Ling-3.1-flash-1019 vs Ling-3.1-flash: ขนาดเท่ากัน ราคาเท่ากัน แต่ค่าโทเค็นสูงขึ้น
- Orcaใหม่OrcaCyber: GLM 5.3 Flash Abliterated2026-10-2787 tok/s
- Orcaใหม่OrcaCyber: Qwen3.8 Flash Next Abliterated2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 292 tok/s
- Orcaใหม่OrcaCyber: MiMo V2.6 Flash Abliterated2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 80 tok/s
- Moonshotใหม่MoonshotAI: Kimi K3.1 Pro2026-10-2455ความฉลาด
- Orcaใหม่OrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 119 tok/s
- minimaxใหม่MiniMax: M3.1 Flash2026-10-1943ความฉลาด
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 44 tok/s
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash 10172026-10-1745ความฉลาด
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 112 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 701 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xiaomiXiaomi: MiMo-V2.6-Flash2026-09-2138ความฉลาด
- xiaomiXiaomi: MiMo-V2.6-Pro2026-09-2146ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 160 tok/s
หากคุณจ่ายตามจำนวนโทเค็น Ling-3.1-flash-1019เป็นการอัปเกรดฟรีเมื่อเทียบกับLing-3.1-flash ทั้งสองมีราคาประกาศที่ $0.30 ต่อล้านโทเค็นอินพุตและ $0.90 ต่อล้านโทเค็นเอาต์พุต ทั้งสองมาพร้อมสัญญาอนุญาต MIT ทั้งสองเป็นโมเดล mixture-of-experts ขนาด 560B พารามิเตอร์ ที่มี 25B active และทั้งสองใช้พื้นที่ดิสก์ 573.8 GB หากคุณจ่ายตามงานที่เสร็จแล้ว การอัปเกรดจะแพงขึ้นเกือบ 47%: Artificial Analysis วัดได้ที่ $1.49 ต่องาน Intelligence Index สำหรับบิลด์ 1019 เทียบกับ $1.01 สำหรับรุ่นก่อนหน้า เพราะโมเดลใหม่สร้างโทเค็นเอาต์พุตมากกว่าประมาณ 59% เพื่อให้ได้คำตอบ การเพิ่มขึ้นสามจุดของดัชนีระหว่างทั้งสอง — 44 เทียบกับ 41 — เป็นเรื่องจริง คำถามที่หน้านี้ตอบคือใครควรจ่ายสำหรับมัน
วันที่เหล่านี้สำคัญต่อการอ่านส่วนที่เหลือ Ling-3.1-flash เปิดเป็นโอเพนซอร์สภายใต้ MIT ในกลางเดือนตุลาคม โดย repository ถูกสร้างเมื่อ 13 ตุลาคม และประกาศของ Ant ตามมาเมื่อ 15 ตุลาคม บิลด์ 1019 ถูกประกาศเมื่อ 22 ตุลาคม พร้อมคะแนนแต่ไม่มีให้ดาวน์โหลด และ weights พร้อม base checkpoint ของมันเผยแพร่เมื่อ 27 ตุลาคม ดังนั้นนี่ไม่ใช่ช่องว่างระหว่างรุ่น แต่เป็นการรัน post-training หนึ่งครั้งที่ใช้กับสถาปัตยกรรมเดียวกัน ซึ่งปล่อยออกมาห้าวันหลังจากตัวเลขที่อธิบายมัน
สิ่งที่จุดตรวจทั้งสองแห่งมีร่วมกัน
ส่วนที่ทับซ้อนกันมีมากพอจนต้นทุนการย้ายเท่ากับศูนย์โดยแทบไม่มีนัยสำคัญ ซึ่งเป็นเหตุผลหลักที่สนับสนุนบิลด์ใหม่:
• สถาปัตยกรรม — 72 เลเยอร์ แบ่งเป็น 63 เลเยอร์ KDA แบบ linear-attention และ 9 เลเยอร์ MLA แบบ gated ในอัตราส่วน 7:1 พร้อมด้วย 4 เลเยอร์แบบ dense
• ผู้เชี่ยวชาญ — กำหนดเส้นทาง 512 ราย, เปิดใช้งาน 8 รายต่อโทเค็น, ใช้ร่วมกัน 1 ราย; ขนาดซ่อน 4,096; คำศัพท์ 157,184
• ค่าน้ำหนักบนดิสก์ — 573.8 GB ของ FP8 safetensors กระจายอยู่ 54 shards สำหรับทั้งสอง โดยอ้างอิงจากการนับของเราจากรายการไฟล์ของ repository ทั้งสองแห่ง
• สัญญาอนุญาต — MIT สำหรับทั้งสอง รวมถึงการเผยแพร่ต่อเพื่อการค้า
• ราคา — อินพุต $0.30, เอาต์พุต $0.90, การอ่านแคช $0.06, ค่าเฉลี่ยรวม $0.19 ที่อัตราส่วนแคชฮิต/อินพุต/เอาต์พุต 7:2:1
• บริบทที่ประกาศไว้ — หน้าต่าง 1M โทเคนบนการ์ดโมเดลทั้งสองใบ; 262,144 ตำแหน่ง และไม่มีการปรับสเกล RoPE ในไฟล์ config.json ทั้งสองไฟล์
ประโยคสุดท้ายนั้นคือสิ่งแรกที่ต้องทำความเข้าใจให้ซึมซับก่อนจะเปรียบเทียบทั้งสอง ในทางทฤษฎีทั้งสองโมเดลเสนอหนึ่งล้านโทเค็น แต่ในคอนฟิกูเรชันที่จัดส่งจริง ทั้งคู่มีเพดานสูงสุดที่ 256K เว้นแต่คุณจะเพิ่มรูปแบบการขยายสเกลที่ Ant ไม่ได้รวมมาให้ ข้อจำกัดนี้เหมือนกันทั้งสองฝั่ง จึงไม่ได้ชี้ขาดการเปรียบเทียบครั้งนี้ — แต่หมายความว่าทั้งสองบิลด์ไม่ใช่โมเดลล้านโทเค็นตามที่โฆษณาไว้ และใครที่วางแผนงานขนาด 1M โทเค็นกำลังเลือกระหว่างสองโมเดลที่ทั้งคู่ต้องได้รับการปรับแต่งจึงจะไปถึงจุดนั้นได้
จุดทั้งสามมาจากไหน
Artificial Analysis วัดช่องว่างหลักด้วยตนเอง: 41 สำหรับ Ling-3.1-flash และ 44 สำหรับ Ling-3.1-flash-1019 บน Intelligence Index v4.3.2 โดยรุ่นเก่าอยู่อันดับที่แปดจาก 122 และรุ่นใหม่อยู่อันดับที่สี่ นี่คือการวัดที่เป็นอิสระของทั้งสองจุดปลาย ซึ่งทำให้ส่วนต่างสามจุดเป็นตัวเลขที่น่าเชื่อถือที่สุดในการเปรียบเทียบนี้
การแยกย่อยราย Benchmark เป็นข้อมูลที่ผู้ขายรายงานเอง และควรตีความตามนั้น — ข้อมูลนี้มาจาก model card ของ Ant ไม่ใช่จาก public harness:
• AA-Briefcase — ประมาณ 1,400 Elo ถึง 1,524 Elo นี่คือเกณฑ์มาตรฐานชิ้นงานสำหรับงานความรู้ และการเพิ่มขึ้น 124 คะแนนถือเป็นการเพิ่มขึ้นเชิงสัมพัทธ์ที่มากที่สุดในชุดนี้
• AutomationBench-AA — จาก 62% เป็น 68% ถือเป็นการปรับปรุงขึ้น 6 จุดเปอร์เซ็นต์สำหรับการทำงานอัตโนมัติของงานแบบเอเจนต์
• CritPt — จาก 18% เป็น 26% ซึ่งเป็นการเพิ่มขึ้นตามสัดส่วนที่มากที่สุด: แปดคะแนนในชุดการให้เหตุผลทางฟิสิกส์ที่คะแนนสัมบูรณ์ต่ำสำหรับทุกคน
• SciCode — 54% ถึง 57% ซึ่งเป็นการเปลี่ยนแปลงที่น้อยที่สุดในทั้งสี่รายการ และเป็นรายการที่ควรให้น้ำหนักอย่างระมัดระวังที่สุด Artificial Analysis ระบุว่า SciCode อยู่ระหว่างการตรวจสอบสำหรับโมเดลนี้
เมื่อพิจารณารวมกัน รูปแบบนี้สอดคล้องกับสิ่งที่ Ant บอกว่ามันได้ทำ: การทำ post-training เพิ่มเติมด้านการให้เหตุผลและงานเอเจนต์หลายขั้นตอน ไม่ใช่พื้นผิวความสามารถใหม่ ผลตอบแทนจะกระจุกตัวในจุดที่ห่วงโซ่การตัดสินใจยาว และในจุดที่คำตอบที่ถูกบางส่วนได้รับคะแนนบางส่วน สิ่งเหล่านี้บางที่สุดในการสร้างโค้ดวิทยาศาสตร์แบบตรง ๆ ซึ่งเป็นจุดที่คุณคาดว่าการรีเฟรช post-training มากกว่าการเปลี่ยนสถาปัตยกรรมจะขยับน้อยที่สุด
บิล: การคิดเพิ่มขึ้น 59%
นี่คือจุดที่สองโมเดลนี้ใช้แทนกันไม่ได้อีกต่อไป Artificial Analysis บันทึกโทเค็นเอาต์พุต 220M สำหรับการรันดัชนีของ Ling-3.1-flash และ 350M สำหรับการรัน 1019 — อัตราส่วน 1.59 — และจัดให้บิลด์ใหม่เป็นอันดับสุดท้ายจาก 48 โมเดลในด้านความยาวคำตอบ เมื่อเทียบกับค่ามัธยฐานที่ 140M ต้นทุนในการทำดัชนีให้เสร็จเพิ่มขึ้นจาก $1.01 เป็น $1.49 ต่องาน
ขยายสิ่งนี้ไปเป็นปริมาณงาน เมื่อมีงานที่มีโครงสร้างแบบดัชนี 10,000 งาน ตัวเลขต่องานบ่งชี้ว่าประมาณ $10,100 บน checkpoint เก่า และ $14,900 บน checkpoint ใหม่ ฝั่งโทเคนขยายในลักษณะเดียวกัน: ปริมาณงานที่ใช้โทเคนเอาต์พุต 2.2 พันล้านโทเคนบน Ling-3.1-flash จะใช้ประมาณ 3.5 พันล้านโทเคนบนบิลด์ 1019 ที่อัตราส่วนที่วัดได้ ซึ่งที่ $0.90 ต่อล้านโทเคน คิดเป็น $1,980 เทียบกับ $3,150 ส่วนที่เหลือของช่องว่างต่องานมาจากราคาอินพุตและแคช แต่ทิศทางถูกกำหนดโดยจำนวนโทเคน: คุณกำลังซื้อคะแนนดัชนีสามจุดด้วยคำตอบที่เพิ่มขึ้นราวหกส่วนสิบต่อหนึ่งคำตอบ
การแลกเปลี่ยนนี้จะดีหรือไม่ ขึ้นอยู่กับโหมดความล้มเหลวที่คุณกำลังป้องกันไว้ ในลูปของเอเจนต์ที่การเรียกเครื่องมือผิดพลาดไปกระตุ้นให้เกิดการลองใหม่ การอ่านบริบทซ้ำ หรือการตรวจสอบโดยมนุษย์ โทเค็นที่เพิ่มขึ้น 59% ถือว่าคุ้มค่าเมื่อเทียบกับการหลีกเลี่ยงลูปได้หนึ่งรอบ ในงานจำแนกประเภท การสกัดข้อมูล แชตสั้น ๆ หรืองานปริมาณมากใด ๆ ที่คำตอบมีเพียงหนึ่งหรือสองประโยค อัตราส่วนเดียวกันนี้เป็นภาระส่วนเกินล้วน ๆ — และดัชนีจะไม่มีทางแสดงให้เห็น เพราะดัชนีให้รางวัลกับเคสยาก ๆ ที่ post-training ตั้งเป้าไว้
อีกครึ่งหนึ่งของภาพต้นทุนคือความเสถียรของราคา OrcaRouter รวมโมเดลกว่า 200 รายการไว้หลังคีย์เดียว โดยบวกเพิ่ม 0% จากราคาตามรายการของผู้ให้บริการ ดังนั้นเมื่อผู้จำหน่ายปรับราคา การเปลี่ยนแปลงจะส่งผ่านในวันเดียวกันสำหรับโมเดลที่เราให้บริการ ตระกูล Ling ยังไม่อยู่ในแคตตาล็อกนั้นในปัจจุบัน ซึ่งหมายความว่าตัวเลขข้างต้นเป็นราคาตามรายการของ Ant เท่านั้น ไม่มีสิ่งอื่นเจือปน นั่นคือเหตุผล precisely ที่การคำนวณต่องานสำคัญกว่าอัตราต่อโทเคน เพราะอัตราระหว่างสองโมเดลนี้เท่ากัน จึงช่วยคุณในการเลือกไม่ได้
ความเร็ว: มีตัวเลขอยู่เพียงค่าเดียว และค่านั้นเป็นของรุ่นที่เก่ากว่า
Artificial Analysis วัด Ling-3.1-flash ได้ที่ 215.7 โทเค็นเอาต์พุตต่อวินาที โดยมีเวลาถึงโทเค็นแรก 1.73 วินาที อยู่อันดับที่ 6 จาก 78 โมเดลในด้านความเร็ว สำหรับ Ling-3.1-flash-1019 หน้าเดียวกันไม่มีตัวเลขความเร็วเอาต์พุต — ในเวลาที่วัด ไม่มี API ที่เปิดให้สาธารณะเพื่อวัดเวลา และน้ำหนักโมเดลเพิ่งเปิดตัววันนี้ ดังนั้นโมเดลที่เร็วกว่าไม่ใช่เรื่องของความเห็น เพราะเป็นเพียงหนึ่งในสองโมเดลที่มีการวัดค่า
เมื่อรวมข้อมูลนี้กับอัตราส่วนโทเค็น คุณจะได้ค่าประมาณที่ใช้อ้างอิงได้ โดยระบุชัดเจนว่าเป็นการคำนวณทางคณิตศาสตร์ ไม่ใช่การทดสอบ Benchmark หากทั้งสองบิลด์ถอดรหัสได้ที่ 215.7 โทเค็นต่อวินาที คำตอบที่มีความยาว 1,000 โทเค็นบน Ling-3.1-flash จะใช้เวลาถอดรหัสประมาณ 4.6 วินาที ส่วนคำตอบเทียบเท่าที่มีความยาว 1,590 โทเค็นบนบิลด์ 1019 จะใช้เวลาประมาณ 7.4 วินาที เวลาถึงโทเค็นแรกเป็นตัวแปรแยกต่างหาก และอาจเปลี่ยนแปลงไปในทิศทางใดก็ได้ ประเด็นคือ การเพิ่มขึ้นของจำนวนโทเค็น 59% ไม่สามารถเกิดขึ้นได้โดยไม่มีต้นทุนในแง่เวลาจริง เว้นแต่โมเดลใหม่จะถอดรหัสได้เร็วขึ้นอย่างมีนัยสำคัญด้วย และยังไม่มีใครเผยแพร่หลักฐานว่าเป็นเช่นนั้น
การโฮสต์ด้วยตัวเอง: พื้นที่การติดตั้งเหมือนกัน แต่ README ต่างกัน
บนฮาร์ดแวร์ของคุณเอง ตัวเลือกนั้นง่ายกว่า เพราะเป้าหมายการปรับใช้ไม่เปลี่ยนแปลง ทั้งสองเช็กพอยต์ต้องใช้การกำหนดค่าที่มีเอกสารกำกับเหมือนกัน — H200s แปดตัวที่ TP8 พร้อม EP8 หรือ GB300s สี่ตัวที่ TP4 พร้อม EP4 — และอิมเมจ SGLang day-0 เดียวกัน โดยมีสูตร vLLM ที่ใช้ tensor parallelism เท่ากับ 8, expert parallelism และ speculative tokens สามโทเคน เนื่องจากสถาปัตยกรรมและขนาดไฟล์เหมือนกัน 1019 จึงเป็นตัวแทนที่ใช้แทนได้ทันที: สลับพาธน้ำหนัก เก็บสแต็กการให้บริการไว้ และไม่ต้องให้ส่วนอื่นใดในโครงสร้างพื้นฐานของคุณรู้เรื่องนี้
คำเตือนเชิงปฏิบัติสองข้อ ข้อแรก Quickstart ใน model card ของ 1019 ยังชี้ไปที่ inclusionAI/Ling-3.1-flash ในคำสั่ง SGLang และส่ง "model": "Ling-3.1-flash" ในตัวอย่างไคลเอนต์ หากคัดลอกตามตัวอักษร คุณจะให้บริการโมเดล 41 คะแนนโดยเข้าใจว่ากำลังทดสอบโมเดล 44 คะแนน ข้อที่สอง base checkpoint ที่ Ant ปล่อยพร้อมกับ 1019 คือ Ling-3.1-flash-base ซึ่งเป็นฐานของโมเดลรุ่นเก่า ไม่ใช่สแนปช็อตก่อนหรือหลังการฝึกของ 1019 หากแผนของคุณคือการ fine-tune การอัปเกรด สูตรที่สร้างมันขึ้นมาไม่ได้อยู่ในไฟล์ดาวน์โหลด หากแผนของคุณคือการสร้างสิ่งของของคุณเองจากฐาน 560B ภายใต้ MIT แสดงว่า base คือจุดเริ่มต้นที่ถูกต้อง และช่องว่างของดัชนีระหว่าง checkpoint สองตัวนี้ไม่เกี่ยวข้องกับคุณ
เรียกทั้งสองว่า: ชื่อเดียว สองบิลด์
เรื่องของ API ยุ่งยากกว่าเรื่องน้ำหนักโมเดล บิลด์ 1019 เป็นเช็กพอยต์ที่ประทับวันที่ ภายใต้ชื่อที่โค้ดสำหรับให้บริการส่วนใหญ่ถือว่าเป็นสตริงโมเดลเดียวกับรุ่นก่อนหน้า รวมถึงตัวอย่างของ Ant เอง ซึ่งส่ง Ling-3.1-flash ไปยังทั้งสอง หากคุณเรียกใช้เอนด์พอยต์แบบโฮสต์ ต้องระบุบิลด์อย่างชัดเจน ไม่อย่างนั้นคุณจะไม่รู้ว่าบิลด์ไหนเป็นตัวตอบกลับ Artificial Analysis ไม่ได้ระบุ API ที่เปิดให้ใช้สาธารณะสำหรับ 1019 ณ เวลาที่วัดผล ดังนั้นความพร้อมใช้งานในวันนี้จึงผ่าน API ของผู้ขายเองและแพลตฟอร์มบุคคลที่สามหลายแห่ง แทนที่จะเป็นเอนด์พอยต์ที่ลงตัวแล้วและมีมิเรอร์ใช้กันอย่างแพร่หลาย
ความกำกวมนั้นเป็นข้อโต้แย้งที่หนักแน่นที่สุดสำหรับการโฮสต์เอง หากคุณให้ความสำคัญกับความสามารถในการทำซ้ำ และเป็นข้อโต้แย้งที่หนักแน่นที่สุดสำหรับการรอ หากคุณไม่ให้ความสำคัญ โมเดลที่ชื่อไม่ได้ระบุถึงบิลด์ของมันคือโมเดลที่คุณไม่สามารถตรวจสอบย้อนหลังได้ และ "44 บนดัชนี" ก็ไม่ใช่หมายเลขเวอร์ชัน
อันไหน แยกตามงาน
การให้เหตุผลที่ยากและการทำงานของเอเจนต์ในระยะยาว — ลองดู Ling-3.1-flash-1019 ผลประโยชน์ที่ได้นั้นกระจุกตัวอยู่ตรงจุดนั้นพอดี และโทเคนที่เพิ่มขึ้นคือกลไก ไม่ใช่ผลข้างเคียง
• การสกัดข้อมูลปริมาณมาก การจำแนกประเภท และแชตสั้น — ใช้ Ling-3.1-flash ต่อไป คุณจะต้องจ่ายเพิ่มขึ้น 47% ต่องานสำหรับความสามารถที่งานเหล่านั้นไม่ได้ใช้
• ผลิตภัณฑ์ที่ไวต่อความหน่วง — ใช้ Ling-3.1-flash ต่อไปจนกว่าจะมีตัวเลข吞吐量ที่เป็นอิสระสำหรับ 1019 ซึ่งเป็นเพียงตัวเดียวในสองตัวที่มีความเร็วที่วัดได้
• การปรับแต่งละเอียด (fine-tuning) หรือการปรับให้เข้ากับโดเมน — ให้เริ่มจาก Ling-3.1-flash-base และไม่ต้องพิจารณาการเปรียบเทียบนี้ ทั้งนี้ เช็กพอยต์ที่ผ่านการจัดแนวทั้งสองรายการไม่ได้มาพร้อมสูตรการฝึกอบรม
• โมเดลเดียว รองรับทราฟฟิกแบบผสม — ใช้ Ling-3.1-flash-1019 เป็นค่าเริ่มต้น โดยมีบิลด์รุ่นเก่าอยู่เบื้องหลังสำหรับคำขอที่สั้นและมีต้นทุนต่ำ ทั้งสองใช้สถาปัตยกรรม ราคา และสแตกการให้บริการร่วมกัน ดังนั้นการแยกทราฟฟิกระหว่างทั้งสองจึงไม่มีต้นทุนด้านปฏิบัติการใด ๆ
สิ่งที่อาจเปลี่ยนคำตัดสินนี้คือความเร็วในการถอดรหัสที่วัดได้ของบิลด์ 1019 หากปรากฏว่าเร็วกว่า 215.7 โทเคนต่อวินาทีอย่างมีนัยสำคัญ ภาระด้านเวลาจริงก็จะลดลง และค่าใช้จ่ายโทเคนจะกลายเป็นข้อโต้แย้งที่แท้จริงเพียงข้อเดียว หากความเร็วเท่าเดิมหรือช้ากว่า ตัวเลข 59% ก็จะปรากฏขึ้นสองครั้ง — ครั้งหนึ่งในใบแจ้งหนี้ และอีกครั้งในเวลาแฝง — และเหตุผลสนับสนุนการรันทั้งสองเช็กพอยต์แทนการอัปเกรดทั้งหมดก็จะแข็งแกร่งขึ้น จนกว่าจะมีคนเผยแพร่ตัวเลขนั้น สรุปที่ซื่อสัตย์คือ Ling-3.1-flash-1019 ซื้อคุณภาพด้วยโทเคน ส่วน Ling-3.1-flash ขายทรูพุตในอัตราเดียวกัน ทั้งสองไม่ใช่คำตอบที่ผิด พวกมันเป็นผลิตภัณฑ์ที่แตกต่างกันแต่สวมสถาปัตยกรรมเดียวกัน
