Ling 3.1 flash 1019 är eftertränad för resonemang och arbetsflöden med AI agenter; basmodellen är avsedd för vidare träning och anpassning. Modellerna har 560 miljarder parametrar totalt, varav 25 miljarder aktiveras per token, och en kontext på upp till en miljon token.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer

Create 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
Ant Groups Ling-team har släppt två modellversioner: Ling-3.1-flash-1019, en vidareutvecklad modell för resonemang och AI-agenters arbetsflöden, och Ling-3.1-flash-base, en basmodell som utvecklare kan fortsätta träna och anpassa. Båda behåller modellfamiljens huvudspecifikationer: 560 miljarder parametrar totalt, 25 miljarder aktiva parametrar per token och ett kontextfönster på en miljon token.1
6
10
1019-versionen har eftertränats med fokus på resonemang och praktiska uppgifter i flera steg. Basmodellen riktar sig i stället till utvecklare och forskare som vill fortsätta förträna den, anpassa den till ett visst område eller göra egen efterträning.1
10
Båda modellerna finns i repositorierna inclusionAI på Hugging Face. Modellkortet för 1019 anger MIT-licens, och rapportering om lanseringen uppger att även basmodellen släpptes under MIT.6
10
39
44 Basmodellens dokumentation beskriver vikter i BF16-format och samma hybridlinjära Mixture-of-Experts-arkitektur som övriga Ling-3.1-flash-familjen, med KDA och Gated MLA.
10
De tillgängliga källorna beskriver arkitekturens byggstenar, men bekräftar inte de mer detaljerade lager- och expertantal som ibland nämns. De verifierade huvuduppgifterna är 560 miljarder parametrar totalt och 25 miljarder aktiva parametrar per token.1
10
Jämfört med den tidigare Ling-3.1-flash-versionen fick 1019 44 poäng i Artificial Analysis Intelligence Index v4.3.2, mot 41 för föregångaren. Modellkortet och rapporteringen redovisar också förbättringar inom kunskapsarbete, automatisering och vetenskapliga uppgifter.6
7
| Test | Tidigare Ling-3.1-flash | Ling-3.1-flash-1019 |
|---|---|---|
| Artificial Analysis Intelligence Index v4.3.2 | 41 | 44 |
| AA-Briefcase | Cirka 1 400 Elo | 1 524 Elo |
| GDPval-AA | Cirka 1 618 Elo | 1 644 Elo |
| AutomationBench-AA | 62 % | 68 % |
| CritPt | 18 % | 26 % |
| SciCode | 54 % | 57 % |
Jämförelsen i Intelligence Index tillskrivs Artificial Analysis. De flesta övriga resultat kommer från Ants modellmaterial och rapportering om lanseringen.6
7
14 Testresultat visar hur modellerna presterade i just dessa utvärderingar – de garanterar inte motsvarande förbättring i varje produkt eller arbetsflöde.
Ant uppger också att basmodellen hade högst resultat av tre jämförda modeller i 32 av 47 tester fördelade på åtta områden. Det är företagets egen jämförelse, inte ett oberoende bekräftat resultat i det tillgängliga underlaget. För utvecklare är det därför en anledning att testa modellen, inte ett bevis på att den passar bättre än alternativen för den egna uppgiften.39
42
44
Lanseringen kommer i samband med att Ant utvecklar LingGuang 2.0 mot en personlig AI-assistent som kan hantera uppgifter över tid. Rapporteringen beskriver funktioner som minne mellan samtal, schemaläggning av långvariga uppgifter och en separat molnmiljö där arbete kan fortsätta även när användaren lämnat chatten.43
51
Det är viktigt att skilja på modellens förmåga och systemet runt omkring den. Modellen kan bidra med resonemang och arbete i flera steg, medan minne, schemaläggning och fortsatt körning kräver produktfunktioner och infrastruktur. Ants agentinriktning handlar alltså om mer än en ny modellversion.1
43
51
Kinesisk rapportering uppger även att en språk- och bildmodell, Ling-3.1-flash-VL, har använts i LingGuang och planeras för en senare offentlig lansering. Något bekräftat lanseringsdatum framgår inte av de tillgängliga uppgifterna.44
46
Dokumentationen beskriver stöd för både SGLang och vLLM. SGLang-instruktionerna innehåller en särskild utvecklingsavbildning för Ling, medan vLLM-instruktionerna beskriver installation från källkod.2
5 För att använda hela kontextfönstret på en miljon token krävs enligt rapporteringen manuell konfigurering utöver 256 000 token. Maxgränsen gäller alltså inte nödvändigtvis med standardinställningarna.
2
Installationsanvisningarna är en startpunkt, inte en garanti för att modellen fungerar optimalt med en viss hårdvara eller arbetsbelastning. Det tillgängliga underlaget fastställer inte heller en universell konfiguration med åtta GPU:er som passar båda modellversionerna.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Ling 3.1 flash 1019 är eftertränad för resonemang och arbetsflöden med AI agenter; basmodellen är avsedd för vidare träning och anpassning.
Ling 3.1 flash 1019 är eftertränad för resonemang och arbetsflöden med AI agenter; basmodellen är avsedd för vidare träning och anpassning. Modellerna har 560 miljarder parametrar totalt, varav 25 miljarder aktiveras per token, och en kontext på upp till en miljon token.
1019 fick högre resultat än föregångaren på flera redovisade tester, men resultaten innebär inte att modellen presterar lika mycket bättre i alla användningsfall.
Ling 3.1 flash 1019 är eftertränad för resonemang och arbetsflöden med AI agenter; basmodellen är avsedd för vidare träning och anpassning. Modellerna har 560 miljarder parametrar totalt, varav 25 miljarder aktiveras per token, och en kontext på upp till en miljon token.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer

Create 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
Ant Groups Ling-team har släppt två modellversioner: Ling-3.1-flash-1019, en vidareutvecklad modell för resonemang och AI-agenters arbetsflöden, och Ling-3.1-flash-base, en basmodell som utvecklare kan fortsätta träna och anpassa. Båda behåller modellfamiljens huvudspecifikationer: 560 miljarder parametrar totalt, 25 miljarder aktiva parametrar per token och ett kontextfönster på en miljon token.1
6
10
1019-versionen har eftertränats med fokus på resonemang och praktiska uppgifter i flera steg. Basmodellen riktar sig i stället till utvecklare och forskare som vill fortsätta förträna den, anpassa den till ett visst område eller göra egen efterträning.1
10
Båda modellerna finns i repositorierna inclusionAI på Hugging Face. Modellkortet för 1019 anger MIT-licens, och rapportering om lanseringen uppger att även basmodellen släpptes under MIT.6
10
39
44 Basmodellens dokumentation beskriver vikter i BF16-format och samma hybridlinjära Mixture-of-Experts-arkitektur som övriga Ling-3.1-flash-familjen, med KDA och Gated MLA.
10
De tillgängliga källorna beskriver arkitekturens byggstenar, men bekräftar inte de mer detaljerade lager- och expertantal som ibland nämns. De verifierade huvuduppgifterna är 560 miljarder parametrar totalt och 25 miljarder aktiva parametrar per token.1
10
Jämfört med den tidigare Ling-3.1-flash-versionen fick 1019 44 poäng i Artificial Analysis Intelligence Index v4.3.2, mot 41 för föregångaren. Modellkortet och rapporteringen redovisar också förbättringar inom kunskapsarbete, automatisering och vetenskapliga uppgifter.6
7
| Test | Tidigare Ling-3.1-flash | Ling-3.1-flash-1019 |
|---|---|---|
| Artificial Analysis Intelligence Index v4.3.2 | 41 | 44 |
| AA-Briefcase | Cirka 1 400 Elo | 1 524 Elo |
| GDPval-AA | Cirka 1 618 Elo | 1 644 Elo |
| AutomationBench-AA | 62 % | 68 % |
| CritPt | 18 % | 26 % |
| SciCode | 54 % | 57 % |
Jämförelsen i Intelligence Index tillskrivs Artificial Analysis. De flesta övriga resultat kommer från Ants modellmaterial och rapportering om lanseringen.6
7
14 Testresultat visar hur modellerna presterade i just dessa utvärderingar – de garanterar inte motsvarande förbättring i varje produkt eller arbetsflöde.
Ant uppger också att basmodellen hade högst resultat av tre jämförda modeller i 32 av 47 tester fördelade på åtta områden. Det är företagets egen jämförelse, inte ett oberoende bekräftat resultat i det tillgängliga underlaget. För utvecklare är det därför en anledning att testa modellen, inte ett bevis på att den passar bättre än alternativen för den egna uppgiften.39
42
44
Lanseringen kommer i samband med att Ant utvecklar LingGuang 2.0 mot en personlig AI-assistent som kan hantera uppgifter över tid. Rapporteringen beskriver funktioner som minne mellan samtal, schemaläggning av långvariga uppgifter och en separat molnmiljö där arbete kan fortsätta även när användaren lämnat chatten.43
51
Det är viktigt att skilja på modellens förmåga och systemet runt omkring den. Modellen kan bidra med resonemang och arbete i flera steg, medan minne, schemaläggning och fortsatt körning kräver produktfunktioner och infrastruktur. Ants agentinriktning handlar alltså om mer än en ny modellversion.1
43
51
Kinesisk rapportering uppger även att en språk- och bildmodell, Ling-3.1-flash-VL, har använts i LingGuang och planeras för en senare offentlig lansering. Något bekräftat lanseringsdatum framgår inte av de tillgängliga uppgifterna.44
46
Dokumentationen beskriver stöd för både SGLang och vLLM. SGLang-instruktionerna innehåller en särskild utvecklingsavbildning för Ling, medan vLLM-instruktionerna beskriver installation från källkod.2
5 För att använda hela kontextfönstret på en miljon token krävs enligt rapporteringen manuell konfigurering utöver 256 000 token. Maxgränsen gäller alltså inte nödvändigtvis med standardinställningarna.
2
Installationsanvisningarna är en startpunkt, inte en garanti för att modellen fungerar optimalt med en viss hårdvara eller arbetsbelastning. Det tillgängliga underlaget fastställer inte heller en universell konfiguration med åtta GPU:er som passar båda modellversionerna.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Ling 3.1 flash 1019 är eftertränad för resonemang och arbetsflöden med AI agenter; basmodellen är avsedd för vidare träning och anpassning.
Ling 3.1 flash 1019 är eftertränad för resonemang och arbetsflöden med AI agenter; basmodellen är avsedd för vidare träning och anpassning. Modellerna har 560 miljarder parametrar totalt, varav 25 miljarder aktiveras per token, och en kontext på upp till en miljon token.
1019 fick högre resultat än föregångaren på flera redovisade tester, men resultaten innebär inte att modellen presterar lika mycket bättre i alla användningsfall.