Ling-3.1-flash-1019 对比 Ling-3.1-flash：相同的规模，相同的价格，更高的 Token 账单

如果按 token 租用，Ling-3.1-flash-1019相较 Ling-3.1-flash。两者的标价均为每百万输入 token 0.30 美元、每百万输出 token 0.90 美元，均采用 MIT 许可证，均为 560B 参数的混合专家模型、激活参数 25B，且在磁盘上均占用 573.8 GB。如果按完成的任务付费，这次升级则贵出近 47%：Artificial Analysis 测得 1019 构建版每项 Intelligence Index 任务为 1.49 美元，而其前代为 1.01 美元，因为较新的模型为得出答案生成的输出 token 多出约 59%。两者之间三个点的指数提升——44 对 41——是真实的。本页要回答的问题是：谁应该为此买单。

这些日期对理解其余内容很重要。{{1}}Ling-3.1-flash{{/1}} 于 10 月中旬在 MIT 许可下开放，其仓库于 10 月 13 日创建，Ant 的公告随后于 10 月 15 日发布。1019 构建版本于 10 月 22 日公布，附有评分但没有下载，其权重和一个基础检查点于 10 月 27 日发布。所以这不是代际差距。这是将同一次后训练运行应用于同一架构，并在描述它的那个数字发布五天后交付。

两个检查点的共同之处

重叠部分足够大，迁移成本实际上为零，这是支持较新构建版本的主要理由：

架构——72 层，按 7:1 的比例分为 63 个 KDA 线性注意力层和 9 个门控 MLA 层，另有 4 个稠密层。

• 专家 — 512 个路由专家，每个词元激活 8 个，1 个共享专家；隐藏维度 4,096；词表 157,184。

• 磁盘上的权重——根据我们对两个仓库文件清单的统计，两者的 FP8 safetensors 共 573.8 GB，分布在 54 个分片中。

• 许可证 — 两者均采用 MIT，包括商业再分发。

• 价格 — 输入 $0.30，输出 $0.90，缓存读取 $0.06，在缓存命中/输入/输出为 7:2:1 的配比下，混合价格为 $0.19。

• 声明的上下文——两张模型卡上均为 1M token 窗口；两个 config.json 文件中均为 262,144 个位置，且无 RoPE 缩放。

最后那句话，是在对两者进行比较之前首先要牢记的一点。纸面上，两个模型都提供一百万 token。在实际交付配置中，除非你加入 Ant 未包含的扩展方案，否则两者最高都只能达到 256K。这一限制在双方身上完全相同，因此并不能决定这场对比的胜负——但它确实意味着，两个构建版本都不是宣传卡片上所标称的百万 token 模型，任何计划运行 100 万 token 工作负载的人，都是在两个都需要额外投入才能达到这一目标的模型之间做选择。

这三个点从何而来

Artificial Analysis 测量了总体差距本身：在 Intelligence Index v4.3.2 上，Ling-3.1-flash 为 41，Ling-3.1-flash-1019 为 44；较旧模型在 122 个模型中排名第八，较新模型排名第四。这是对两个端点的独立测量，因此三点差值成为本次比较中最可信的数字。

按基准的细分数据由厂商报告，也应据此解读——它来自 Ant 的模型卡，而非公开评测框架：

• AA-Briefcase — 约 1,400 Elo 至 1,524 Elo。这是知识工作产物基准测试，124 分的提升是该组中最大的相对增益。

AutomationBench-AA — 从 62% 提升至 68%，在智能体任务自动化方面提升了六个百分点。

• CritPt——从 18% 到 26%，是相对增幅最大的一次：在一套所有人的绝对得分都偏低的物理推理题集上提高了八个点。

• SciCode — 从 54% 升至 57%，是四项中变化最小的，也是最应谨慎看待的一项；Artificial Analysis 指出，SciCode 针对该模型仍在复核中。

综合来看，这一模式与 Ant 所称的做法一致：更多是针对推理和多步智能体工作的后训练，而不是新的能力面。收益集中在决策链较长、以及部分正确的答案也能拿到部分分数的场景。在纯粹的科学代码生成上收益最薄，而这恰恰是你预期中后训练刷新而非架构变更影响最小的领域。

账单：多出 59% 的思考

这正是两个模型不再可互换之处。Artificial Analysis 记录到，Ling-3.1-flash 索引运行输出了 220M 个输出 token，而 1019 运行输出了 350M 个——两者比值为 1.59——并在冗长程度上将较新的构建版本排在 48 个模型的最后，而中位数为 140M。完成该索引的成本从每项任务 1.01 美元上升到 1.49 美元。

将其扩展到工作负载规模来算。对于 10,000 个索引型任务，按每任务数据推算，较旧的检查点约为 10,100 美元，较新的检查点约为 14,900 美元。token 侧也以同样方式扩展：在 Ling-3.1-flash 上消耗 22 亿个输出 token 的工作负载，按实测比例在 1019 构建版本上会消耗约 35 亿个；按每百万 0.90 美元计算，前者为 1,980 美元，后者为 3,150 美元。每任务差距的其余部分来自输入和缓存定价，但方向由 token 数量决定：你是在用每回答约多出 0.6 个答案，换取三个索引点。

这是否划算，取决于你正在防范的失败模式。在智能体循环中，如果一次错误的工具调用会触发重试、重新读取上下文或人工审核，那么与避免一次循环相比，额外多出 59% 的 token 成本很低。在分类、抽取、简短聊天或任何答案只有一两句话的大批量任务中，同样的比例则纯属额外开销——而指数永远不会体现这一点，因为指数奖励的是后训练所针对的难题。

成本图景的另一半是费率稳定性。OrcaRouter 将 200+ 个模型置于一把密钥之后，按供应商列表价 0% 加价，因此对于我们路由的模型，供应商的价格变动会在当天传导过来。Ling 系列目前不在该目录中，这意味着上面的数字只是 Ant 的列表价，仅此而已。这正是为什么按任务计算的算术比按 token 的费率更重要：这两个模型的费率完全相同，所以它无法帮你做出选择。

速度：只有一个数字，而且它属于较旧的型号

Artificial Analysis 测得 Ling-3.1-flash 的输出速度为每秒 215.7 个 token，首个 token 延迟为 1.73 秒，在 78 个模型的速度排名中位列第六。而对于 Ling-3.1-flash-1019，同一页面上并没有输出速度的数据——测量时没有公开可用的 API 可供测速，其权重直到今天才发布。因此，更快的那个模型并非主观判断；它是两者中唯一有实测数据的那个。

把这一点与 token 比例结合起来，你就能得到一个站得住脚的估计，并明确标注为算术推算而非基准测试。如果两个构建都以每秒 215.7 个 token 解码，那么在 Ling-3.1-flash 上运行 1,000 个 token 的响应，解码大约需要 4.6 秒；在 1019 构建上等效的 1,590-token 回答，解码大约需要 7.4 秒。首 token 时间是另一个独立变量，可能朝任一方向变化。关键在于，除非新模型解码也显著更快，否则 token 数增加 59% 不可能在实际耗时上毫无代价，而没有人发表证据表明它确实更快。

自托管：相同的资源占用，不同的 README

在自有硬件上，选择更简单，因为部署目标不会改变。两个检查点都需要相同的文档化配置——八块 H200，采用 TP8 加 EP8，或四块 GB300，采用 TP4 加 EP4——以及相同的 SGLang day-0 镜像，并使用 vLLM 配方：张量并行度为 8、专家并行以及三个投机 token。由于架构和文件大小完全相同，1019 是即插即用的替代品：替换权重路径，保留服务栈，基础设施中的其他任何部分都无需感知。

两条实用警告。第一，1019 模型卡的 Quickstart 在其 SGLang 命令中仍指向 inclusionAI/Ling-3.1-flash，并在其客户端示例中发送 "model": "Ling-3.1-flash"；如果你原样照抄，就会在以为自己在测试 44 分模型的情况下，实际服务的是 41 分模型。第二，Ant 随 1019 一同发布的基础检查点是 Ling-3.1-flash-base——它是旧模型的基础版本，而不是 1019 后训练前的快照。如果你的计划是微调这个升级版，那么产出它的训练方案并不在下载内容中。如果你的计划是基于 MIT 许可下的 560B 基础模型构建自己的东西，那么这个基础版本才是正确的起点，而这两个检查点之间的指数差距对你来说无关紧要。

称它们为：一个名称，两种构建

API 这一侧的情况比权重发布那一侧更混乱。1019 构建是一个带日期戳的检查点，其名称在大多数推理服务代码中被视为与其前代相同的模型字符串——包括 Ant 自己的示例，它们把 Ling-3.1-flash 同时发往两者。如果你调用托管端点，请显式锁定构建版本，否则你无法知道究竟是哪一个作出了响应。Artificial Analysis 在测量时未列出 1019 的公开可用 API，因此如今的可获得性要通过厂商自己的 API 和若干第三方平台来实现，而不是一个已确定、被广泛镜像的端点。

这种模糊性，如果你在意可复现性，就是支持自托管的最有力论据；如果你不在意，就是支持等待的最有力论据。一个名称无法标明其构建版本的模型，就是事后无法审计的模型，而“指数上的 44”并不是版本号。

哪个，按工作

• 高难度推理与长时程智能体工作——以 Ling-3.1-flash-1019 为例。增益恰恰集中在这些方面，而额外的 token 是机制本身，并非副作用。

• 大批量提取、分类和简短对话——请继续使用 Ling-3.1-flash。否则，你会为这些工作负载根本用不到的能力，在每个任务上多付 47% 的费用。

• 对延迟敏感的产品——在出现 1019 的独立吞吐量数据之前，请继续使用 Ling-3.1-flash。它是这两者中唯一有实测速度数据的一个。

• 微调或领域适配——从 Ling-3.1-flash-base 开始，并忽略本次对比。两个对齐检查点均未附带训练配方。

• 一个模型，混合流量——默认使用 Ling-3.1-flash-1019，较旧的版本则在其后承接廉价、短小的请求。两者共享同一架构、同一价格与同一服务栈，因此在两者之间分流流量不会带来任何运维成本。

会改变这一结论的是 1019 版本的实测解码速度。如果它明显快于每秒 215.7 个 token，那么实际耗时方面的代价就会缩小，token 账单就成了唯一真正的反对理由。如果它持平或更慢，那么 59% 会两次出现——一次在账单上，一次在延迟上——而同时运行两个检查点、而不是整体升级的理由就会更强。在有人公布这个数字之前，诚实的总结是：Ling-3.1-flash-1019 用 token 换取质量，Ling-3.1-flash 以相同的费率出售吞吐量。两者都不是错误答案；它们是披着相同架构的不同产品。