앤트그룹의 Ling 팀이 추론과 에이전트 워크플로를 겨냥한 Ling-3.1-flash-1019와 개발자가 직접 이어서 학습할 수 있는 Ling-3.1-flash-base를 공개했다. 두 모델은 총 5,600억 개 파라미터와 토큰당 활성 파라미터 250억 개라는 모델군의 규모를 유지하며, 최대 100만 토큰 컨텍스트를 지원한다고 소개됐다.
1
6
10
바로 쓰는 모델과 직접 다듬는 모델
1019는 기존 Ling-3.1-flash에 추가 후처리를 적용한 체크포인트다. 앤트는 추론과 실제 에이전트 작업의 성능 개선에 초점을 맞췄다고 설명한다. 반면 베이스 모델은 추가 사전학습, 특정 분야에 맞춘 적응, 자체 후처리 연구를 진행하려는 개발자와 연구자를 위한 출발점이다.
1
10
두 체크포인트는 Hugging Face의 inclusionAI 저장소에서 받을 수 있다. 1019의 모델 카드에는 MIT 라이선스가 명시돼 있으며, 공개 보도에서는 베이스 모델도 MIT 라이선스로 공개됐다고 전했다.
6
10
39
44 베이스 모델 카드는 BF16 체크포인트라고 설명하고, KDA와 Gated MLA를 결합한 하이브리드 선형 MoE 구조를 사용한다고 밝힌다.
10
MoE는 전체 파라미터를 매번 모두 쓰는 대신 일부 전문가(expert)를 선택해 활성화하는 구조다. 공개된 자료에서 확인되는 주요 규모는 총 5,600억 개, 토큰당 활성 파라미터 250억 개다. 일부에서 언급되는 세부 레이어·전문가 수는 제공된 자료로 확인되지 않는다.
1
10
벤치마크에서 확인된 변화
이전 Ling-3.1-flash와 비교하면 1019는 Artificial Analysis Intelligence Index v4.3.2에서 41점에서 44점으로 올랐다. 모델 카드와 관련 보도에는 지식 업무, 자동화, 과학 분야 평가의 개선도 담겼다.
6
7
| 평가 항목 |
이전 Ling-3.1-flash |
Ling-3.1-flash-1019 |
| Artificial Analysis Intelligence Index v4.3.2 |
41점 |
44점 6 7 |
| AA-Briefcase |
약 1,400 Elo |
1,524 Elo 1 6 |
| GDPval-AA |
약 1,618 Elo |
1,644 Elo 41 44 |
| AutomationBench-AA |
62% |
68% 1 6 |
| CritPt |
18% |
26% 6 41 |
| SciCode |
54% |
57% 6 41 |
Artificial Analysis Intelligence Index 비교는 Artificial Analysis의 평가 결과로 소개됐다. 나머지 수치는 주로 앤트의 모델 자료와 공개 보도에 제시된 값이다.
6
7
14 특정 벤치마크에서의 차이가 모든 제품이나 업무 환경에서도 똑같이 나타난다는 뜻은 아니다.
앤트는 베이스 모델이 8개 분야의 47개 벤치마크 가운데 32개에서 비교 대상 모델 3종 중 가장 높은 점수를 기록했다고 밝혔다. 이는 회사가 제시한 비교 결과로, 제공된 자료만으로 독립 검증됐다고 볼 수는 없다.
39
42
44 개발자에게는 유망한 출발점이 될 수 있지만, 실제로 선택하기 전에는 자신의 데이터와 작업에서 직접 평가할 필요가 있다.
개인 에이전트 전략과의 연결
모델 공개는 LingGuang 2.0의 방향 전환과 맞물린다. 관련 보도에 따르면 LingGuang 2.0은 대화가 끝난 뒤에도 일을 이어갈 수 있도록 세션 간 기억, 장기 작업 스케줄링, 전용 클라우드 호스트를 갖춘 개인 비서로 소개됐다.
43
51
다만 모델의 추론 능력과 제품의 지속 실행 기능은 구분해서 볼 필요가 있다. 모델은 여러 단계의 작업을 지원할 수 있지만, 대화가 끝난 뒤의 기억·일정 관리·계속되는 실행은 이를 둘러싼 제품과 인프라에 달려 있다. 따라서 이번 공개가 보여주는 에이전트 방향은 새 체크포인트 하나만이 아니라 더 넓은 시스템 구성이다.
1
43
51
중국어 공개 보도는 시각·언어 모델인 Ling-3.1-flash-VL이 LingGuang에 적용됐으며 추후 공개될 예정이라고 전했다. 다만 확인된 공개 일정은 제시되지 않았다.
44
46
개발자를 위한 서빙 참고 사항
Ling 자료는 SGLang과 vLLM 지원을 안내한다. SGLang 문서에는 Ling 전용 개발 이미지가, vLLM 문서에는 소스 설치 방식이 소개돼 있다.
2
5 또 최대 100만 토큰 컨텍스트를 사용하려면 256K를 넘도록 수동 설정해야 한다는 보도가 있어, 기본 설정만으로 최대 길이가 작동한다고 가정해서는 안 된다.
2
서빙 안내는 시작점일 뿐이다. 제공된 문서 일부만으로는 두 체크포인트 모두에 적합한 범용 8GPU 구성을 확정할 수 없으므로, 실제 하드웨어와 작업 부하에 맞춰 검증해야 한다.