Ling-3.0-flash-VL: визуальная модель Ant с 5,5 млрд активных параметров занимает 25-е место в Intelligence Index

У Ling-3.0-flash-VL теперь есть показатель бенчмарка, который никто в Ant Group не набирал вручную, и именно в этом новость. Первая нативно мультимодальная модель из лаборатории inclusionAI компании Ant получила оценку 25 в Artificial Analysis Intelligence Index — это независимый прогон по текущей шкале v4.3, опубликованный вместе со страницей модели, где перечислены её скорость, задержка и цена. Он появился через три недели после того, как в собственной карточке модели от вендора было заявлено 42 по тому же индексу, и самое полезное, что может сделать читатель с этими двумя числами, — понять, почему они не противоречат друг другу: Ant измеряла по протоколу Intelligence Index v4.1.1, Artificial Analysis измеряла по v4.3, а это разные линейки, построенные на разных наборах оценок. Число от вендора не столько не выдержало контакта с третьей стороной, сколько было заново снято по шкале, которой не существовало, когда его записывали.

Модель, лежащая в основе оценки, — это разреженная смесь экспертов с 124 млрд общих параметров и примерно 5,5 млрд активных на токен, выпущенная под лицензией MIT с весами BF16 и FP8, принимающая текст, изображения и видео и возвращающая текст. Эта цифра активных параметров — и есть весь аргумент в пользу этой штуки. При 5,5 млрд активных параметров Ling-3.0-flash-VL находится на том, что стало самой интересной кривой в открытых моделях — фронтире интеллекта, отложенном по активированным параметрам, а не по общему размеру, — и она там потому, что выполняет приличный объём работы на единицу вычислительных затрат на инференс, а не потому, что она огромна.

В этом материале рассказывается о том, что на самом деле вышло и когда, что говорит независимый прогон, почему заявление о Парето-оптимальности выдерживает проверку лучше большинства, сколько стоит модель и где её на самом деле можно вызвать. Коротко, для тех, кому нужно только это: Ling-3.0-flash-VL реально существует, имеет открытые веса, необычно дешёва в обслуживании, измеримо выше среднего для своего размерного класса и заметно более многословна и медленнее доходит до релиза, чем предполагает сырой балл. Заявленная производителем оценка 42 так и не была независимо воспроизведена и не сопоставима с 25, которые сейчас в таблице.

Что на самом деле вышло, и хронология, которую постоянно упрощают

Освещение этого релиза обычно сводит несколько отдельных событий к одной дате запуска, и даты важны, потому что они объясняют, почему ранние публикации описывали модель, которую никто за пределами Ant не мог оценить. Репозиторий Hugging Face inclusionAI/Ling-3.0-flash-VL был создан 4 сентября 2026 г. — 64 шарда весов BF16, лицензия MIT, стек пользовательского кода для архитектуры bailing_moe_v3_vl, и в течение нескольких дней его почти никто не скачивал. Затем последовала квантизация FP8 8 сентября, примерно 126 ГБ в 64 шардах, при этом vision-башня сохранена в более высокой точности, чем веса экспертов. Artificial Analysis указывает дату релиза как 10 сентября 2026 г., именно к этой дате привязана его собственная страница, а страница модели с оценкой появилась примерно тогда же.

Итак, «выпущена в сентябре 2026 года» — это точно, но бесполезно. Практическая последовательность была такой: веса — 4-го, второй формат точности — 8-го, независимое измерение — 10-го. Причина, по которой это важно, в том, что модель с весами на диске, но без размещённой конечной точки и без оценки от третьей стороны для большинства команд ещё не является тем, что можно оценить, — это загрузка, под которую нужно готовить инфраструктуру. Ling-3.0-flash-VL перешла эту черту, когда появились и API, и независимая оценка.

Поддержка сервинга появилась вместе с весами, а не после них. Ant опубликовала руководство по развёртыванию SGLang и поддерживает настроенный под Ling форк vLLM для этой архитектуры — ту часть открытого релиза, которая обычно отстаёт на недели. Здесь она не отстала.

Число на табло и то, что на карточке

Вот независимая картина от Artificial Analysis — единственное стороннее измерение этой модели, которое на данный момент существует:

• Индекс интеллекта — 25 на v4.3, занимает 2-е место из 64 в своём размерном классе при медиане по классу 8br /> • Всего параметров — 124 млрдbr /> • Активные параметры — 5,5 млрд на токенbr /> • Скорость вывода — 142,9 токенов/с, 10-е место из 64, при медиане среди аналогов 105,1br /> • Время до первого токена — 2,21 секунды, при медиане среди аналогов 2,29br /> • Контекстное окно — 262 тыс. токенов по данным Artificial Analysis против 256 тыс., указанных в самой карточке моделиbr /> • Лицензия — MIT, открытые веса

А вот и вендорская цифра, рядом с которой её так часто печатают: 42 по протоколу Artificial Analysis Intelligence Index v4.1.1, на четыре балла выше того, что набрала текстовая Ling-3.0-flash на том же протоколе. Это утверждение есть в карточке модели, для него не опубликовано никаких следов оценки, и это не та цифра, которую сообщает Artificial Analysis. Одновременно верны две вещи: 42 не воспроизведена, и это не свидетельство чего-либо нечестного, потому что v4.1.1 и v4.3 измеряют не одно и то же. Artificial Analysis пересмотрела свой индекс в сентябре 2026 года и заново оценила всю свою таблицу; v4.3 включает десять оценок, в том числе AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench v4.0 и Humanity's Last Exam. Любая статья, которая до сих пор цитирует 42 рядом с 25, не называя версию, сравнивает два разных теста и называет это падением.

Деталь, которую стоит отметить помимо заголовочного результата, — это многословность. Artificial Analysis фиксирует, что Ling-3.0-flash-VL тратит 160M выходных токенов на прохождение Intelligence Index, занимая 8-е место из 64 при медиане 84M, и помечает её как «очень многословную». Для модели, чья заявка — дешёвый инференс за счёт малого числа активных параметров, это бьёт прямо по заявке. Вы платите за токен, а не за параметр. Модель, которая активирует 5,5B, но выдаёт почти вдвое больше токенов, чем медиана, чтобы ответить на те же вопросы, частично возвращает это структурное преимущество обратно на кассе — а это ровно тот эффект, который скрывает таблица цен за токен и обнажает измерение стоимости за задачу.

Утверждение Парето, слегка проверенное на прочность

Утверждение о том, что Ling-3.0-flash-VL находится на границе Парето «интеллект — активные параметры», необычно: независимые данные его подтверждают, а не просто допускают. Медиана по классу в этом индексе — 8; Ling-3.0-flash-VL набирает 25; и делает это, активируя 5,5 млрд параметров на токен. Для команд, чьим жёстким ограничением является пропускная способность, доступная для обслуживания, — один ускоритель, фиксированный бюджет запросов, развёртывание на периферии, — это соотношение решает всё, и это по-настоящему сильный результат.

Две оговорки не позволяют считать это чистой победой. Первая — расхождение в количестве параметров: в карточке модели указано примерно 5,5 млрд активных параметров, тогда как в сборнике рецептов SGLang описана модель с 5,1 млрд активных параметров. Оба — документы Ant, разница невелика, и она слегка меняет форму кривой, а не её направление. Вторая — «фронтир» — это относительное утверждение об области, которая меняется каждую неделю. Быть лучшим по интеллекту на активный параметр при заданном размере — это позиция, которую удерживаешь, пока не выйдет следующая модель в этом диапазоне, а в этом диапазоне тесно.

Собственная главная демонстрация вендора — то, что Ling-3.0-flash-VL, выступая на Image-to-WebDev Arena под ником «linthium», набрала 1,441 против GPT-5.4 с его 1,440 — должна восприниматься скорее как приём для привлечения внимания, чем как результат. Разрыв в одно очко находится в пределах шума аренного Elo, к тому же он заявлен самим вендором, и это не тот разрыв, который что-либо решает. Заявление о возможностях за этим интереснее самой цифры: модель построена для цикла визуальной обратной связи, в котором она генерирует фронтенд-код по макету, рендерит собственный результат, смотрит на рендер и исправляет — наблюдать, действовать, проверять, исправлять, а не один раз описать и остановиться.

Во что это обходится — а это не так очевидно, как кажется

На странице Artificial Analysis указано, что Ling-3.0-flash-VL стоит $0.00 за 1 млн входных и $0.00 за 1 млн выходных токенов, тогда как медианные показатели у аналогов составляют $0.14 и $0.40. Это не цена. Это лишь её видимость. Artificial Analysis назначает цену для того эндпоинта, который видит, а эндпоинт, который он видит, бесплатен: модель работает в Ling Studio от Ant в режиме бесплатного пробного доступа, и именно бесплатный промо-доступ и отражается в листинге. Собственная мультимодальная документация Ant вообще не публикует цену за токен для этой визуальной модели, так что сверить ноль с прайс-листом вендора невозможно. Для понимания масштаба: текстовый «собрат» Ling-3.0-flash фигурировал в листингах примерно по $0.075 за 1 млн входных и $0.22 за 1 млн выходных токенов, а доменно-специфичные варианты Ling от Ant тоже запускались как бесплатные API.

Считайте ноль тестовым окном, а не тарифом. Бесплатные тарифы на только что выпущенных моделях — это инструмент привлечения клиентов, и честное допущение при планировании состоит в том, что Ling-3.0-flash-VL в конечном итоге будет иметь цену, близкую к цене своего текстового собрата. Есть также актуальная неоднозначность, которую появление платного эндпоинта не разрешит: в собственных примерах API Ant используется идентификатор модели Ling-3.0-flash-VL-rc1, что является маркером релиз-кандидата, и остаётся неясным, является ли чекпоинт, отдаваемый сервисом, побайтово идентичным открытым весам от 4 сентября. Если вы проводите бенчмаркинг своих промптов на размещённом API и ожидаете, что результаты перенесутся на самостоятельно размещённую сборку BF16, это допущение, которое следует проверить, прежде чем на нём строить.

Картина затрат переворачивается в зависимости от того, на какой стороне вы находитесь. Для команды, у которой уже есть ускорители, сборка FP8 объемом примерно 126 ГБ помещается в узел из восьми ускорителей класса 80 ГБ, а количество активных параметров 5,5 млрд означает, что вы платите амортизированную стоимость этого узла за очень малый объем вычислений на токен — самая дешевая возможная версия этой модели — та, которую вы обслуживаете сами. Для команды без ускорителей вопрос в том, появится ли платный эндпоинт до закрытия бесплатного тарифа.

Где вы действительно можете позвонить, включая ту часть, где мы говорим «нет».

Ling-3.0-flash-VL доступна через собственную платформу Ant — OpenAI-совместимый эндпоинт по адресу api.ant-ling.com/v1/chat/completions и Anthropic-совместимый рядом с ним — а также бесплатный пробный доступ в Ling Studio и открытые веса, которые можно развернуть самостоятельно. Независимые шлюзы тоже начали её добавлять в свои списки, и это действительно самый быстрый способ попробовать её, ничего не разворачивая.

Стоит прямо сказать, что OrcaRouter сегодня не маршрутизирует Ling-3.0-flash-VL. Его нет в нашем каталоге моделей, поэтому всё, что вы здесь прочитаете о вызове его через нас, было бы вымыслом, и мы предпочли бы, чтобы вы знали это сразу. Что мы действительно маршрутизируем — это визуальная модель, наиболее непосредственно сопоставимая с ней: DeepSeek V4 Flash Vision Exp, экспериментальная мультимодальная сборка DeepSeek, которая уже доступна в нашем каталоге с контекстным окном на 1 млн токенов и опубликованной ценой. Если ваша фактическая потребность — это мощная визуальная модель за одним OpenAI-совместимым эндпоинтом — с настроенной цепочкой резервных вариантов, чтобы при сбое провайдера повторная попытка выполнялась до начала вашего ответа, и со списочными ценами провайдера, передаваемыми без каких-либо надбавок, так что изменение цены поставщиком доходит до вас в тот же день, когда оно происходит, — именно эту модель стоит попробовать первой, пока Ling-3.0-flash-VL остаётся вне каталога.

Что смотреть отсюда

Три вещи определят, будет ли этот релиз выглядеть значимым через полгода. Первая — второй независимый прогон: одна оценка от одного оценщика — это лишь одна точка данных, и интересный вопрос в том, сохранится ли позиция Ling-3.0-flash-VL на кривой «интеллект — число активных параметров» при другом испытательном стенде. Вторая — реальное ценообразование. Пока Ant не опубликует тарифную сетку для vision-модели, любое сравнение затрат с её участием — это оценка, переодетая в число, а бесплатный уровень выполняет работу, которую иначе выполняла бы цена. Третья — разница в качестве FP8: в той сборке vision-башню намеренно держали на более высокой точности, чем веса экспертов, и совпадает ли квантованная версия с BF16 на мелкозернистых визуальных задачах — именно тот вопрос, который всплывает только когда люди запускают её в продакшене, а не бенчмаркают.

Вердикт, доступный сегодня, уже́, чем подразумевалось в материалах о запуске, и полезнее, чем одна только оценка. Ling-3.0-flash-VL — это настоящая, лицензированная по MIT, самостоятельно размещаемая модель компьютерного зрения, которая активирует лишь малую часть своих 124B параметров, набирает 25 баллов в текущем независимом индексе при медиане класса 8 и отчасти отдаёт это преимущество обратно из-за многословности. Это хорошая модель с честной формой. 42 на карточке — это число с линейки, которой больше не существует.