Ling-3.1-flash-1019 tangerar Kimi K3 på 44 – och det finns fortfarande inget att ladda ner

Siffran kom före modellen. Den 22 oktober publicerade Ling-teamet på Ant Group Ling-3.1-flash-1019 på sitt eget konto med en poäng och ett löfte kopplade till sig: 44 på Artificial Analysis Intelligence Index, upp från 41 för Ling-3.1-flash en vecka tidigare, och i nivå med Moonshots Kimi K3. Samma inlägg säger att API-åtkomst och öppna vikter "kommer snart". Modellsidan för Artificial Analysis instämmer i den första delen – 44, rankad trea bland de 174 modeller den följer – och i den andra: inget offentligt tillgängligt API, ett ej offentliggjort parameterantal och licensstatus proprietär. Så den korrekta meningen är inte "Ant släppte en modell i K3-klass." Den lyder: Ant levererade en uppmätt poäng för Ling-3.1-flash-1019, och i dag kan ingen utanför Ants egen utvärderingspipeline anropa bygget som förtjänade den. Detta är en genomgång av vad vi vet hittills om en modell som bara har ett nummer och ett löfte att gå på, och varje siffra nedan bär antingen en källa eller en explicit etikett som säger att den inte har någon.

Kort sagt, för den som vill ha det i ett enda andetag: Ling-3.1-flash-1019 är en datumstämplad checkpoint på samma linje som Ling-3.1-flash — en gles mixture-of-experts med cirka 560 miljarder parametrar, varav cirka 25 miljarder aktiva per token, en hybridstack med linjär attention och en påstådd kontext på 1M token — och "1019" är ett byggdatum, inte en ny arkitektur. Det nya är poängen, kostnaden för att nå den och klyftan mellan de två labb som jämförelsen nu för in i bilden: Ant, som aviserade i stället för att släppa, och DeepSeek, vars egen daterade flash-build, DeepSeek V4.1-Flash-1017, släpptes fem dagar tidigare med vikter och en oförändrad prislista. Avståndet mellan de två lanseringsstilarna är merparten av vad den här artikeln handlar om.

Vad 44 är, och vad sidan inte säger

Artificial Analysis Intelligence Index är ett sammansatt mått, inte ett enda test. Version 4.3.2 viktar tio utvärderingar: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience och AA-LCR v1.1. Ett sammansatt mått som blandar kontorsarbete, terminalanvändning, tävlingsmatematik, hämtning över lång kontext och hallucineringsbeteende kommer att producera en siffra för nästan vilken modell som helst, och den siffran är bara så informativ som raderna under den.

För Ling-3.1-flash-1019 finns raderna ännu inte. Sidan publicerar 44 och rankar den som tredje totalt; den listar en kontext på 1 M token, text som indata och text som utdata, en resonemangsmodell, ett ej angivet antal parametrar och – det som spelar störst roll – "Inget offentligt tillgängligt API" där resultat per utvärdering och hastighet hör hemma. SciCode är markerat som under granskning. Det finns ingen siffra för utdatahastighet, ingen latenssiffra och inget sätt att återskapa en enda rad utan vikterna eller en endpoint. Det är inte en kritik av Artificial Analysis, som bara kan mäta det som det kan nå; det är en beskrivning av hur tunn evidensen är i detta ögonblick. Modelldetaljen under kompositpoängen har uppmätts, med all sannolikhet på en endpoint som leverantören driftar eller tillhandahåller, och detaljerna kring det upplägget är inte offentliga.

Två siffror på den sidan säger mer än rubriken, eftersom båda är kostnader snarare än poäng. Den första är utdatatokens som förbrukas under indexkörningen: 350 miljoner för 1019-versionen, mot 220 miljoner för versionen som fick 41. Den andra är kostnaden per Intelligence Index-uppgift: 1,49 dollar, mot 1,00 dollar för föregångaren. Lästa tillsammans säger de något som en poäng inte kan: de tre extra poängen köptes genom att modellen resonerar ungefär 59 % längre till samma nominella prislista, och kostnaden per uppgift steg med cirka 49 %. Ett labb som vinner indexpoäng genom att låta en modell resonera längre gör inte fel i det — resonemangslängd är en legitim hävstång — men det innebär att 44 inte är gratis, och att en köpare som jämför enbart utifrån index jämför ett tal vars kostnad per poäng har rört sig i fel riktning.

Själva prislistan är oförändrad. Artificial Analysis anger 0,30 USD per miljon indatatoken och 0,90 USD per miljon utdatatoken för båda versionerna, en cacherabatt på 80 %, ett blandat pris på 0,19 USD per miljon vid dess standardmix och ett kontextfönster på 1M. Det är moderbolagets publicerade priser som förts över, vilket är ett rimligt antagande när en leverantör inte har aviserat några nya priser, men det är ett antagande. Ants kampanjpriser på den aktiva versionen – mer om det nedan – ligger väl under listpriset.

Varifrån de tre poängen kom

Ant har inte publicerat en tabell per utvärdering för 1019-versionen. De delpoäng som har cirkulerat kommer från kinesiskspråkig rapportering om tillkännagivandet, där två förändringar tillskrivs Artificial Analysis: AA-Briefcase stiger från cirka 1 400 Elo till 1 524, och AutomationBench-AA från cirka 62 % till 68 %. Behandla båda som andrahandsuppgifter tills utvärderingsraderna visas på modellsidan – de är rapporterade siffror, inte sådana som den här artikeln har verifierat mot en primär tabell.

De är åtminstone internt konsistenta med vad den överordnade builden mätte. När vi läste sidan för Ling-3.1-flash den 7 oktober låg AA-Briefcase på 1 400,35 och AutomationBench-AA på 0,617 – samma värden som bevakningen avrundar till "ungefär 1 400" och "cirka 62 %". Så riktningen är rimlig, och den pekar mot ett specifikt påstående: uppdateringen är en förbättring av agentiska förmågor och kontorsarbete, inte en allmän kapacitetshöjning. AutomationBench och AA-Briefcase är de två raderna i detta index som mest direkt belönar verktygsanvändning i flera steg och slutförande av långsiktiga uppgifter. Om dessa förbättrades och GDPval, SciCode, HLE och CritPt inte gjorde det, är den korrekta beskrivningen av Ling-3.1-flash-1019 "bättre på att slutföra uppgifter", inte "smartare".

Den distinktionen har en praktisk udd. En modell som vinner på agentiska rader är värd att testa mot din egen arbetsbelastning för verktygsanrop; en modell som vinner jämnt är värd att testa överallt. Fram till dess att raderna publiceras kan 44:an inte säga vilket av dessa du har, och den rimliga hållningen är den som kontot som flaggade den här versionen intog: visa de fullständiga poängen. Det sammansatta måttet är en rubrik. Raderna är beslutet.

Inramningen av Kimi K3-Flash, prissatt

Inramningen som gjorde att Ling-3.1-flash-1019 dök upp på många tidslinjer kom från ett konto med många följare den 22 oktober, som i praktiken beskrev bygget som en Kimi K3-Flash – intelligens i K3-klass till ekonomi på flash-nivå – och drog en parallell mellan Ants framsteg på den här linjen och DeepSeeks på V4.1-Flash. Varken "Kimi K3-Flash" eller parallellen är ett produktpåstående; båda är förkortningar, och det är värt att skilja på vad förkortningen fångar korrekt och vad den slätar över.

Det som är korrekt är aritmetiken mellan pris och index, och den aritmetiken är skoningslös. Kimi K3 ligger på 44 på samma index i sin Max-konfiguration. Det är också en modell med 2,8 biljoner parametrar och 104 miljarder aktiva per token, prissatt av Moonshot till $3.00 per miljon indata och $15.00 per miljon utdata, med cachad indata till $0.30. Ling-3.1-flash-1019 är en linje med 560 miljarder parametrar och ungefär 25 miljarder aktiva, prissatt till $0.30 och $0.90. Samma sammansatta poäng, en tiondel av indatapriset, en sextondel av utdatapriset och en fjärdedel av de aktiva parametrarna per token. Om allt du behöver är indexet är det inte en marginell vinst; det är en annan kostnadsstruktur för samma huvudresultat.

Det som förkortningen slätar över är allt som indexet inte mäter. Kimi K3 tar bildindata; Artificial Analysis listar Ling-3.1-flash-1019 som text in, text ut. Kimi K3 har kunnat laddas ner under sin egen licens sedan slutet av juli och anropas från flera leverantörer sedan dess; Ling-3.1-flash-1019 har varken vikter eller någon slutpunkt. Kimi K3:s utvärderingsrader är publicerade och dess hastighet är uppmätt — 44 är ett sammansatt mått över en synlig tabell. Lings 44 är ett sammansatt mått över en tabell som ännu inte är synlig. Och parameterantalen är inte jämförbara på det sätt som ordet ”560B” inbjuder till: K3 gör av med 104 miljarder parametrar per token, den här versionen gör av med 25 miljarder.

• Index — 44 för båda, enligt Artificial Analysis Intelligence Index v4.3.2.

• Pris — Ling-3.1-flash-1019 $0.30 in / $0.90 ut per 1M jämfört med Kimi K3 $3.00 / $15.00.

Aktiva parametrar – cirka 25B per token mot 104B per token. Totalt: cirka 560B mot 2,8T.

• Modalitet — endast text kontra text- och bildinmatning.

• Tillgänglighet – annonserad, inget API, inga vikter, jämfört med nedladdningsbar och tillhandahållen sedan juli 2026.

• Bevis — en komposit utan publicerade rader, kontra en komposit med en publicerad tabell och en uppmätt utdatahastighet.

Om man formulerar det så är "Kimi K3-Flash" en rättvisande beskrivning av avsikten och en orättvisande beskrivning av nuläget. Avsikten är verklig: om Ant levererar den här versionen under moderbolagets MIT-licens till moderbolagets pris, blir det den billigaste vägen till kompositprestanda på K3-nivå på marknaden, med stor marginal. Nuläget är att det är en poäng utan någon artefakt bakom sig, och de modeller man faktiskt kan hyra hos 44 har inte alls samma prisbild.

Två labb, en spelbok: den datumstämplade kontrollpunkten

Det mer intressanta mönstret är inte poängen. Det är formen på releasen. Båda labben som den här jämförelsen berör släppte uppdateringar mitt i cykeln den här månaden enligt samma namngivningskonvention – ett fyrsiffrigt månads- och dagsuffix som hängts på ett befintligt produktnamn – och båda bad dig att läsa suffixet som versionen.

DeepSeeks bidrag är DeepSeek V4.1-Flash-1017, daterad 17 oktober, fem dagar före Ants. I dess ändringslogg beskrevs uppdateringen som en ”Paretoförbättring avseende prestanda och kostnad”, det sades att API-anropsmetoden och prissättningen var oförändrade, och befintliga anrop hänvisades till den nya versionen. Dess vikter lades upp på Hugging Face samma morgon under MIT, med 763 miljarder parametrar, utan någon åtkomstbegränsning. I indexet placerar en rapportering som citerar Artificial Analysis den på 45, en poäng över Lings 1019 – en uppgång med sex poäng från de 39 som konfigurationen V4.1-Flash (Max) mättes till i början av oktober. Sex poäng på tio dagar, med vikterna inräknade.

Ants bidrag är Ling-3.1-flash-1019, daterat till den 19 oktober utifrån sitt suffix och annonserat den 22 oktober. Tre punkter på ungefär en vecka, vikterna ingår inte, inget datum angivet för när de kommer. Samma spelbok, olika utförande: DeepSeek behandlade checkpointen som en leverans, Ant behandlade den som en resultattavleuppdatering med en leverans som följer. Det är ingen skandal, och det är inte ovanligt – labb annonserar ständigt före vikterna – men det förändrar vad läsaren kan göra i dag, vilket är det enda test som betyder något för en modell som du kan komma att routa trafik till.

Det finns en operativ konsekvens begravd i namngivningskonventionen, och det är anledningen till att det här mönstret är värt att följa bortom en enskild release. När en leverantör uppdaterar en modell genom att ändra suffixet och lämna API-modellsträngen orörd, slutar "flash-modellen" att vara ett stabilt mål. Man begär modellen vid namn, leverantören pekar namnet mot vilken build som helst som den senast släppte, och din utvärdering från förra veckan beskriver inte längre det som svarade i morse. DeepSeek var tydliga med detta – ändringsloggen säger att anrop till den befintliga modellsträngen nu når 1017-builden.

Pinning är lösningen, och det är en routingfråga snarare än en benchmarkfråga. Det är också där vår egen katalog råkar vara användbar som illustration: den listar både deepseek/deepseek-v4.1-flash och deepseek/deepseek-v4.1-flash-1017 som separata modell-ID:n, och kimi/kimi-k3 bredvid dem, så en anropare kan ange bygget snarare än familjen. Ling-3.1-flash-1019 finns inte i vår katalog och den här artikeln kommer inte att låtsas något annat — det finns ingen endpoint för den någonstans där vi kan verifiera det, vilket är hela poängen med avsnittet ovan.

Vad som faktiskt är öppet, och vad ”kommer snart” är värt

Versionen som tillkännages är inte den version som är öppen. Den öppna är Ling-3.1-flash, vars vikter Ant publicerade den 15 oktober under MIT på Hugging Face och ModelScope. Dess modellkort är specifikt på ett sätt som 1019-tillkännagivandet inte är: 560 miljarder totala parametrar, 25 miljarder aktiva per token, en nedladdningsbar checkpoint på 572 miljarder parametrar, 63 KDA-lager plus 9 gated MLA-lager i förhållandet 7:1 och 4 täta lager, 512 routade experter med 8 aktiverade och 1 delad, en vokabulär på 157 184 och en kontext på 1 miljon token.

Serveringsaspekten på den överordnade builden är anledningen till att en 560B-modell överhuvudtaget är intressant. Ants versionsinformation beskriver ett blandprecisionsupplägg – MXFP4 för de routade experterna, block-FP8 för de densa lagren – som minskar vikternas minnesavtryck från ungefär 534 GB till 292 GB och, i den testade konfigurationen, minskar en Hopper-distribution från åtta GPU:er till fyra. Det finns recept för SGLang och vLLM, ett parallellt upplägg för lång kontext som Ant kallar PCP/DCP, och förbättrat JSON Schema-stöd för verktygsanrop. De uppmätta serveringssiffrorna som Ant publicerade är oanmärkningsvärda på det bra sättet: på åtta Hopper-GPU:er en genomsnittlig tid till första token på 604 ms och en latens mellan tokens på 3,28 ms vid en cacheträffsgrad på 76 %; på fyra, cirka 1,36 frågor per sekund med en P50-tid till första token under tre sekunder.

Inget av detta är bekräftat för 1019-bygget. Det är en rimlig förväntan – en datumstämplad checkpoint på samma linje, där samma parameterantal inte nämns, är osannolikt att ha gjort om sin kvantiseringsbeskrivning – men förväntan är inte dokumentation, och de två saker som skulle avgöra om den här utgåvan spelar roll på operativ nivå saknas båda. Den första är licensen. Ants eget inlägg från 15 oktober beskriver föräldern som öppen källkod och nämner ingen licens alls; Hugging Face-kortet anger MIT. Det är olika artefakter med olika auktoritet, och för 1019-bygget finns ingen av dem ännu. Den andra är checkpointen. En modell med 25 miljarder aktiva parametrar som körs på fyra Hopper-GPU:er är en genuint annan sak än en som behöver åtta, och hela påståendet om fyra GPU:er vilar på ett kvantiseringsrecept som inte har bifogats detta bygge.

Så en rimlig tolkning av "kommer snart" är att det är ett besked om tidsplanering, inte ett tekniskt besked. Det säger att Ant avser att leverera. Det säger inte på vilka villkor, i vilken omfattning eller om matematiken för utrullningen håller.

Vad du kan köra idag

Den anropbara byggversionen är föräldern, Ling-3.1-flash, och förbehållen kring den är av det slag som bara framträder efter att man försökt använda den. Den serverade kontexten har varit 262 144 token i stället för den 1M som specifikationen anger, med ett tak på 32 768 token för utdata på den hostade slutpunkten, och det hostade priset har varit ett kampanjpris snarare än ett listpris. Ants anteckningar från den 15 oktober anger att kampanjen ligger på ungefär 75 % rabatt: $0,075 per miljon indatatoken, $0,225 per miljon utdatatoken och $0,015 per miljon cachade läsningar på den internationella sidan, samt ¥0,5 / ¥1,5 / ¥0,1 på Ling Studio. Det är verkliga siffror för föräldern, inte för 1019-bygget, som inte har någon egen publicerad taxa.

Om din fråga är "bör jag flytta en produktionsväg till det här" är svaret nej, och inte för att modellen är dålig. Ett bygge utan endpoint, utan vikter, utan licens och utan publicerade rader per utvärdering kan inte utvärderas, bara förutses. Om din fråga är "är den här linjen värd att bevaka" är svaret ja, och det billiga sättet att agera på det är att benchmarka det den uppger sig vara likvärdig med. Kimi K3 och DeepSeek V4.1-Flash-1017 är båda tillgängliga via en enda OrcaRouter-nyckel till leverantörens listpris med 0 % påslag, så att köra samma testrigg på båda talar om vad 44 och 45 faktiskt kostar dig per uppgift innan Ant släpper något. Automatisk failover spelar roll här av en vardaglig anledning: när du riktar en ny utvärderingstestrigg mot ett obekant bygge vill du att en dålig endpoint ska kosta dig ett nytt försök snarare än en eftermiddag. Routnings-DSL:en kommer att lägga endera modellen bakom en enda endpoint om du hellre slipper skriva om klienten två gånger.

Vad skulle avgöra det?

Fyra saker, i fallande ordning efter hur mycket de skulle förändra bilden.

• Utvärderingsraderna. En publicerad tabell per utvärdering på Artificial Analysis-sidan skulle göra 44 från en rubrik till en profil och visa läsaren om detta är en agentisk förbättring eller en bred sådan. Att SciCode lämnar statusen "under review" spelar större roll än vanligt, eftersom kodning är det område där en billig modell först ersätter en dyr.

• Vikterna, med en namngiven licens. MIT skulle göra påståendet om fyra GPU:er portabelt och förvandla detta till den billigaste K3-klassade modellen som vem som helst kan självhosta. En begränsad eller skräddarsydd licens skulle göra 44 till en marknadsföringssiffra med ett kontrakt kopplat till sig, och skulle vara en egen historia.

• Ett API, så att hastighet och latens finns. Varje modell i indexet som har en slutpunkt har en uppmätt utdatahastighet; den här har ingen, vilket innebär att effektivitetshalvan av "flash"-påståendet för närvarande är otestad. En flash-modell som resonerar 59 % längre är en annan produkt än en som resonerar lika mycket snabbare.

• Ett enda testramverk för alla tre. Ingen publicerad benchmark kör ännu Ling-3.1-flash-1019, DeepSeek V4.1-Flash-1017 och Kimi K3 i samma utvärdering, och tills någon gör det är varje jämförelse i den här artikeln — inklusive den i inlägget som startade den — en jämförelse av sammansatta mått beräknade vid olika tidpunkter med olika konfigurationer.

Fram till dess att åtminstone den första av dem finns på plats är den korrekta sammanfattningen av Ling-3.1-flash-1019 denna: en verklig poäng, från ett verkligt labb, på en modell som ännu inte existerar som artefakt. Ant har nu annonserat två Ling-3.1-flash-byggen innan något av dem var fullt tillgängligt – {{1}}septemberlanseringen utan vikter{{/1}}, och {{2}}denna med varken vikter eller endpoint{{/2}} – och mönstret är tillräckligt tydligt för att planera efter: {{3}}behandla ett Ant-suffix som en signal om att något är på väg{{/3}}, och {{4}}behandla DeepSeeks som en signal om att något är här{{/4}}. {{5}}44:an är värd att känna till. Den är ännu inte värd att routa.{{/5}}