Ling-3.1-flash-1019 對比 Ling-3.1-flash：規模相同、價格相同，Token 帳單卻更大

如果你按 token 計費租用，Ling-3.1-flash-1019是免費升級，勝過Ling-3.1-flash。兩者的定價都是每百萬輸入 token 0.30 美元、每百萬輸出 token 0.90 美元，兩者都採用 MIT 授權，兩者都是 560B 參數的混合專家模型，其中 25B 為活躍參數，且兩者在磁碟上各佔 573.8 GB。如果你按完成的任務付費，這次升級則貴了近 47%：Artificial Analysis 測得 1019 版本每項 Intelligence Index 任務為 1.49 美元，而前代為 1.01 美元，因為較新的模型為了得出答案，會多生成約 59% 的輸出 token。兩者之間三分的指數增幅——44 對 41——是真實的。本頁要回答的問題是：誰該為此付費。

這些日期對於理解其餘內容很重要。Ling-3.1-flash 於十月中旬以 MIT 許可證開源，其儲存庫建立於 10 月 13 日，Ant 的公告則於 10 月 15 日隨後發布。1019 版本於 10 月 22 日公布，附有分數但沒有提供下載，而其權重加上一個基礎檢查點於 10 月 27 日上線。所以這不是世代差距。這是對同一架構套用的一次後訓練，並在描述它的數字出現五天後推出。

這兩個檢查點的共同點

重疊範圍夠大，移轉成本實際上等於零，這正是支持較新建置的主要理由：

• 架構 — 72 層，以 7:1 的比例分為 63 層 KDA 線性注意力層與 9 層門控 MLA 層，另加 4 層稠密層。

• 專家 — 512 個路由，每個權杖啟用 8 個，1 個共享；隱藏層大小 4,096；詞彙量 157,184。

• 磁碟上的權重 — 兩者合計為 573.8 GB 的 FP8 safetensors，分散於 54 個分片，此數據依據我們對兩個儲存庫檔案清單的計數。

• 授權條款 — 兩者皆為 MIT，包括商業再散布。

• 價格 — 輸入 $0.30、輸出 $0.90、快取讀取 $0.06，在 7:2:1 的快取命中／輸入／輸出混合比例下，混合價格為 $0.19。

• 宣告的上下文 — 兩張模型卡上皆為 1M token 視窗；兩個 config.json 檔案中皆為 262,144 個位置，且沒有 RoPE 縮放。

在比較它們之前，首先要把最後那一行內化。紙面上，兩款模型都提供一百萬個 token。在實際出貨的配置中，兩者的上限都是 256K，除非你額外加入 Ant 並未納入的擴展方案。這項限制在雙方完全相同，因此不會決定這場對決的勝負——但這確實意味著，這兩個版本都不是宣傳規格上所標榜的百萬 token 模型，而任何打算執行 1M token 工作負載的人，都是在兩個都需要額外努力才能達到目標的模型之間做選擇。

這三點從何而來

Artificial Analysis 本身測量了主要差距：Ling-3.1-flash 在 Intelligence Index v4.3.2 上為 41，Ling-3.1-flash-1019 為 44；較舊模型在 122 個模型中排名第八，較新模型則排名第四。這是對兩個端點的獨立測量，因此使三分差距成為這項比較中最可信的數字。

各基準測試的細項拆分是由廠商自行報告，應據此理解——它來自 Ant 的模型卡，而非公開的評測框架：

• AA-Briefcase — 大約從 1,400 Elo 提升到 1,524 Elo。這是知識工作成品基準測試，而 124 點的進步是整組中最大的相對增益。

• AutomationBench-AA — 從 62% 提升至 68%，在代理式任務自動化上提升了六個百分點。

• CritPt — 從 18% 到 26%，是比例上最大的躍升：在一個所有人絕對分數都偏低的物理推理題組上提高了八個百分點。

• SciCode — 54% 至 57%，是四項中變動幅度最小的一項，也最需要謹慎權衡；Artificial Analysis 標示 SciCode 針對此模型仍處於審查中。

綜合來看，這個模式與 Ant 所說它所做的相符：在推理與多步驟代理工作上進行更多後訓練，而不是新的能力面。增益集中在決策鏈很長、且部分正確的答案可獲得部分分數的地方。這些增益在單純的科學程式碼生成上最為薄弱，而這正是你會預期後訓練更新而非架構變更影響最小的地方。

代價：思考量增加 59%

這正是兩個模型不再能互換的地方。Artificial Analysis 記錄到 Ling-3.1-flash 的 index 執行產生了 2.2 億個輸出 token，而 1019 那次執行則為 3.5 億個——比率為 1.59——並在冗長度上將較新的版本排在 48 個模型中的最後一名，而中位數為 1.4 億。完成該 index 的成本從每項任務 1.01 美元上升到 1.49 美元。

將這個規模放大到一個工作負載。以 10,000 個索引型任務計算，每任務數據意味著較舊檢查點約 $10,100，較新檢查點約 $14,900。token 方面也以相同方式擴展：一個在 Ling-3.1-flash 上消耗 22 億輸出 token 的工作負載，依實測比例，在 1019 版本上會消耗約 35 億，以每百萬 $0.90 計算，分別是 $1,980 對 $3,150。其餘每任務差距來自輸入與快取定價，但方向由 token 數量決定：你正用每則回答約多出零點六個回答，換取三個索引點。

這是否是一筆划算的交易，取決於你正在防範的失敗模式。在代理迴圈中，若錯誤的工具呼叫會觸發重試、重新讀取上下文或人工審查，那麼多出 59% 的 token 相對於避免一次迴圈而言是便宜的。在分類、擷取、簡短聊天，或任何答案只有一、兩句的大量任務中，同樣的比例則是純粹的額外負擔——而該指標永遠不會顯示這一點，因為指標獎勵的是後訓練所鎖定的困難案例。

成本全貌的另一半是費率穩定性。OrcaRouter 讓 200+ 個模型共用同一把金鑰，並以供應商牌價零加價提供，因此對我們有路由的模型而言，供應商價格變動會在同一天反映出來。Ling 系列目前不在該目錄中，這表示上述數字只是 Ant 的牌價，別無其他。這正是為什麼按任務計算的算術比按 token 計算的費率更重要：這兩個模型的費率相同，所以它無法幫助你做出選擇。

速度：只有一個數字，而且它屬於較舊的型號

Artificial Analysis 測得 Ling-3.1-flash 的輸出速度為每秒 215.7 個 token，首個 token 時間為 1.73 秒，在 78 個模型中速度排名第六。至於 Ling-3.1-flash-1019，同一頁面並未提供輸出速度數據——在測量時，沒有可公開取得且可供計時的 API，而其權重直到今天才發布。因此，速度較快的模型並非見仁見智；它是兩者中唯一有測量數據的模型。

將這點與 token 比例結合，你就能得到一個站得住腳的估計，並清楚標明這是算術推導，而非基準測試。如果兩個建置版本都以每秒 215.7 個 token 進行解碼，那麼在 Ling-3.1-flash 上執行 1,000 個 token 的回應，解碼約需 4.6 秒；在 1019 建置版本上，等效的 1,590 個 token 答案則約需 7.4 秒。首個 token 的時間是另一個獨立變數，可能往任一方向變動。重點是，除非較新的模型解碼也明顯更快，否則 token 數增加 59% 不可能在實際耗時上毫無代價，而沒有任何人發表證據顯示它確實如此。

自託管：相同的資源佔用，不同的 README

在自己的硬體上，選擇就比較簡單，因為部署目標不會改變。兩個檢查點都需要相同的已記錄配置——TP8 加 EP8 的八張 H200，或 TP4 加 EP4 的四張 GB300——以及相同的 SGLang day-0 映像，並搭配使用張量平行度 8、專家平行與三個推測 token 的 vLLM 配方。由於架構與檔案大小完全相同，1019 是可直接替換的選擇：更換權重路徑、保留服務堆疊，而你基礎設施中的其他部分都不需要知道。

兩個實用警告。首先，1019 模型卡的快速入門指南在其 SGLang 指令中仍指向 inclusionAI/Ling-3.1-flash，並在其用戶端範例中送出 "model": "Ling-3.1-flash"；若照抄，你會服務 41 分的模型，卻以為自己在測試 44 分的模型。其次，Ant 隨 1019 發布的基礎檢查點是 Ling-3.1-flash-base——它是較舊模型的基礎，並非 1019 在後訓練前的快照。若你的計畫是微調這個升級版，產生它的配方並不在下載內容中。若你的計畫是以 MIT 授權的 560B 基礎模型打造自己的東西，這個基礎檢查點才是正確起點，而這兩個檢查點之間的指標差距對你無關。

稱呼它們：一個名稱，兩種組建

API 的情況比權重的情況更混亂。1019 版本是帶有日期標記的檢查點，其名稱在大多數 serving 程式碼中會被視為與前代相同的模型字串——包括 Ant 自家的範例，這些範例會把 Ling-3.1-flash 送到兩者。如果你呼叫託管端點，請明確鎖定版本，否則你不會知道是哪一個版本回應。Artificial Analysis 在測量時並未列出 1019 可供公開使用的 API，因此今日的可用性是透過供應商自家 API 與數個第三方平台提供，而不是一個固定、廣泛鏡像的端點。

這種模糊性，如果你重視可重現性，就是支持自行託管的最強理由；如果你不重視，則是支持再等等的最強理由。一個名稱無法辨識其建置版本的模型，就是事後無法稽核的模型，而「指數上的 44」並不是版本號。

哪一個，依工作

• 困難推理與長時程代理工作——以 Ling-3.1-flash-1019 為例。增益正好集中於此，而額外的 token 是機制本身，並非副作用。

• 大量擷取、分類與簡短對話 — 請繼續使用 {{1}}Ling-3.1-flash{{/1}}。否則，您每項任務將多付 47% 的費用，去換取那些工作負載根本用不到的能力。

• 延遲敏感的產品 —— 在 1019 有獨立的吞吐量數據之前，請繼續使用 Ling-3.1-flash。它是兩者之中唯一有實測速度的。

• 微調或領域適應 — 從 Ling-3.1-flash-base 開始，並忽略此配對。兩個對齊檢查點都未附上訓練配方。

單一模型，混合流量——以 Ling-3.1-flash-1019 作為預設，並由較舊的版本在背後承接低成本、短請求。兩者共用架構、價格與服務堆疊，因此在兩者之間分流，營運上不會帶來任何成本。

能改變這個結論的，是 1019 版本的實測解碼速度。如果結果顯示它明顯快於每秒 215.7 個 token，實際耗時懲罰就會縮小，token 帳單便成為唯一真正的反對理由。如果速度持平或更慢，那麼 59% 就會出現兩次——一次在帳單上，一次在延遲上——而同時執行兩個檢查點、而非全面升級的理由也會更強。在有人公布那個數字之前，誠實的總結是：Ling-3.1-flash-1019 用 token 換品質，而 Ling-3.1-flash 以相同費率賣吞吐量。兩者都不是錯誤答案；它們是穿著相同架構的不同產品。