Ling-3.1-flash: 560B MoE, который Ant Group обслуживает, но не открыла

Короткий ответ на вопрос, что такое Ling-3.1-flash: это языковая модель на основе смеси экспертов с гибридным механизмом рассуждения от линейки Ant Ling компании Ant Group, около 560 миллиардов параметров всего, из которых примерно 25 миллиардов активны на каждом токене, контекстное окно, которое вендор ограничивает 1 миллионом токенов, но сегодня обслуживает на 256 000, текст на входе и текст на выходе, и отсутствие весов для скачивания. Модель была анонсирована 2026-09-30, и она работает в собственном продукте Ant и в собственном API Ant. Эта дата — то, с чего начинается и на чём заканчивается эта страница: это факт, который фиксирует возраст модели, а не запуск, о котором рассказывает эта статья. Читателю, ищущему Ling-3.1-flash, нужно состояние модели на день, когда он её читает, а в день, когда это было написано, состояние весов всё ещё было «не опубликовано».

Основную работу делают три факта. Веса ещё не выпущены, но в собственном анонсе Ant говорится, когда их планируют выпустить. Цифра контекста, которая гуляет по обсуждениям, — 1M — это потолок, а не то, что даёт эндпоинт, а он даёт 256K. И спецификацию можно узнать, тогда как цена после промо-окна — нет. Всё ниже подкреплено источниками, и там, где число принадлежит Ant, а не третьей стороне, это указано.

Одно замечание о том, где хранится состояние этой модели. Анонс Ant от 30 сентября 2026 г. — это документ, в котором изложены архитектура и условие открытых весов, и это не тот документ, который вендор обновляет. Страницы, которые всё же поддерживаются, — страницы модели Ling и страница цен на сайте Ant для разработчиков, на каждой из которых стоит отметка «Последнее обновление: 8 октября 2026 г.», — содержат параметры, числовые значения контекста и цену. Там, где эти два источника расходятся или где анонс сообщает больше, чем документация, эта страница указывает, какой из них она цитирует.

Что такое Ling-3.1-flash и кто его выпускает

Семейство Ling-3.1-flash относится к семейству Ling — универсальной языковой линейке Ant Ling, модельной программе, которую Ant Group ведёт и публикует через свою лабораторию inclusionAI (операционное юридическое лицо, указанное на сайте для разработчиков, — Ant Intelligence (Hang Zhou) Technology Co., Ltd.). Семейство делится на три направления: Ling — для универсальной языковой работы, Ring — для глубокого рассуждения, Ming — для омнимодального понимания и генерации. Ling-3.1-flash — флагман ветви Ling, располагающийся выше Ling-3.0-flash, которая остаётся в каталоге как более дешёвый и быстрый вариант.

Ant позиционирует его узко и последовательно: долгосрочные задачи из реального мира, офисная работа, которая идёт от расплывчатого запроса до готового результата, разработка ПО, занимающая часы, и агентные циклы, которые последовательно вызывают инструменты и сами себя корректируют. Сам вендор так резюмирует своё предложение: он сохраняет около 560B ёмкости, затрачивая при этом около 25B на шаг, поэтому знания о мире и глубина рассуждений остаются, а вычисления на токен — нет. Это преемник Ling-3.0-flash в той же нише, а не новый уровень.

Веса выложены? Нет — и Ant назвала условие.

Это самый спорный факт об этой модели, и сегодня ответ однозначен: веса не опубликованы. На Hugging Face в организации inclusionAI нет репозитория Ling-3.1-flash, нет карточки модели, нет текста лицензии и нет файла контрольной точки; поиск по публичным репозиториям организации выдаёт поколение Ling-3.0 и более ранние, но никаких записей 3.1. На ModelScope, где Ant зеркалирует свои релизы, модели Ling-3.1-flash тоже нет. Нет и рецепта развёртывания для неё: собственный репозиторий вендора Ling Cookbook на GitHub, последнее обновление которого было 2026-10-12, за день до этой страницы, содержит рецепты локального развёртывания и квантизации для Ling-3.0-flash, Ling-3.0-flash-VL, Ling-3.0-flash-Fin и Ling-3.0-tiny, и ничего для Ling-3.1-flash. Независимый оценщик Artificial Analysis классифицирует модель как проприетарную, а в его FAQ на вопрос, является ли модель открытой, дан ответ «Нет».

То, что сделал Ant, — это привязал условие к открытию, причём это условие более конкретно, чем «скоро». В объявлении говорится, что бесплатный период предоставляет контекст в 256K, и что после окончания бесплатного периода и перехода модели на платное обслуживание планируется открыть окно 1M и одновременно открыть исходный код модели. Итак, последовательность, которую описывает поставщик, такова: пробный период на 256K, затем платное обслуживание с контекстом до 1M, а веса появляются при этом переходе. Это план, а не дата, и никакая дата не опубликована. Считайте любое утверждение «Ling-3.1-flash — это открытые веса» ошибочным, пока не появится репозиторий; рассматривайте план как заявленное намерение поставщика, а не как событие.

Размер и архитектура: 560B всего, 25B активных, семь линейных слоёв на каждый глобальный

Ant публикует архитектуру на таком уровне детализации, который позволяет проверять числа друг относительно друга, а не просто цитировать их:

• Всего параметров — около 560 млрд, по заявлению производителя, неизменно во всей документации.

• Активные параметры — около 25 млрд на токен, коэффициент разреженности близок к 1 к 22.

• Маршрутизация экспертов — 512 маршрутизируемых экспертов, из которых каждый токен выбирает 8, плюс один общий эксперт, который использует каждый токен. Это заметно более широкий пул экспертов, чем в предыдущем поколении при значительно меньшем размере самой модели. Количество экспертов, выбор 8 из 512 и соотношение внимания 7:1 взяты из анонса, а не со страницы модели; на странице модели указаны параметры и значения контекста.

• Внимание — гибридный стек, продолжающий дизайн линейного внимания Ling-3.0-flash, с увеличенной долей линейных слоёв: 7 слоёв KDA (Kimi Delta Attention) на каждый 1 слой Gated MLA, так что один слой из восьми сохраняет путь глобального внимания. Путь KDA — линейный по времени и ориентирован на длинные последовательности.

• Предшественник по масштабу — Ling-3.0-flash имеет 124 млрд общих параметров при 5,1 млрд активных в 42-слойном гибридном стеке, поэтому Ling-3.1-flash — примерно в четыре с половиной раза больше по объёму модели при примерно пятикратной активации на токен.

Стоит сказать прямо, потому что Ant тоже это говорит: ничто из этого напрямую не превращается в стоимость развёртывания. Пропускная способность, задержка и потребление памяти зависят от аппаратного обеспечения, численной точности, размера батча, обмена данными между экспертами, длины контекста и длины вывода. Архитектура объясняет, почему модель может существовать при таком размере; она не говорит, во сколько вам обойдётся один запрос.

Контекстное окно и максимальный вывод

Именно в окне кроется самое распространённое неверное прочтение. В документации Ant это указано двумя числами в одной строке: окно ограничено 1 млн токенов, а официальный сервис в настоящее время предоставляет 256K. В анонсе причина приводится словами самого вендора: бесплатный пробный период длится две недели, длина обслуживаемого контекста в течение него составляет 256K, а после окончания пробного периода и перехода модели на платный сервис планируется открыть окно в 1M и одновременно открыть исходный код модели. Документация и анонс совпадают по предоставляемому значению, и оба исходят от Ant. Интерфейс продукта находится за авторизацией, поэтому собственная настройка максимальной длины в Ling Studio — не то, что эта страница может подтвердить сегодня; если вам нужно точное ограничение, прежде чем рассчитывать конвейер, посмотрите его прямо в студии после входа в систему, а не берите для него число из вторых рук.

Artificial Analysis указывает контекстное окно как 1M. Это заявленный потолок, а не то, что запрос фактически получает сейчас, и именно это число распространяется дальше всего и чаще всего оказывается неверным на практике. Если вы рассчитываете размер пайплайна, рассчитывайте его на 256K, а 1M считайте пунктом дорожной карты без опубликованной даты.

Максимальный объём вывода — это показатель, который Ant не публикует для каждой модели. Что поставщик действительно публикует, так это поверхность запросов: у Anthropic-совместимой конечной точки max_tokens по умолчанию равно 32 000, в справочнике для OpenAI-совместимого интерфейса не указан предел вывода для отдельной модели, а нестриминговые вызовы завершаются по тайм-ауту через 90 секунд. Если вашей задаче нужна одна длинная генерация, рекомендация самого поставщика — использовать потоковую передачу, а не повышать лимит, который он не документирует.

Что он принимает и что возвращает

Текст на входе — текст на выходе. Ling-3.1-flash не является мультимодальной моделью, и стоит сказать об этом прямо, потому что в семействе есть такая: Ling-3.0-flash-VL — это визуальная модель, которая изначально принимает изображения, текст и видео через одну и ту же платформу, и мультимодальная документация производителя написана именно для этой модели. Ling-3.1-flash фигурирует в таблице спецификаций Ling от производителя без какой-либо входной модальности, кроме текста, а на странице независимого оценщика для неё указаны только текстовый ввод и текстовый вывод, и она отнесена к моделям рассуждения, а не к визуальным. Если вам нужно отправить изображение в модель Ling сегодня, собственное руководство производителя по выбору указывает на Ling-3.0-flash-VL, а не на эту.

Заявления поставщиков против независимой оценки

Для Ling-3.1-flash существуют два вида чисел, и они не взаимозаменяемы.

Собственное объявление Ant озаглавлено как обновление модели для реальных задач, и в нём осторожно подходят к тому, что именно означают её цифры. Названные области оценки — GDPVal-AA V2.1 для офисной работы, HealthBench Professional для медицинской коммуникации, FrontierSWE для инженерии, Terminal-Bench 4.0 для работы в терминале, а также автоматизация, анализ безопасности, ответы на вопросы по кодовой базе и задачи финансовых агентов — а показатели по каждому бенчмарку находятся в изображениях-графиках, а не в текстовой таблице. На сегодня Ant не опубликовала эти отдельные оценки в форме, которую кто-либо мог бы цитировать построчно, и эта страница не будет придумывать для них таблицу. Что Ant действительно заявляет в тексте — это три результата по долгосрочным инженерным задачам, все сообщённые вендором, все по собственным определениям задач вендора и все обозначенные как сравнительные показатели «перечисленные в документации», а не как сопоставимое очное сравнение: компилятор из Lua в x86-64-ELF, созданный с нуля примерно за 17 часов непрерывного выполнения, с прохождением 178 из 182 независимых тестов, около 97,8%, против 99,0% у Claude Fable 5 и 95,9% у GLM-5.3-Flash на той же задаче, как их перечисляет вендор; проход оптимизации Pyright 1.1.400 примерно за 10 часов, достигший ускорения в 1,432× при прохождении всех 2 279 бенчмарковых и регрессионных тестов, против Claude Fable 5 с 1,502× и GLM-5.3-Flash с 1,290×; и переписывание на Rust библиотеки изображений, написанной на C, занявшее около 20 часов, с прохождением всех 30 проверок при 8,015×, против GLM-5.3-Flash с 1,396× и Claude Fable 5 с 27,310×. Эти три задачи не сравниваются напрямую при одинаковых усилиях и испытательном стенде — цифры для сравнения являются собственными цитатами вендора, а не запусками, которые он контролировал, — поэтому читайте их как отчёт вендора о собственном наборе задач, а не как сопоставимый рейтинг. Ant также сообщает, что модель нашла и исправила переполнение буфера стека в парсере калибровки открытой базы данных OceanBase, решив проблему автономно. Каждое из них — заявление первой стороны о задаче первой стороны; ни одно не было воспроизведено третьей стороной, и сам вендор отмечает, что третий результат демонстрирует оставшийся запас в экстремальной оптимизации производительности. Что касается поискового спроса, «ling 3.1 flash benchmark» — один из менее популярных вопросов, которые люди задают об этой модели, и честный ответ в одном предложении — тот, что выше: карточка Ant существует, её показатели сообщены вендором, а независимый показатель, по которому модель действительно можно проверять, приведён в следующем абзаце.

Второй вид чисел измеряется независимо. Artificial Analysis, которая запускает собственный испытательный стенд на контролируемом ею оборудовании, оценивает Ling-3.1-flash в 41 балл по своему Intelligence Index v4.3.2 — составному индексу из десяти оценок — и ставит его на пятое место среди 175 моделей по этому индексу. Предшественник набирает 20 баллов в том же индексе. На той же странице указаны 212,1 выходных токена в секунду и 1,87 секунды до первого токена, 220 млн выходных токенов, сгенерированных в рамках индекса, — много на фоне медианы в 95 млн — и текущая стоимость в $0,30 за миллион входных токенов и $0,90 за миллион выходных при 80-процентной скидке за кэш, около $1,00 за задачу индекса. Это собственные измерения оценщика, выполненные на API вендора, а не показатели Ant, и это единственные независимые измерения этой модели, существующие на сегодня.

В вопросе цены действует то же разделение, и валюта имеет значение. Страница цен Ant — та, что поддерживается, с пометкой «Последнее обновление — 8 октября 2026 г.», а не с датой 2026-10-13, когда была написана эта страница, — указывает Ling-3.1-flash по цене ¥0.00 за вход, выход и чтение кэша и сообщает, что модель бесплатна в течение ограниченного времени — двух недель, после чего переходит на стандартную платную тарификацию, ставки по которой будут объявлены. На той же странице опубликована таблица в USD, в которой строка показывает $0.00 по всем трём столбцам. Это и есть весь ответ по бесплатному уровню: бесплатность реальна, она промоакционная, ограничена по времени, а число, которое за ней следует, не опубликовано. Зафиксированные независимым оценщиком ставки в $0.30 и $0.90 — это самое близкое к публичной тарифной сетке после пробного периода, и Ant её не подтвердил.

Как получить ответ от Ling-3.1-flash сегодня

Есть два маршрута от самой компании, оба — собственные разработки Ant. Ling Studio на chat.ant-ling.com — это пользовательская поверхность продукта, и в анонсе вендора также говорится, что модель встроена во внутренний десктопный агент Ant для офисных задач. Open API на api.ant-ling.com — это маршрут для разработчиков, и он поставляется в двух формах: совместимый с OpenAI chat/completions эндпоинт и совместимый с Anthropic messages эндпоинт, так что существующий SDK работает после смены базового URL. Две оговорки взяты прямо из документации, и это достаточно необычно, чтобы их стоило скопировать дословно: регуляторы вероятности и разнообразия, temperature и top_p, по умолчанию равны 1 на обеих справочных страницах, поэтому запрос, который научился задавать низкую температуру где-то ещё, здесь будет вести себя иначе; а регулятор thinking, задокументированный для переключения рассуждений, задокументирован только для Ling-3.0-flash, а значит, поверхность запросов, которую публикуют эти страницы, не была обновлена для Ling-3.1-flash. Для доступа нужен привязанный аккаунт Alipay и активированный сервис Ling — в FAQ также указана ошибка «Ling model service not activated» как известная, с отдельным способом её исправления — оплата по факту использования за токен, опубликованный лимит — 2 запроса в секунду глобально, сверх этого — 429, а нестриминговые вызовы завершаются по тайм-ауту через 90 секунд. Вендор также указывает модель по той же промо-цене ноль на сторонних платформах; это не поверхности первой стороны, и их условия — их собственные.

Одна проверка, которую стоит сделать, прежде чем строить что-либо на этом эндпоинте: на сегодняшний день опубликованный справочник по API от вендора не перечисляет Ling-3.1-flash в своём списке моделей, и в журнале изменений платформы нет записи о ней — самые новые записи там — это Ling-3.0-flash-VL в сентябре и Ling-3.0-tiny в августе — хотя на странице цен указан тариф для этой модели, а в анонсе предлагается её пробный доступ к API. Сверьте идентификатор модели со своей учётной записью, прежде чем подключать её куда-либо, вместо того чтобы предполагать, что документация уже обновилась.

Ling-3.1-flash отсутствует в каталоге OrcaRouter — проверка по нашему актуальному списку моделей на 2026-10-13 не находит ни записи Ling, ни записи inclusionAI — поэтому эта страница не скажет вам, что он доступен в один вызов. А вот что действительно доступно в один вызов — это две модели, с которыми его чаще всего сравнивают: DeepSeek V4.1 Flash, цена которой в нашем списке — $0,15 за миллион входных токенов и $0,60 за миллион выходных токенов, и GLM 5.3 Flash по $0,15 и $0,50, обе по цене из прайс-листа с нулевой наценкой и автоматическим переключением при сбое между провайдерами, поэтому изменение тарифа от любого из вендоров вступает в силу в тот же день без изменения кода с вашей стороны. Когда Ant откроет Ling-3.1-flash или хостинг-провайдер добавит её, именно в таком виде она и появится.

За чем следить и что не стоит предполагать

Три вещи закрывают открытые вопросы этой страницы, и все три должна опубликовать Ant: веса — с лицензией и карточкой модели, если план из анонса сбудется; окно в 1M, которое реально обслуживается, а не только заявлено; и тарифная карта после пробного периода. Пока как минимум первые две не появятся, точное описание Ling-3.1-flash таково: сильная, быстрая, закрытая, чисто текстовая модель с подлинной независимой оценкой 41 и действительно многообещающим агентным профилем, доступная напрямую от разработчика и бесплатная в течение окна, которое закрывается без предупреждения.

Кому стоит действовать сейчас: всем, чья работа связана с агентами, терминалом или офисными задачами и кто хочет получить две недели бесплатного инференса на собственных промптах, чтобы выяснить, изменит ли 560B MoE при 212 токенах в секунду то, что они создают. Кому стоит подождать: всем, кто планирует развернуть его самостоятельно; всем, кому нужна лицензия, прежде чем отдел закупок вообще станет его рассматривать; всем, чей пайплайн требует окна в миллион токенов в продакшене; и всем, кому нужна модель затрат, которая переживёт промо-период. Для всех этих четырёх честный ответ на сегодня таков: решение пока невозможно принять, а то, что могло бы его разблокировать, — это репозиторий Hugging Face, а не ещё один график бенчмарков.