Qu’est-ce que Ling-3.1-flash ?
Ling-3.1-flash est un modèle de langage d'inclusionAI, la branche de recherche en IA d'Ant Group, sorti avec des poids ouverts sur Hugging Face en octobre 2026. C'est un modèle mixture-of-experts hybride-linéaire avec 560 milliards de paramètres, 25 milliards actifs par token, et un contexte d'un million de tokens. La plupart de ses couches utilisent une conception d'attention linéaire, avec une couche d'attention standard sur huit, ce qui garde les longs contextes moins coûteux à traiter. Il lit et écrit du texte, et le raisonnement peut être activé ou désactivé.
Les poids sont sous la licence MIT. Ant recommande SGLang pour le service, avec une configuration de référence sur huit GPU H200 et des recettes publiées pour H100, H800, B200 et GB300. À côté, Ant a introduit LingCode, un harnais d'agent de code bâti sur l'agent open source Pi, qu'il pourrait ouvrir plus tard.
inclusionAI le sert via sa propre API et OpenRouter. Artificial Analysis indique le prix d'inclusionAI à 0,30 $ par million de tokens en entrée et 0,90 $ par million en sortie, tandis qu'OpenRouter l'indique à 0,075 $ et 0,225 $.
Combien coûte Ling-3.1-flash ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Licence MIT |
| inclusionAI API | $0.30 in / $0.90 out per 1M tokens | Entrée en cache à 0,06 $, selon Artificial Analysis |
| OpenRouter | $0.075 in / $0.225 out per 1M tokens |
Poids ouverts sous MIT. API inclusionAI : 0,30 $ en entrée / 0,90 $ en sortie par 1M de tokens, en cache 0,06 $, selon Artificial Analysis ; OpenRouter indique 0,075 $ / 0,225 $.
Ling-3.1-flash vaut-il le coup ?
Le point fort de Ling-3.1-flash est la vitesse. Artificial Analysis a mesuré environ 211 à 219 tokens par seconde, soit environ quatre fois les 57 de MiMo-V2.6-Pro et bien au-dessus de la plupart des modèles de sa catégorie. Il obtient 41 sur l'Intelligence Index d'Artificial Analysis, le double des 20 de son prédécesseur et quelques points derrière les meilleurs modèles ouverts (MiMo-V2.6-Pro 46, GLM-5.3 45, Kimi K3 44).
Le hic, c'est la verbosité. Il a utilisé environ 218 millions de tokens de sortie pour terminer l'index d'Artificial Analysis, plus du double de la médiane, si bien que son coût par tâche de l'index (1,01 $) est plus élevé que son faible prix au token ne le laisse penser et bien au-dessus des 0,13 $ de MiMo-V2.6-Pro. Pour des réponses courtes et sensibles à la latence, cela compte moins ; pour de longues exécutions d'agent, cela s'additionne.
La licence est du MIT propre, et la conception hybride-linéaire est faite pour les longs contextes, si bien que l'auto-hébergement sur un seul nœud H200 à huit GPU est réaliste. Les propres tableaux de benchmarks d'Ant ne sont publiés que sous forme d'images, et il nomme le code, le bureau, la santé et la finance comme points forts sans chiffres indépendants pour les étayer.
Le manque, c'est la transparence sur l'usage hébergé. inclusionAI publie un résumé du contenu d'entraînement du modèle, mais les conditions de confidentialité et de conservation de son API sont difficiles à trouver, et les deux prix d'API indiqués diffèrent d'un facteur quatre. Auto-hébergez-le, ou passez par un fournisseur dont vous connaissez les conditions.
Là où il fait la différence
Une équipe produit qui construit un assistant réactif
Répondre vite avec une qualité de modèle ouvert proche de la frontière
À plus de 200 tokens par seconde, une réponse de 500 tokens s'affiche en flux en environ 2,5 secondes après un premier morceau de 1,8 seconde. Désactivez le raisonnement pour les courtes réponses afin d'économiser des tokens.
Une entreprise qui auto-héberge sous une licence permissive
Faire tourner un modèle à long contexte sur ses propres GPU
Servez-le avec l'image SGLang d'Ant sur huit GPU H200 avec parallélisme de tenseur et d'experts, ou suivez les recettes B200 et GB300. MIT ne met aucune condition sur l'usage commercial.
Un développeur qui compare des modèles ouverts à bas coût
Choisir entre vitesse et coût par tâche
Ling-3.1-flash est le plus rapide mais verbeux ; MiMo-V2.6-Flash ou DeepSeek-V4.1-Flash coûtent moins par tâche terminée sur l'index d'Artificial Analysis.
Avant de vous engager
- Mise en route
- Appelez-le via OpenRouter ou l'API d'inclusionAI, ou servez les poids avec l'image SGLang disponible dès le jour 0. Ant recommande une température de 1.0, top_p 0.95, top_k 20 et enable_thinking activé.
- Intégrations
- SGLang avec décodage spéculatif MTP et HiCache ; fonctionne avec Claude Code, Kilo Code, Qwen Code, Hermes Agent et OpenClaw, selon Ant ; OpenRouter.
- Données et confidentialité
- Poids sous MIT, avec un résumé public du contenu d'entraînement. Les conditions de confidentialité et de conservation de l'API d'inclusionAI n'ont pas été trouvées sur ses pages de modèle ou OpenRouter ; auto-hébergez pour les données sensibles.
- Coût à grande échelle
- À 0,30 $/0,90 $, 1 000 tâches d'agent de 500K en entrée et 30K en sortie coûtent environ 177 $ hors cache, avant sa sortie de raisonnement au-dessus de la moyenne. Au prix indiqué par OpenRouter, environ un quart de cela.
- Limites
- Contexte de 1M de tokens ; texte uniquement. Environ 1,8 seconde jusqu'au premier morceau et une lourde sortie de raisonnement (9,5 secondes de réflexion sur le test à prompt long d'Artificial Analysis).
Les points forts
- Plus de 200 tokens par seconde sur les tests d'Artificial Analysis
- Licence MIT avec des recettes SGLang publiées pour H100 à GB300
- Obtient 41 sur Artificial Analysis, le double de son prédécesseur
- Attention hybride-linéaire pour des contextes de 1M de tokens moins coûteux
Les points faibles
- Utilise plus du double des tokens de sortie médians sur l'index d'Artificial Analysis
- 1,01 $ par tâche de l'index malgré de faibles prix au token
- Texte uniquement
- Conditions sur les données de l'API peu faciles à trouver ; les prix indiqués divergent
Idéal pour
Les équipes qui veulent un modèle ouvert rapide et sous licence permissive pour du chat et des agents sensibles à la latence, auto-hébergé ou via OpenRouter.
Alternatives à Ling-3.1-flash
Ling-3.1-flash : questions fréquentes
- Ling-3.1-flash vaut-il le coup ?
- Rapide et sous licence MIT avec des scores de modèle ouvert proches de la frontière, mais il brûle des tokens à réfléchir et ses conditions sur les données ne sont pas publiées. Nous lui donnons 4.0 sur 5.
- Combien coûte Ling-3.1-flash ?
- Poids ouverts sous MIT. API inclusionAI : 0,30 $ en entrée / 0,90 $ en sortie par 1M de tokens, en cache 0,06 $, selon Artificial Analysis ; OpenRouter indique 0,075 $ / 0,225 $.
- Quels sont les inconvénients de Ling-3.1-flash ?
- Utilise plus du double des tokens de sortie médians sur l'index d'Artificial Analysis; 1,01 $ par tâche de l'index malgré de faibles prix au token; texte uniquement; conditions sur les données de l'API peu faciles à trouver ; les prix indiqués divergent.
- À qui s’adresse Ling-3.1-flash ?
- Les équipes qui veulent un modèle ouvert rapide et sous licence permissive pour du chat et des agents sensibles à la latence, auto-hébergé ou via OpenRouter.
- Combien coûte Ling-3.1-flash pour une équipe ou en production ?
- À 0,30 $/0,90 $, 1 000 tâches d'agent de 500K en entrée et 30K en sortie coûtent environ 177 $ hors cache, avant sa sortie de raisonnement au-dessus de la moyenne. Au prix indiqué par OpenRouter, environ un quart de cela.
- Ling-3.1-flash est-il sûr pour les données de l’entreprise ?
- Poids sous MIT, avec un résumé public du contenu d'entraînement. Les conditions de confidentialité et de conservation de l'API d'inclusionAI n'ont pas été trouvées sur ses pages de modèle ou OpenRouter ; auto-hébergez pour les données sensibles.
- Quelles sont les meilleures alternatives à Ling-3.1-flash ?
- Les alternatives les plus proches que nous avons testées sont MiMo-V2.6-Pro, Step 5 Preview, GLM-5.3-Flash et DeepSeek-V4.1-Flash.
Réponses vérifiées le 25 oct. 2026.