Was ist Ling-3.1-flash?
Ling-3.1-flash ist ein Sprachmodell von inclusionAI, der KI-Forschungssparte der Ant Group, im Oktober 2026 mit offenen Gewichten auf Hugging Face veröffentlicht. Es ist ein hybrid-lineares Mixture-of-Experts-Modell mit 560 Milliarden Parametern, davon 25 Milliarden aktiv pro Token, und einem Kontext von 1 Million Tokens. Die meisten Schichten nutzen ein lineares Attention-Design, mit einer normalen Attention-Schicht unter acht, was lange Kontexte günstiger verarbeitbar macht. Es liest und schreibt Text, und das Reasoning lässt sich ein- und ausschalten.
Die Gewichte stehen unter der MIT-Lizenz. Ant empfiehlt SGLang für den Betrieb, mit einem Referenz-Setup auf acht H200-GPUs und veröffentlichten Rezepten für H100, H800, B200 und GB300. Zusammen damit hat Ant LingCode vorgestellt, eine Umgebung für Coding-Agenten auf Basis des quelloffenen Agenten Pi, die es später als Open Source freigeben könnte.
inclusionAI bietet es über die eigene API und OpenRouter an. Artificial Analysis nennt für inclusionAI einen Preis von 0,30 $ pro Million Input-Tokens und 0,90 $ pro Million Output-Tokens, OpenRouter dagegen 0,075 $ und 0,225 $.
Was kostet Ling-3.1-flash?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | MIT-Lizenz |
| inclusionAI API | $0.30 in / $0.90 out per 1M tokens | Gecachter Input 0,06 $, laut Artificial Analysis |
| OpenRouter | $0.075 in / $0.225 out per 1M tokens |
Offene Gewichte unter MIT. inclusionAI API laut Artificial Analysis: 0,30 $ Input / 0,90 $ Output pro 1 Mio. Tokens, gecacht 0,06 $; OpenRouter nennt 0,075 $ / 0,225 $.
Lohnt sich Ling-3.1-flash?
Das Verkaufsargument von Ling-3.1-flash ist die Geschwindigkeit. Artificial Analysis hat etwa 211 bis 219 Tokens pro Sekunde gemessen, rund das Vierfache der 57 von MiMo-V2.6-Pro und deutlich mehr als die meisten Modelle seiner Klasse. Es erreicht 41 Punkte im Intelligence Index von Artificial Analysis, doppelt so viel wie die 20 seines Vorgängers und ein paar Punkte hinter den führenden offenen Modellen (MiMo-V2.6-Pro 46, GLM-5.3 45, Kimi K3 44).
Der Haken ist die Wortfülle. Es verbrauchte etwa 218 Millionen Output-Tokens für den Index von Artificial Analysis, mehr als das Doppelte des Medians, seine Kosten pro Index-Aufgabe (1,01 $) liegen daher höher, als der niedrige Token-Preis vermuten lässt, und deutlich über den 0,13 $ von MiMo-V2.6-Pro. Bei kurzen, latenzkritischen Antworten zählt das weniger; bei langen Agentenläufen summiert es sich.
Die Lizenz ist schlichtes MIT, und das hybrid-lineare Design ist für lange Kontexte gebaut, Self-Hosting auf einem einzelnen Knoten mit acht H200 ist also realistisch. Ants eigene Benchmark-Tabellen sind nur als Bilder veröffentlicht, und es nennt Aufgaben aus Programmierung, Büroarbeit, Gesundheitswesen und Finanzen als Stärken, ohne unabhängige Zahlen, die das stützen.
Die Lücke ist die Transparenz bei gehosteter Nutzung. inclusionAI veröffentlicht eine Zusammenfassung der Trainingsinhalte für das Modell, doch die Datenschutz- und Aufbewahrungsbedingungen seiner API sind schwer zu finden, und die beiden genannten API-Preise unterscheiden sich um den Faktor vier. Hoste es selbst oder nutze einen Anbieter, dessen Bedingungen du kennst.
Wo es sich lohnt
Ein Produktteam, das einen reaktionsschnellen Assistenten baut
Schnell antworten, mit einer Qualität nahe an den besten offenen Modellen
Bei über 200 Tokens pro Sekunde ist eine Antwort mit 500 Tokens nach einem ersten Abschnitt nach 1,8 Sekunden in etwa 2,5 Sekunden übertragen. Schalte das Reasoning für kurze Antworten ab, um Tokens zu sparen.
Ein Unternehmen, das unter einer freizügigen Lizenz selbst hostet
Ein Modell mit langem Kontext auf eigenen GPUs betreiben
Stell es mit Ants SGLang-Image auf acht H200-GPUs mit Tensor- und Expert-Parallelität bereit oder folge den Rezepten für B200 und GB300. MIT stellt keine Bedingungen an kommerzielle Nutzung.
Ein Entwickler, der günstige offene Modelle vergleicht
Zwischen Geschwindigkeit und Kosten pro Aufgabe wählen
Ling-3.1-flash ist am schnellsten, aber wortreich; MiMo-V2.6-Flash oder DeepSeek-V4.1-Flash kosten im Index von Artificial Analysis pro erledigter Aufgabe weniger.
Bevor du dich festlegst
- Einrichtung
- Ruf es über OpenRouter oder die API von inclusionAI auf oder stell die Gewichte mit dem SGLang-Image vom ersten Tag bereit. Ant empfiehlt temperature 1.0, top_p 0.95, top_k 20 und enable_thinking eingeschaltet.
- Integrationen
- SGLang mit spekulativem MTP-Decoding und HiCache; funktioniert laut Ant mit Claude Code, Kilo Code, Qwen Code, Hermes Agent und OpenClaw; OpenRouter.
- Daten und Datenschutz
- Gewichte unter MIT, mit einer öffentlichen Zusammenfassung der Trainingsinhalte. Datenschutz- und Aufbewahrungsbedingungen der API von inclusionAI fanden sich weder auf der Modellseite noch auf den Seiten von OpenRouter; für sensible Daten selbst hosten.
- Kosten im großen Maßstab
- Bei 0,30 $/0,90 $ kosten 1.000 Agentenaufgaben mit 500K Input- und 30K Output-Tokens ohne Cache etwa 177 $, vor dem überdurchschnittlichen Reasoning-Output. Zum genannten Preis von OpenRouter etwa ein Viertel davon.
- Grenzen
- Kontext von 1M Tokens; nur Text. Etwa 1,8 Sekunden bis zum ersten Abschnitt und viel Reasoning-Output (9,5 Sekunden Denken im Test mit langem Prompt von Artificial Analysis).
Was gut ist
- Über 200 Tokens pro Sekunde in den Tests von Artificial Analysis
- MIT-Lizenz mit veröffentlichten SGLang-Rezepten von H100 bis GB300
- 41 Punkte bei Artificial Analysis, doppelt so viel wie der Vorgänger
- Hybrid-lineare Attention für günstigere Kontexte mit 1M Tokens
Was nicht
- Verbraucht im Index von Artificial Analysis mehr als das Doppelte der medianen Output-Tokens
- 1,01 $ pro Index-Aufgabe trotz niedriger Token-Preise
- Nur Text
- Datenbedingungen der API schwer zu finden; genannte Preise widersprechen sich
Am besten für
Teams, die ein schnelles, freizügig lizenziertes offenes Modell für latenzkritische Chats und Agenten wollen, selbst gehostet oder über OpenRouter.
Alternativen zu Ling-3.1-flash
Ling-3.1-flash: häufige Fragen
- Lohnt sich Ling-3.1-flash?
- Schnell, unter MIT-Lizenz und mit Werten nahe an den besten offenen Modellen, verbraucht aber beim Denken viele Tokens, und seine Datenbedingungen sind nicht veröffentlicht. Wir bewerten es mit 4.0 von 5.
- Was kostet Ling-3.1-flash?
- Offene Gewichte unter MIT. inclusionAI API laut Artificial Analysis: 0,30 $ Input / 0,90 $ Output pro 1 Mio. Tokens, gecacht 0,06 $; OpenRouter nennt 0,075 $ / 0,225 $.
- Welche Nachteile hat Ling-3.1-flash?
- Verbraucht im Index von Artificial Analysis mehr als das Doppelte der medianen Output-Tokens; 1,01 $ pro Index-Aufgabe trotz niedriger Token-Preise; Nur Text; Datenbedingungen der API schwer zu finden; genannte Preise widersprechen sich.
- Für wen eignet sich Ling-3.1-flash?
- Teams, die ein schnelles, freizügig lizenziertes offenes Modell für latenzkritische Chats und Agenten wollen, selbst gehostet oder über OpenRouter.
- Was kostet Ling-3.1-flash für ein Team oder im Produktivbetrieb?
- Bei 0,30 $/0,90 $ kosten 1.000 Agentenaufgaben mit 500K Input- und 30K Output-Tokens ohne Cache etwa 177 $, vor dem überdurchschnittlichen Reasoning-Output. Zum genannten Preis von OpenRouter etwa ein Viertel davon.
- Ist Ling-3.1-flash sicher für Firmendaten?
- Gewichte unter MIT, mit einer öffentlichen Zusammenfassung der Trainingsinhalte. Datenschutz- und Aufbewahrungsbedingungen der API von inclusionAI fanden sich weder auf der Modellseite noch auf den Seiten von OpenRouter; für sensible Daten selbst hosten.
- Was sind die besten Alternativen zu Ling-3.1-flash?
- Die nächsten Alternativen, die wir getestet haben, sind MiMo-V2.6-Pro, Step 5 Preview, GLM-5.3-Flash und DeepSeek-V4.1-Flash.
Antworten geprüft am 25. Okt. 2026.