Ant group revela o modelo de IA Ling-3.1-flash com 560 bilhões de parâmetros e suporte a contexto de 1 milhão

Em 16 de outubro de 2026, a Ant Group anunciou a disponibilização em código aberto do seu modelo de IA Ling-3.1-flash, que possui aproximadamente 560 bilhões de parâmetros totais e 25 bilhões de parâmetros ativos por token, com suporte para um comprimento de contexto de até 1 milhão. Em avaliações públicas realizadas pela Artificial Analysis, o modelo obteve um índice de inteligência de 41 e alcançou uma velocidade de saída de cerca de 210 tokens por segundo. Para implantação local, a equipe aplicou a quantização MXFP4 a especialistas roteados e manteve as camadas densas em FP8, reduzindo o uso de peso de 534 GB para 292 GB. O modelo funciona de forma eficiente em 4 GPUs Hopper, em vez de 8, oferecendo melhor desempenho para equipes com GPUs de nível de servidor. O modelo também apresenta soluções de inferência paralelas para o processamento de contextos longos e suporte aprimorado para o esquema JSON para chamadas de ferramentas, facilitando a integração com interfaces de negócios existentes. Em solicitações de produção simuladas, o modelo alcançou uma latência média do primeiro token de 604 milissegundos e um intervalo médio de tokens de 3,28 milissegundos em uma configuração de 8 cards Hopper. Para planejamento de capacidade, o modelo atingiu 1,36 QPS em uma configuração de 4 cards Hopper, atendendo aos requisitos de latência para implantação no mundo real. A Ant Group também ofereceu preços reduzidos para o Ling-3.1-flash através do OpenRouter, Ling Studio e Hugging Face, com taxas começando em US$ 0,075 por tokens de entrada e 0,5 yuan por tokens de entrada na moeda chinesa.