Ling-3.1-flash: 560B MoE:n som Ant Group tillhandahåller men inte har öppnat

Det korta svaret på vad Ling-3.1-flash är: en språkmodell med hybridresonemang av typen mixture-of-experts från Ant Groups Ant Ling-serie, med cirka 560 miljarder parametrar totalt och ungefär 25 miljarder aktiva per token, ett fönster som leverantören begränsar till 1 miljon tokens men i dag tillhandahåller vid 256 000, text in och text ut, och inga nedladdningsbara vikter. Modellen tillkännagavs den 2026-09-30 och är tillgänglig i Ants egen produkt och i Ants eget API. Det datumet är där den här sidan börjar och där den slutar: det är faktumet som fastställer modellens ålder, inte en lansering som den här artikeln rapporterar. Det som en läsare som söker efter Ling-3.1-flash behöver är sakens tillstånd den dag de läser den, och den dag detta skrevs var vikternas status fortfarande "inte publicerad".

Tre fakta gör det mesta av jobbet. Vikterna är inte ute, och Ants eget tillkännagivande säger när de avser att de ska vara det. Kontextsiffran som cirkulerar – 1M – är ett tak, inte vad endpointen ger dig, vilket är 256K. Och specifikationen går att känna till, medan priset efter kampanjfönstret inte gör det. Allt nedan är källbelagt, och där en siffra är Ants egen snarare än en tredje parts, står det så.

En kommentar om var den här modellens status finns. Ants tillkännagivande av den 30 september 2026 är dokumentet som innehåller arkitekturen och villkoret för öppna vikter, och det är inte något som leverantören uppdaterar. De sidor som faktiskt underhålls – Ling-modellsidorna och prissidan på Ants utvecklarwebbplats, var och en märkt "Senast uppdaterad den 8 oktober 2026" – innehåller parametrarna, kontextsiffrorna och priset. När de två inte stämmer överens, eller när tillkännagivandet säger mer än dokumentationen, anger den här sidan vilken av dem den citerar.

Vad Ling-3.1-flash är, och vem som publicerar det

Ling-3.1-flash tillhör Ling-familjen – Ant Lings allmänna språkmodellinje, det modellprogram som Ant Group driver och publicerar via sitt inclusionAI-lab (den operativa enhet som anges på utvecklarwebbplatsen är Ant Intelligence (Hang Zhou) Technology Co., Ltd.). Familjen delas upp i tre grenar: Ling för allmänt språkarbete, Ring för djupgående resonemang och Ming för omnimodal förståelse och generering. Ling-3.1-flash är flaggskeppet i Ling-grenen och ligger över Ling-3.0-flash, som finns kvar i katalogen som det billigare och snabbare alternativet.

Ant positionerar den snävt och konsekvent: långsiktiga uppgifter i verkligheten, kontorsarbete som går från en vag förfrågan till en färdig leverans, mjukvaruutveckling som pågår i timmar, och agentloopar som anropar verktyg i följd och korrigerar sig själva. Leverantörens egen sammanfattning av pitchen är att den behåller cirka 560B kapacitet samtidigt som den betalar för cirka 25B per steg, så världskunskap och resonemangsdjup finns kvar medan beräkningen per token inte gör det. Den är efterföljaren till Ling-3.0-flash i samma fack, inte en ny nivå.

Är vikterna släppta? Nej – och Ant har namngett villkoret

Detta är det mest omtvistade faktumet om modellen, och svaret är otvetydigt i dag: vikterna är inte publicerade. Det finns inget Ling-3.1-flash-repositorium på Hugging Face under organisationen inclusionAI, inget modellkort, ingen licenstext och ingen checkpoint-fil; en sökning i organisationens offentliga repositorier returnerar Ling-3.0-generationen och tidigare, och ingen 3.1-post. ModelScope, där Ant speglar sina releaser, har inte heller någon Ling-3.1-flash-modell. Det finns inte heller något driftsättningsrecept för den: leverantörens eget Ling Cookbook-repositorium på GitHub, senast pushat 2026-10-12, dagen före den här sidan, innehåller recept för lokal driftsättning och kvantisering för Ling-3.0-flash, Ling-3.0-flash-VL, Ling-3.0-flash-Fin och Ling-3.0-tiny, och ingenting för Ling-3.1-flash. Den oberoende utvärderaren Artificial Analysis klassar modellen som proprietär, och dess FAQ svarar "Nej" på frågan om modellen är öppen källkod.

Det Ant har gjort är att knyta ett villkor till öppnandet, och det är mer specifikt än "snart". Meddelandet säger att gratisperioden gäller en 256K-kontext, och att planen efter att gratisperioden tar slut och modellen övergår till betaltjänst är att öppna 1M-fönstret och att släppa modellen som öppen källkod samtidigt. Så sekvensen leverantören beskriver är: provperiod vid 256K, sedan betaltjänst på upp till 1M, med vikterna som följer vid det bytet. Det är en plan, inte ett datum, och inget datum har publicerats. Betrakta varje påstående om att "Ling-3.1-flash har öppna vikter" som felaktigt tills ett kodförråd finns; betrakta planen som leverantörens uttalade avsikt, inte en händelse.

Storlek och arkitektur: 560B totalt, 25B aktiva, sju linjära lager per globalt lager

Ant publicerar arkitekturen på en detaljnivå som gör att siffrorna kan kontrolleras mot varandra i stället för att bara citeras:

• Totalt antal parametrar — cirka 560B, enligt leverantören, oförändrat i all dokumentation.

• Aktiva parametrar — cirka 25B per token, en sparsitetskvot nära 1 på 22.

• Expert-routing — 512 routade experter, varav varje token väljer 8, plus en delad expert som varje token använder. Det är en märkbart bredare expertpool än den tidigare generationen använde mot en mycket mindre kropp. Antalet experter, urvalet 8 av 512 och 7:1-attentionsförhållandet kommer från tillkännagivandet snarare än modellsidan; modellsidan anger parametrarna och kontextnumren.

• Attention — en hybridstack som fortsätter Ling-3.0-flashs linjära attention-design, med den linjära andelen ökad: 7 KDA-lager (Kimi Delta Attention) per 1 Gated MLA-lager, så att vart åttonde lager behåller en global attention-väg. KDA-vägen är den med linjär tidskomplexitet, avsedd för långa sekvenser.

• Föregångare för skalan — Ling-3.0-flash kör 124B totalt med 5,1B aktiva över en 42-lagers hybridstack, så Ling-3.1-flash är ungefär fyra och en halv gånger så stor kropp med ungefär fem gånger aktiveringen per token.

Det är värt att säga rakt ut, för Ant säger det också: inget av detta omvandlas direkt till driftsättningskostnad. Genomströmning, latens och minne beror på hårdvaran, den numeriska precisionen, batchstorleken, expertkommunikation, kontextlängden och utdatalängden. Arkitekturen förklarar varför modellen kan existera i den här storleken; den säger inte vad en begäran kommer att kosta dig.

Kontextfönster och maximal utdata

Fönstret är där den vanligaste felläsningen bor. Ants dokumentation anger det som två siffror på en rad: fönstret har ett tak på 1M tokens, och den officiella tjänsten tillhandahåller för närvarande 256K. Tillkännagivandet anger skälet med leverantörens egna ord – den kostnadsfria provperioden varar i två veckor, tjänstens längd under den är 256K, och när provperioden tar slut och modellen övergår till betald tjänst är planen att öppna 1M-fönstret och släppa modellen som öppen källkod samtidigt. Dokumentationen och tillkännagivandet stämmer överens om den siffra som tjänsten levererar, och båda kommer från Ant. Produktytan ligger bakom inloggning, så Ling Studios egen inställning för maximal längd är inte något som den här sidan kunde bekräfta i dag; om du behöver den exakta gränsen innan du dimensionerar en pipeline, läs av den i studion när du har loggat in i stället för att utgå från en andrahandsuppgift om den.

Artificial Analysis listar kontextfönstret som 1M. Det är det deklarerade taket, inte vad en förfrågan för närvarande får, och det är siffran som sprids längst och oftast är fel i praktiken. Om du dimensionerar en pipeline, dimensionera den för 256K och behandla 1M som en roadmap-post utan publicerat datum.

Maximal utdata är ett värde som Ant inte publicerar per modell. Vad leverantören däremot publicerar är begäranytan: den Anthropic-kompatibla slutpunktens max_tokens har standardvärdet 32 000, den OpenAI-kompatibla referensen listar ingen utdatagräns per modell, och icke-strömmande anrop får timeout efter 90 sekunder. Om ditt jobb behöver en lång enskild generering är leverantörens egen vägledning att strömma i stället för att höja en gräns som den inte dokumenterar.

Vad den tar in och vad den ger tillbaka

Text in, text ut. Ling-3.1-flash är inte en multimodal modell, och det är värt att vara tydlig med det eftersom familjen innehåller en som är det: Ling-3.0-flash-VL är visionsmodellen, som inbyggt tar emot bild-, text- och videoindata via samma plattform, och leverantörens multimodala dokumentation är skriven för den modellen. Ling-3.1-flash finns i leverantörens specifikationstabell för Ling utan någon annan indatamodalitet än text, och den oberoende utvärderarens sida för den registrerar endast textinmatning och textutmatning och placerar den bland resonemangsmodeller snarare än visionsmodeller. Om du behöver skicka en bild till en Ling-modell i dag hänvisar leverantörens egen urvalsguide dig till Ling-3.0-flash-VL, inte till den här.

Leverantörspåståenden kontra oberoende utvärdering

Det finns två typer av nummer för Ling-3.1-flash och de är inte utbytbara.

Ants eget tillkännagivande är rubricerat som en modelluppgradering för verkliga uppgifter, och det är noga med vad siffrorna faktiskt är. De namngivna utvärderingsområdena är GDPVal-AA V2.1 för kontorsarbete, HealthBench Professional för medicinsk kommunikation, FrontierSWE för ingenjörsarbete, Terminal-Bench 4.0 för terminalhantering, plus automation, säkerhetsanalys, frågebesvarande om kodbaser och uppgifter för finansiella agenter — och siffrorna per benchmark finns i diagrambilder i stället för i en texttabell. I dag har Ant inte publicerat dessa enskilda poäng i en form som någon kan citera rad för rad, och den här sidan kommer inte att hitta på en tabell för dem. Vad Ant däremot faktiskt anger i text är tre långhorisontella ingenjörsresultat, alla leverantörsrapporterade, alla utifrån leverantörens egna uppgiftsdefinitioner och alla betecknade som jämförelsesiffror "som anges i dokumentationen" snarare än som en matchad direkt jämförelse: en Lua-till-x86-64-ELF-kompilator byggd från grunden under cirka 17 timmars kontinuerlig körning, med 178 av 182 oberoende tester godkända, cirka 97,8 %, mot 99,0 % för Claude Fable 5 och 95,9 % för GLM-5.3-Flash på samma uppgift så som leverantören listar dem; en optimeringsomgång för Pyright 1.1.400 på ungefär 10 timmar som nådde en hastighetsökning på 1,432×, med alla 2 279 benchmark- och regressionstester godkända, mot Claude Fable 5 på 1,502× och GLM-5.3-Flash på 1,290×; och en Rust-återimplementering av ett C-bildbibliotek som tog cirka 20 timmar, passerade alla 30 kontroller med 8,015×, mot GLM-5.3-Flash på 1,396× och Claude Fable 5 på 27,310×. Dessa tre uppgifter är inte benchmarkade head-to-head med matchad ansträngning och testram — de motstående siffrorna är leverantörens egna citeringar, inte körningar som den kontrollerade — så läs dem som leverantörens rapport om sin egen uppgiftssvit, inte som en likvärdig rangordning. Ant rapporterar också att modellen hittade och åtgärdade en stack-buffer-overflow i kalibreringsparsern i den öppna källkodsdatabasen OceanBase genom att arbeta med problemet autonomt. Vart och ett av dessa är ett förstapartspåstående om en förstapartsuppgift; inget har en tredjepartsreproduktion, och leverantören flaggar själv det tredje resultatet som ett tecken på att det finns kvarvarande utrymme i extrem prestandaoptimering. När det gäller sökefterfrågan är "ling 3.1 flash benchmark" en av de mindre frågorna folk ställer om den här modellen, och det ärliga svaret i en mening är det ovanstående: Ants modellkort finns, dess siffror är leverantörsrapporterade, och det oberoende tal som du faktiskt kan bedöma modellen mot är nästa stycke.

Den andra typen av siffra är oberoende uppmätt. Artificial Analysis, som kör sin egen testrigg på hårdvara som de kontrollerar, ger Ling-3.1-flash 41 i sitt Intelligence Index v4.3.2, ett sammansatt mått av tio utvärderingar, och placerar den på femte plats av 175 modeller i det indexet. Föregångaren får 20 i samma index. Samma sida redovisar 212,1 utdatatoken per sekund och 1,87 sekunder till första token, 220 miljoner genererade utdatatoken över indexet – högt jämfört med en median på 95M – och en löpande kostnad på 0,30 USD per miljon indatatoken och 0,90 USD per miljon utdata med 80 % cacheringsrabatt, ungefär 1,00 USD per indexuppgift. Detta är utvärderarens egna mätningar mot leverantörens API, inte Ants siffror, och de är de enda oberoende mätningarna av den här modellen som finns i dag.

När det gäller priset gäller samma uppdelning, och valutan spelar roll. Ants prissättningssida – den underhållna, stämplad med "Senast uppdaterad den 8 oktober 2026" i stället för datumet 2026-10-13 då den här sidan skrevs – listar Ling-3.1-flash till ¥0.00 för indata, utdata och cacheläsningar, och uppger att modellen är gratis under en begränsad period på två veckor, varefter den övergår till standardmässig betald fakturering med avgifter som ska meddelas. Samma sida publicerar en USD-tabell där raden visar $0.00 i alla tre kolumnerna. Det är hela svaret för gratisnivån: gratis är på riktigt, det är kampanjbaserat, det är tidsbegränsat, och siffran som följer efter det har inte publicerats. Den oberoende utvärderarens registrerade avgifter på $0.30 och $0.90 är det närmaste ett offentligt prisschema efter provperioden man kan komma, och Ant har inte bekräftat det.

Hur får man ett svar från Ling-3.1-flash idag

Det finns två förstapartsvägar, båda Ants egna. Ling Studio på chat.ant-ling.com är produktytan, och leverantörens tillkännagivande säger också att modellen finns i en intern Ant-skrivbordsagent som används för kontorsuppgifter. Open API på api.ant-ling.com är utvecklarvägen och levereras i två former: en OpenAI-kompatibel chat/completions-ändpunkt och en Anthropic-kompatibel messages-ändpunkt, så ett befintligt SDK fungerar med en ändring av bas-URL. Två förbehåll kommer direkt från dokumentationen, vilket är ovanligt nog att vara värt att kopiera exakt: sannolikhets- och diversitetskontrollerna, temperature och top_p, har standardvärdet 1 på båda referenssidorna, så en begäran som har lärt sig att ställa in en låg temperatur någon annanstans kommer att bete sig annorlunda här; och thinking-kontrollen som dokumenteras för att växla resonemang är dokumenterad endast för Ling-3.0-flash, vilket innebär att den förfrågningsyta som dessa sidor publicerar inte har uppdaterats för Ling-3.1-flash. Åtkomst kräver ett bundet Alipay-konto och att Ling-tjänsten aktiveras — FAQ listar också "Ling model service not activated" som ett känt fel med sin egen åtgärd — faktureringen sker enligt principen betala per användning per token, den publicerade hastighetsgränsen är 2 förfrågningar per sekund globalt med 429:or över det, och icke-strömmande anrop får timeout efter 90 sekunder. Leverantören listar också modellen till samma kampanjpris på noll på tredjepartsplattformar; dessa är inte förstapartsytor och deras villkor är deras egna.

En verifiering som är värd att göra innan du bygger på endpointen: i dagsläget räknar leverantörens publicerade API-referens inte upp Ling-3.1-flash i sin modellista, och plattformens ändringslogg innehåller ingen post om den — de senaste posterna där är Ling-3.0-flash-VL i september och Ling-3.0-tiny i augusti — trots att prissidan anger en taxa för modellen och tillkännagivandet erbjuder dess API-test. Bekräfta modellidentifieraren mot ditt eget konto innan du kopplar in den i något, i stället för att anta att dokumentationen har hunnit ikapp.

Ling-3.1-flash finns inte i OrcaRouters katalog – en kontroll mot vår aktuella modellista den 2026-10-13 ger ingen träff för Ling eller inclusionAI – så den här sidan kommer inte att tala om för dig att den bara är ett anrop bort. Det som bara är ett anrop bort är de två modeller som den oftast jämförs med: DeepSeek V4.1 Flash, som vår lista prissätter till 0,15 USD per miljon input-tokens och 0,60 USD per miljon output-tokens, och GLM 5.3 Flash till 0,15 och 0,50 USD, båda till listpris med noll påslag och automatisk failover mellan leverantörer, så en prisändring från endera leverantören slår igenom samma dag utan kodändring på din sida. När Ant öppnar Ling-3.1-flash eller en värd lägger till den, är det i den formen den skulle dyka upp.

Vad man ska se upp med, och vad man inte ska anta

Tre saker avgör den här sidans öppna frågor, och alla tre är Ants att publicera: vikterna, med en licens och ett modellkort om tillkännagivandets plan håller; att 1M-fönstret faktiskt betjänas i stället för att bara deklareras; och en prislista efter provperioden. Tills åtminstone de två första har kommit på plats är den korrekta beskrivningen av Ling-3.1-flash en stark, snabb, sluten, textbaserad modell med en genuin oberoende poäng på 41 och en genuint lovande agentisk profil, tillgänglig från förstapart och gratis under ett fönster som stängs utan varning.

Vem bör agera på det nu: alla vars arbete är agentiskt, terminalformigt eller kontorsformigt och som vill ha två veckors gratis inferens på sina egna prompter för att ta reda på om en 560B MoE med 212 tokens per sekund förändrar det de bygger. Vem bör vänta: alla som planerar att självhosta det, alla som behöver en licens innan upphandlingen ens tittar på det, alla vars pipeline behöver fönstret på en miljon tokens i produktion, och alla som behöver en kostnadsmodell som överlever kampanjperioden. För alla dessa fyra är det ärliga svaret i dag att beslutet inte kan fattas ännu, och det som skulle låsa upp det är ett Hugging Face-repositorium, inte ännu ett benchmarkdiagram.