as linhas ainda não estão lá. A página publica 44 e o classifica em terceiro no geral; ela lista um contexto de 1 milhão de tokens, texto de entrada e texto de saída, um modelo de raciocínio, uma contagem de parâmetros não divulgada e — a parte que mais importa — "Nenhuma API disponível publicamente" onde ficam os resultados por avaliação e a velocidade. O SciCode está marcado como em revisão. Não há número de velocidade de saída, nem número de latência, nem como reproduzir uma única linha sem os pesos ou um endpoint. Isso não é uma crítica ao Artificial Analysis, que só pode medir o que consegue alcançar; é uma descrição de quão frágeis são as evidências neste momento. O detalhe do modelo abaixo do composto foi medido, muito provavelmente, em um endpoint hospedado pelo fornecedor ou fornecido pelo fornecedor, e os detalhes desse arranjo não são públicos.

Dois números nessa página fazem mais trabalho do que a manchete, porque ambos são custos e não pontuações. O primeiro é o total de tokens de saída consumidos durante a execução do índice: 350 milhões para o build 1019, contra 220 milhões para o build que pontuou 41. O segundo é o custo por tarefa do Intelligence Index: US$ 1,49, contra US$ 1,00 do seu antecessor. Lidos em conjunto, eles dizem algo que uma pontuação não consegue: os três pontos extras foram comprados ao raciocinar aproximadamente 59% mais tempo com a mesma tabela de preços nominal, e a conta por tarefa subiu cerca de 49%. Um laboratório que ganha pontos no índice fazendo um modelo raciocinar por mais tempo não está errado em fazer isso — o tempo de raciocínio é uma alavanca legítima —, mas isso significa que o 44 não é de graça e que um comprador que compara apenas pelo índice está comparando um número cujo custo por ponto se moveu na direção errada.

A tabela de preços em si não mudou. A Artificial Analysis lista $0.30 por milhão de tokens de entrada e $0.90 por milhão de tokens de saída para ambas as versões, um desconto de cache de 80%, um preço combinado de $0.19 por milhão no mix padrão e uma janela de contexto de 1M. Esses são os preços publicados da matriz, repassados, o que é a suposição razoável quando um fornecedor não anunciou novos preços, mas é uma suposição. O preço promocional da Ant na versão ativa — mais sobre isso abaixo — fica bem abaixo do preço de tabela.

De onde vieram os três pontos

A Ant não publicou uma tabela por avaliação para a build 1019. As subpontuações que circularam vêm da cobertura do anúncio em língua chinesa, que relata dois movimentos atribuídos à Artificial Analysis: o AA-Briefcase subindo de cerca de 1.400 Elo para 1.524, e o AutomationBench-AA de cerca de 62% para 68%. Trate ambos como informação de segunda mão até que as linhas de avaliação apareçam na página do modelo — são números reportados, não números que este artigo tenha verificado em uma tabela primária.

Eles são pelo menos internamente consistentes com o que o build pai mediu. Quando lemos a página do Ling-3.1-flash em 7 de outubro, o AA-Briefcase estava em 1.400,35 e o AutomationBench-AA em 0,617 — os mesmos valores que a cobertura arredonda para "aproximadamente 1.400" e "cerca de 62%". Portanto, a direção do movimento é plausível, e ela aponta para uma afirmação específica: a atualização é uma melhoria em uso agêntico e trabalho de escritório, não um aumento geral de capacidade. O AutomationBench e o AA-Briefcase são as duas linhas deste índice que mais diretamente recompensam o uso de ferramentas em várias etapas e a conclusão de tarefas de longo horizonte. Se esses avançaram e GDPval, SciCode, HLE e CritPt não, a descrição correta do Ling-3.1-flash-1019 é "melhor em concluir tarefas", não "mais inteligente".

Essa distinção tem uma implicação prática. Um modelo que ganha nas linhas agênticas vale a pena ser testado na sua própria carga de trabalho de chamadas de ferramentas; um modelo que ganha de forma uniforme vale a pena ser testado em todos os cenários. Até que as linhas sejam publicadas, o 44 não consegue dizer qual desses você tem em mãos, e a postura razoável é a adotada pela conta que sinalizou esta build: mostrar as pontuações completas. O composto é uma manchete. As linhas são a decisão.

O enquadramento do Kimi K3-Flash, com preço

O enquadramento que colocou o Ling-3.1-flash-1019 em muitas linhas do tempo veio de uma conta amplamente seguida em 22 de outubro, que descreveu o build como, na prática, um Kimi K3-Flash — inteligência de classe K3 com economia de nível flash — e traçou um paralelo entre o progresso da Ant nesta linha e o da DeepSeek no V4.1-Flash. Nem "Kimi K3-Flash" nem o paralelo são uma alegação de produto; ambos são formas abreviadas, e vale a pena separar o que a forma abreviada acerta do que ela omite.

O que ele acerta é a aritmética entre preço e índice, e essa aritmética é crua. O Kimi K3 fica em 44 no mesmo índice na sua configuração Max. Ele também é um modelo de 2,8 trilhões de parâmetros com 104 bilhões ativos por token, com preço definido pela Moonshot em US$ 3,00 por milhão de tokens de entrada e US$ 15,00 por milhão de tokens de saída, com entrada em cache a US$ 0,30. O Ling-3.1-flash-1019 é uma linha de 560 bilhões de parâmetros com cerca de 25 bilhões ativos, com preços de US$ 0,30 e US$ 0,90. Mesma pontuação composta, um décimo da tarifa de entrada, um décimo sexto da tarifa de saída e um quarto dos parâmetros ativos por token. Se tudo o que você precisa é do índice, isso não é uma vitória marginal; é uma estrutura de custos diferente para o mesmo resultado principal.

O que a forma abreviada mascara é tudo aquilo que o índice não mede. O Kimi K3 aceita entrada de imagens; o Artificial Analysis lista o Ling-3.1-flash-1019 como texto que entra e texto que sai. O Kimi K3 pode ser baixado sob a sua própria licença desde o final de julho e pode ser chamado a partir de vários provedores desde então; o Ling-3.1-flash-1019 não tem nem pesos nem endpoint. As linhas de avaliação do Kimi K3 estão publicadas e a sua velocidade é medida — 44 é um composto sobre uma tabela visível. O 44 do Ling é um composto sobre uma tabela que ainda não está visível. E as contagens de parâmetros não são comparáveis da forma como a expressão "560B" sugere: o K3 gasta 104 bilhões de parâmetros por token, esta versão gasta 25 bilhões.

• Índice — 44 para ambos, no Artificial Analysis Intelligence Index v4.3.2.

• Preço — Ling-3.1-flash-1019 $0,30 entrada / $0,90 saída por 1M versus Kimi K3 $3,00 / $15,00.

• Parâmetros ativos — cerca de 25B por token versus 104B por token. Total: cerca de 560B versus 2,8T.

• Modalidade — apenas texto versus entrada de texto e imagem.

• Disponibilidade — anunciado, sem API, sem pesos, versus disponível para download e servido desde julho de 2026.

• Evidência — um compósito sem linhas publicadas, versus um compósito com uma tabela publicada e uma velocidade de saída medida.

Dito dessa forma, "Kimi K3-Flash" é uma descrição justa da intenção e uma descrição injusta do tempo presente. A intenção é real: se a Ant lançar esta build sob a licença MIT da matriz pelo preço da matriz, ela se torna a rota mais barata para desempenho composto no nível do K3 no mercado, por uma margem ampla. O tempo presente é que se trata de uma pontuação sem nenhum artefato por trás, e os modelos que você realmente pode alugar por 44 têm preços que não têm nada a ver com isso.

Dois laboratórios, um mesmo manual: o checkpoint datado

O padrão mais interessante não é a pontuação. É a forma do lançamento. Ambos os laboratórios que esta comparação aborda lançaram atualizações de meio de ciclo este mês sob a mesma convenção de nomenclatura — um sufixo de quatro dígitos com mês e dia anexado a um nome de produto existente — e ambos pediram que você interpretasse o sufixo como a versão.

A entrada da DeepSeek é o DeepSeek V4.1-Flash-1017, datado de 17 de outubro, cinco dias antes da Ant. Seu changelog chamou a atualização de "melhoria de Pareto em desempenho e custo", afirmou que o método de chamada da API e o preço permaneceram inalterados e direcionou as chamadas existentes para a nova build. Seus pesos foram publicados no Hugging Face na mesma manhã sob MIT, com 763 bilhões de parâmetros, sem nada restrito. No índice, a cobertura que cita a Artificial Analysis o coloca em 45, um ponto acima do 1019 da Ling — uma subida de seis pontos em relação ao 39 com que a configuração V4.1-Flash (Max) foi medida no início de outubro. Seis pontos em dez dias, pesos incluídos.

A entrada da Ant é Ling-3.1-flash-1019, datada de 19 de outubro pelo sufixo e anunciada em 22 de outubro. Três pontos em cerca de uma semana, sem os pesos, sem data para a chegada deles. Mesmo manual, execução diferente: a DeepSeek tratou o checkpoint como um lançamento, a Ant o tratou como uma atualização de placar com um lançamento a seguir. Isso não é um escândalo, e não é incomum — laboratórios anunciam antes dos pesos o tempo todo —, mas muda o que o leitor pode fazer hoje, que é o único teste que importa para um modelo para o qual você talvez direcione tráfego.

Há uma consequência operacional embutida na convenção de nomenclatura, e é por isso que esse padrão vale a pena ser acompanhado além de uma única versão. Quando um fornecedor atualiza um modelo mudando o sufixo e deixando intacta a string do modelo na API, "o modelo flash" deixa de ser um alvo estável. Você solicita o modelo pelo nome, o provedor aponta o nome para qualquer build que tenha lançado mais recentemente, e sua avaliação da semana passada não descreve mais o que respondeu nesta manhã. A DeepSeek foi explícita sobre isso — o changelog diz que as chamadas para a string de modelo existente agora chegam ao build 1017.

Fixar o modelo é a solução, e trata-se de uma questão de encaminhamento, não de benchmark. É também onde o nosso próprio catálogo se torna útil como ilustração: nele, deepseek/deepseek-v4.1-flash e deepseek/deepseek-v4.1-flash-1017 aparecem como IDs de modelo distintos, e kimi/kimi-k3 ao lado deles, para que quem chama possa indicar a build em vez da família. O Ling-3.1-flash-1019 não está no nosso catálogo e este artigo não vai fingir o contrário — não existe endpoint para ele em nenhum sítio que possamos verificar, o que é precisamente o ponto da secção acima.

O que está realmente aberto e quanto vale o “em breve”

A versão anunciada não é a versão que está aberta. A aberta é Ling-3.1-flash, cujos pesos a Ant publicou em 15 de outubro sob licença MIT no Hugging Face e no ModelScope. O cartão dela é específico de um modo que o anúncio de 1019 não é: 560 bilhões de parâmetros totais, 25 bilhões ativos por token, um checkpoint baixável de 572 bilhões de parâmetros, 63 camadas KDA mais 9 camadas MLA com gate em uma proporção de 7:1 e 4 camadas densas, 512 especialistas roteados com 8 ativados e 1 compartilhado, um vocabulário de 157.184 e um contexto de 1M de tokens.

A história de serving desse build pai é o motivo pelo qual um modelo de 560B é interessante. As notas de versão da Ant descrevem um esquema de precisão mista — MXFP4 para os especialistas roteados, block-FP8 para as camadas densas — que reduz a pegada de pesos de cerca de 534GB para 292GB e, na configuração testada, reduz uma implantação em Hopper de oito GPUs para quatro. Há receitas para SGLang e vLLM, um esquema de paralelismo de contexto longo que a Ant chama de PCP/DCP, e suporte aprimorado a JSON Schema para chamadas de ferramentas. Os números de serving medidos que a Ant publicou são discretos no bom sentido: em oito GPUs Hopper, tempo médio até o primeiro token de 604 ms e latência entre tokens de 3,28 ms com taxa de acerto de cache de 76%; em quatro, cerca de 1,36 consultas por segundo, com tempo até o primeiro token P50 abaixo de três segundos.

Nada disso está confirmado para a build 1019. É uma expectativa razoável — um checkpoint datado na mesma linha, com as mesmas contagens de parâmetros a ficarem por mencionar, é pouco provável que tenha reconstruído a sua narrativa de quantização — mas expectativa não é documentação, e as duas coisas que decidiriam se esta versão importa ao nível operacional estão ambas em falta. A primeira é a licença. A própria publicação da Ant de 15 de outubro descreve o modelo pai como de código aberto e não indica qualquer licença; o cartão do Hugging Face diz MIT. São artefactos diferentes com autoridade diferente, e para a build 1019 nenhum dos dois existe ainda. A segunda é o checkpoint. Um modelo com 25 mil milhões de parâmetros ativos que corre em quatro GPUs Hopper é uma proposta genuinamente diferente de um que precisa de oito, e toda a afirmação de quatro GPUs assenta numa receita de quantização que não foi anexada a esta build.

Portanto, a leitura justa de “em breve” é que se trata de uma declaração de cronograma, não técnica. Ela diz que a Ant pretende lançar. Não diz sob quais condições, em que escala, nem se os cálculos de implantação se aplicam.

O que você pode executar hoje

A build invocável é a versão pai, Ling-3.1-flash, e as ressalvas a respeito dela são do tipo que só vêm à tona depois que você tenta usá-la. O contexto servido tem sido de 262.144 tokens, em vez do 1M que a especificação alega, com um limite de saída de 32.768 tokens no endpoint hospedado, e o preço hospedado tem sido promocional, não de tabela. As notas da Ant de 15 de outubro situam a promoção em cerca de 75% de desconto: $0,075 por milhão de entrada, $0,225 por milhão de saída e $0,015 por milhão de leituras em cache no lado internacional, e ¥0,5 / ¥1,5 / ¥0,1 no Ling Studio. Esses são números reais para a versão pai, não para a build 1019, que não tem tarifa publicada própria.

Se sua pergunta é "devo migrar um caminho de produção para isto", a resposta é não, e não porque o modelo seja ruim. Um build sem endpoint, sem pesos, sem licença e sem linhas publicadas por avaliação não pode ser avaliado, apenas antecipado. Se sua pergunta é "esta linha vale a pena acompanhar", a resposta é sim, e a maneira barata de agir sobre isso é comparar por benchmark aquilo com que ele alega paridade. Kimi K3 e DeepSeek V4.1-Flash-1017 estão ambos acessíveis por uma única chave OrcaRouter ao preço de tabela do provedor, com 0% de markup, então executar o mesmo harness nos dois mostra quanto 44 e 45 realmente custam por tarefa antes de a Ant lançar qualquer coisa. O failover automático importa aqui por um motivo corriqueiro: quando você aponta um novo harness de avaliação para um build desconhecido, quer que um endpoint ruim custe uma nova tentativa, não uma tarde inteira. A DSL de roteamento colocará qualquer um dos dois modelos atrás de um único endpoint, se você preferir não reescrever o cliente duas vezes.

O que resolveria isso

Quatro coisas, em ordem decrescente de quanto mudariam o panorama.

• As linhas de avaliação. Uma tabela publicada por avaliação na página do Artificial Analysis transformaria o 44 de manchete em perfil, e diria ao leitor se esta é uma melhoria agêntica ou ampla. O SciCode sair de "em revisão" importa mais do que o habitual, porque é na programação que um modelo barato substitui um caro primeiro.

• Os pesos, com uma licença nomeada. A MIT tornaria portátil a alegação das quatro GPUs e transformaria isto no modelo da classe K3 mais barato que qualquer pessoa pode auto-hospedar. Uma licença restrita ou sob medida faria dos 44 um número de marketing com um contrato anexado, e seria uma história por si só.

• Uma API, para que velocidade e latência existam. Todo modelo no índice que tem um endpoint tem uma velocidade de saída medida; este não tem nenhuma, o que significa que a parte de eficiência da alegação "flash" ainda não foi testada. Um modelo flash que raciocina por 59% mais tempo é um produto diferente de um que raciocina a mesma quantidade mais rápido.

• Uma única estrutura de avaliação para os três. Nenhum benchmark publicado até agora executa Ling-3.1-flash-1019, DeepSeek V4.1-Flash-1017 e Kimi K3 na mesma avaliação, e até que um o faça, toda comparação neste artigo — incluindo a do post que o originou — é uma comparação de compostos calculados em momentos diferentes e em configurações diferentes.

Até que pelo menos o primeiro desses seja lançado, o resumo preciso do Ling-3.1-flash-1019 é este: uma pontuação real, de um laboratório real, em um modelo que ainda não existe como artefato. A Ant já anunciou duas versões do Ling-3.1-flash antes de qualquer uma delas estar totalmente disponível — o lançamento de setembro sem pesos, e esta sem pesos nem endpoint — e o padrão é claro o bastante para se planejar com base nele: trate um sufixo da Ant como um sinal de que algo está por vir, e trate o da DeepSeek como um sinal de que algo já chegou. Vale a pena conhecer o 44. Ainda não vale a pena usá-lo para roteamento.