Ant group presenta el modelo de IA Ling-3.1-flash con 560b de parámetros y soporte para contexto de 1 millón

El 16 de octubre de 2026, Ant Group anunció la liberación de su modelo de IA Ling-3.1-flash, que cuenta con aproximadamente 560B de parámetros totales y 25B de parámetros activos por token, con soporte para una longitud de contexto de hasta 1 millón. En evaluaciones públicas realizadas por Artificial Analysis, el modelo obtuvo un índice de inteligencia de 41 y logró una velocidad de salida de aproximadamente 210 tokens por segundo. Para su implementación local, el equipo aplicó la cuantificación MXFP4 a los expertos enrutados y mantuvo las capas densas en bloque-FP8, reduciendo el uso de peso de 534 GB a 292 GB. El modelo funciona de forma eficiente en 4 GPU Hopper en lugar de 8, ofreciendo un mejor rendimiento para los equipos con GPU a nivel de servidor. El modelo también cuenta con soluciones de inferencia paralelas para el procesamiento de contextos largos y un soporte mejorado para el esquema JSON para las llamadas a herramientas, lo que facilita la integración con las interfaces comerciales existentes. En solicitudes de producción simuladas, el modelo logró una latencia promedio del primer token de 604 milisegundos y un intervalo promedio de 3,28 milisegundos en una configuración de 8 tarjetas Hopper. Para la planificación de la capacidad, el modelo alcanzó 1,36 QPS en una configuración de 4 tarjetas Hopper, cumpliendo con las restricciones de latencia para el despliegue en el mundo real. Ant Group también ofreció precios reducidos para Ling-3.1-flash a través de OpenRouter, Ling Studio y Hugging Face, con tarifas que comienzan en 0,075 $ por token de entrada y 0,5 yuanes por token de entrada en moneda china.