¿Qué es Ling-3.1-flash?
Ling-3.1-flash es un modelo de lenguaje de inclusionAI, la división de investigación en IA de Ant Group, publicado con pesos abiertos en Hugging Face en octubre de 2026. Es un modelo híbrido lineal de mezcla de expertos con 560.000 millones de parámetros, 25.000 millones activos por token, y un contexto de 1 millón de tokens. La mayoría de sus capas usan un diseño de atención lineal, con una capa de atención estándar de cada ocho, lo que abarata el procesamiento de contextos largos. Lee y escribe texto, y el razonamiento puede activarse o desactivarse.
Los pesos están bajo la licencia MIT. Ant recomienda SGLang para servirlo, con una configuración de referencia en ocho GPU H200 y recetas publicadas para H100, H800, B200 y GB300. Junto a él, Ant presentó LingCode, un entorno de agente de código basado en el agente de código abierto Pi, que podría liberar más adelante.
inclusionAI lo sirve a través de su propia API y de OpenRouter. Artificial Analysis indica para inclusionAI un precio de $0,30 por millón de tokens de entrada y $0,90 por millón de tokens de salida, mientras que OpenRouter lo ofrece a $0,075 y $0,225.
¿Cuánto cuesta Ling-3.1-flash?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | Licencia MIT |
| inclusionAI API | $0.30 in / $0.90 out per 1M tokens | Entrada en caché $0,06, según Artificial Analysis |
| OpenRouter | $0.075 in / $0.225 out per 1M tokens |
Pesos abiertos bajo MIT. API de inclusionAI: $0,30 de entrada / $0,90 de salida por 1M de tokens, caché $0,06, según Artificial Analysis; OpenRouter indica $0,075 / $0,225.
¿Merece la pena Ling-3.1-flash?
El argumento de venta de Ling-3.1-flash es la velocidad. Artificial Analysis midió de unos 211 a 219 tokens por segundo, unas cuatro veces los 57 de MiMo-V2.6-Pro y muy por encima de la mayoría de modelos de su clase. Obtiene 41 en el Intelligence Index de Artificial Analysis, el doble que los 20 de su predecesor y a unos pocos puntos de los mejores modelos abiertos (MiMo-V2.6-Pro 46, GLM-5.3 45, Kimi K3 44).
La pega es la verbosidad. Usó unos 218 millones de tokens de salida para completar el índice de Artificial Analysis, más del doble de la mediana, así que su coste por tarea del índice ($1,01) es mayor de lo que sugiere su bajo precio por token y muy superior a los $0,13 de MiMo-V2.6-Pro. Para respuestas cortas y sensibles a la latencia importa menos; en ejecuciones largas de agentes se acumula.
La licencia es MIT sin añadidos, y el diseño híbrido lineal está pensado para contextos largos, así que autoalojarlo en un solo nodo de ocho GPU H200 es realista. Las tablas de benchmarks de Ant solo se publican como imágenes, y la empresa cita como puntos fuertes tareas de código, ofimática, sanidad y finanzas sin cifras independientes que lo respalden.
Lo que falta es transparencia sobre el uso alojado. inclusionAI publica un resumen del contenido de entrenamiento del modelo, pero las condiciones de privacidad y retención de su API son difíciles de encontrar, y los dos precios de API publicados difieren en un factor de cuatro. Autoalójalo, o úsalo a través de un proveedor cuyas condiciones conozcas.
Dónde se gana su sitio
Un equipo de producto que crea un asistente ágil
Responder rápido con una calidad cercana a la de los mejores modelos abiertos
Con más de 200 tokens por segundo, una respuesta de 500 tokens llega en unos 2,5 segundos tras un primer fragmento a los 1,8 segundos. Desactiva el razonamiento en las respuestas cortas para ahorrar tokens.
Una empresa que autoaloja bajo una licencia permisiva
Ejecutar un modelo de contexto largo en sus propias GPU
Sírvelo con la imagen SGLang de Ant en ocho GPU H200 con paralelismo de tensores y de expertos, o sigue las recetas para B200 y GB300. MIT no impone condiciones al uso comercial.
Un desarrollador que compara modelos abiertos baratos
Elegir entre velocidad y coste por tarea
Ling-3.1-flash es el más rápido pero verboso; MiMo-V2.6-Flash o DeepSeek-V4.1-Flash cuestan menos por tarea completada en el índice de Artificial Analysis.
Antes de decidirte
- Puesta en marcha
- Llámalo a través de OpenRouter o de la API de inclusionAI, o sirve los pesos con la imagen SGLang del día del lanzamiento. Ant recomienda temperature 1.0, top_p 0.95, top_k 20 y enable_thinking activado.
- Integraciones
- SGLang con decodificación especulativa MTP y HiCache; funciona con Claude Code, Kilo Code, Qwen Code, Hermes Agent y OpenClaw, según Ant; OpenRouter.
- Datos y privacidad
- Pesos bajo MIT, con un resumen público del contenido de entrenamiento. No encontramos las condiciones de privacidad y retención de la API de inclusionAI en sus páginas del modelo ni en OpenRouter; autoalójalo para datos sensibles.
- Coste a escala
- A $0,30/$0,90, 1.000 tareas de agente de 500K tokens de entrada y 30K de salida cuestan unos $177 sin caché, antes de su salida de razonamiento superior a la media. Al precio publicado en OpenRouter, alrededor de una cuarta parte.
- Límites
- Contexto de 1M de tokens; solo texto. Unos 1,8 segundos hasta el primer fragmento y mucha salida de razonamiento (9,5 segundos razonando en la prueba de prompt largo de Artificial Analysis).
Lo bueno
- Más de 200 tokens por segundo en las pruebas de Artificial Analysis
- Licencia MIT con recetas de SGLang publicadas de H100 a GB300
- Obtiene 41 en Artificial Analysis, el doble que su predecesor
- Atención híbrida lineal para contextos de 1M de tokens más baratos
Lo malo
- Usa más del doble de la mediana de tokens de salida en el índice de Artificial Analysis
- $1,01 por tarea del índice pese a sus bajos precios por token
- Solo texto
- Condiciones de datos de la API difíciles de encontrar; los precios publicados no coinciden
Ideal para
Equipos que quieren un modelo abierto rápido y con licencia permisiva para chat y agentes sensibles a la latencia, autoalojado o a través de OpenRouter.
Alternativas a Ling-3.1-flash
Ling-3.1-flash: preguntas frecuentes
- ¿Merece la pena Ling-3.1-flash?
- Rápido y con licencia MIT, con puntuaciones cercanas a las de los mejores modelos abiertos, pero gasta muchos tokens razonando y sus condiciones de datos no están publicadas. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta Ling-3.1-flash?
- Pesos abiertos bajo MIT. API de inclusionAI: $0,30 de entrada / $0,90 de salida por 1M de tokens, caché $0,06, según Artificial Analysis; OpenRouter indica $0,075 / $0,225.
- ¿Qué inconvenientes tiene Ling-3.1-flash?
- Usa más del doble de la mediana de tokens de salida en el índice de Artificial Analysis; $1,01 por tarea del índice pese a sus bajos precios por token; solo texto; condiciones de datos de la API difíciles de encontrar; los precios publicados no coinciden.
- ¿Para quién es Ling-3.1-flash?
- Equipos que quieren un modelo abierto rápido y con licencia permisiva para chat y agentes sensibles a la latencia, autoalojado o a través de OpenRouter.
- ¿Cuánto cuesta Ling-3.1-flash para un equipo o en producción?
- A $0,30/$0,90, 1.000 tareas de agente de 500K tokens de entrada y 30K de salida cuestan unos $177 sin caché, antes de su salida de razonamiento superior a la media. Al precio publicado en OpenRouter, alrededor de una cuarta parte.
- ¿Es Ling-3.1-flash seguro para los datos de la empresa?
- Pesos bajo MIT, con un resumen público del contenido de entrenamiento. No encontramos las condiciones de privacidad y retención de la API de inclusionAI en sus páginas del modelo ni en OpenRouter; autoalójalo para datos sensibles.
- ¿Cuáles son las mejores alternativas a Ling-3.1-flash?
- Las alternativas más cercanas que hemos analizado son MiMo-V2.6-Pro, Step 5 Preview, GLM-5.3-Flash y DeepSeek-V4.1-Flash.
Respuestas comprobadas el 25 oct 2026.