AnswersPublished24 sources
Ny Ling-modell skal bli bedre til å håndtere oppgaver i flere steg
Ling 3.1 flash 1019 er videretrent for resonnering og agentoppgaver, mens Ling 3.1 flash base er ment for videre trening og tilpasning. Modellene har 560 milliarder parametere totalt, 25 milliarder aktive per token og et kontekstvindu på opptil én million tokens.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Ling 3.1 flash 1019 er videretrent for resonnering og agentoppgaver, mens Ling 3.1 flash base er ment for videre trening og tilpasning.
- Modellene har 560 milliarder parametere totalt, 25 milliarder aktive per token og et kontekstvindu på opptil én million tokens.
- 1019 versjonen får høyere skår enn forgjengeren på flere oppgitte tester, men resultatene sier ikke nødvendigvis hvordan den vil prestere på andre oppgaver.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Ant Group’s Ling team open-source in its October 28, 2026 announcement of Ling-3.1-flash-1019 and Ling-3.1-flash-base, how are both. Article summary: Ant’s Ling team released two checkpoints: **Ling-3.1-flash-1019**, a further-post-trained upgrade for reasoning and agent workflows, and **Ling-3.1-flash-base**, the pretrained foundation for developers’ own training.[1]. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Ants Ling-team har lansert to åpne modellversjoner: Ling-3.1-flash-1019, en videretrent oppdatering rettet mot resonnering og agentarbeidsflyt, og Ling-3.1-flash-base, en grunnmodell som utviklere og forskere kan bygge videre på. Begge beholder modellfamiliens hovedspesifikasjoner: 560 milliarder parametere totalt, 25 milliarder aktive parametere per token og et kontekstvindu på opptil én million tokens.1
6
10
To modeller med ulike mål
Ling-3.1-flash-1019 er den videretrente versjonen som Ant presenterer som et løft for resonnering og praktiske agentoppgaver. Grunnmodellen er laget for dem som vil fortsette forhåndstreningen, tilpasse modellen til et fagområde eller utføre egen ettertrening.1
10
Begge modellene er tilgjengelige i inclusionAI-arkivene på Hugging Face. Modellkortet for 1019 oppgir MIT-lisens, og omtale av lanseringen sier at grunnmodellen også er utgitt under MIT.6
10
39
44 Modellkortet for grunnmodellen beskriver en BF16-versjon og samme hybrid-lineære Mixture-of-Experts-arkitektur som resten av familien, med KDA og Gated MLA-attention.
10
Kildene som er tilgjengelige, omtaler disse arkitekturkomponentene, men bekrefter ikke de mer detaljerte lag- og eksperttallene som noen steder er knyttet til modellen. De bekreftede hovedtallene er 560 milliarder parametere totalt og 25 milliarder aktive per token.1
10
Bedre resultater på flere tester
Sammenlignet med den forrige Ling-3.1-flash-versjonen fikk 1019 44 poeng mot 41 på Artificial Analysis Intelligence Index v4.3.2. Modellkortet og lanseringsomtalen viser også framgang på tester innen kunnskapsarbeid, automatisering og vitenskap.6
7
| Test | Forrige Ling-3.1-flash | Ling-3.1-flash-1019 |
|---|---|---|
| Artificial Analysis Intelligence Index v4.3.2 | 41 | 44 |
| AA-Briefcase | Omtrent 1 400 Elo | 1 524 Elo |
| GDPval-AA | Omtrent 1 618 Elo | 1 644 Elo |
| AutomationBench-AA | 62 % | 68 % |
| CritPt | 18 % | 26 % |
| SciCode | 54 % | 57 % |
Artificial Analysis står bak målingen av Intelligence Index-resultatet. De fleste av de øvrige tallene er oppgitt i Ants modellmateriale og lanseringsomtale.6
7
14 Dette er sammenligninger på bestemte tester, ikke et løfte om tilsvarende forbedringer i alle programmer eller arbeidsoppgaver.
Ant sier også at Ling-3.1-flash-base fikk høyest skår av tre sammenlignede modeller på 32 av 47 tester fordelt på åtte områder. Dette er en sammenligning rapportert av selskapet, og er ikke uavhengig bekreftet i kildene som foreligger. For utviklere er det derfor et interessant utgangspunkt for egen testing – ikke bevis på at modellen vil slå alternativer på deres arbeidsoppgaver.39
42
44
Del av en større satsing på AI-agenter
Modellslippet kom samtidig med at Ants LingGuang 2.0 beveget seg i retning av en personlig assistent som kan følge opp oppgaver over tid. Omtalen trekker fram minne på tvers av samtaler, planlegging av langvarige oppgaver og en egen skyserver som skal gjøre det mulig for oppgaver å fortsette etter at brukeren har forlatt samtalen.43
51
Det er likevel viktig å skille modellens evner fra systemet rundt den. Modellen kan bidra med resonnering og arbeid i flere steg, mens minne, planlegging og fortsatt kjøring av oppgaver avhenger av produktet og infrastrukturen det inngår i. Ants satsing på agenter handler dermed om mer enn én ny modellversjon.1
43
51
Kinesisk lanseringsomtale sier også at en visjon- og språkmodell, Ling-3.1-flash-VL, allerede var tatt i bruk i LingGuang, og at den skulle lanseres offentlig senere. Kildene oppgir ingen bekreftet dato for en offentlig lansering.44
46
Dette bør utviklere vite om kjøring
Dokumentasjonen for Ling omtaler støtte for både SGLang og vLLM. SGLang-instruksjonene viser til et eget utviklingsimage for Ling, mens vLLM-oppsettet bruker installasjon fra kildekode.2
5 Ifølge omtalen må én-million-token-konteksten konfigureres manuelt utover 256K, så maksimalgrensen bør ikke forventes å fungere med standardinnstillinger.
2
Oppsettene er startpunkter, ikke en garanti for at modellen passer på bestemt maskinvare eller for en bestemt arbeidsmengde. Dokumentasjonsutdragene bekrefter heller ikke at én bestemt konfigurasjon med åtte GPU-er passer universelt til begge modellene.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Ny Ling-modell skal bli bedre til å håndtere oppgaver i flere steg"?
Ling 3.1 flash 1019 er videretrent for resonnering og agentoppgaver, mens Ling 3.1 flash base er ment for videre trening og tilpasning.
What are the key points to validate first?
Ling 3.1 flash 1019 er videretrent for resonnering og agentoppgaver, mens Ling 3.1 flash base er ment for videre trening og tilpasning. Modellene har 560 milliarder parametere totalt, 25 milliarder aktive per token og et kontekstvindu på opptil én million tokens.
What should I do next in practice?
1019 versjonen får høyere skår enn forgjengeren på flere oppgitte tester, men resultatene sier ikke nødvendigvis hvordan den vil prestere på andre oppgaver.