Ling-3.1-flash-1019: Ant Group publica sob licença MIT modelo de 560 bilhões de parâmetros orientado a agentes
O laboratório inclusionAI da Ant Group abriu os pesos de uma versão retrabalhada do Ling-3.1-flash, com nota 44 no Artificial Analysis, e também publicou o modelo base para quem quiser treiná-lo por conta própria.
inclusionAI, o laboratório de IA da Ant Group (a empresa-mãe do Alipay), abriu nesta terça-feira, 27 de outubro, os pesos do Ling-3.1-flash-1019, uma versão retrabalhada de seu modelo Ling-3.1-flash. O modelo é publicado no Hugging Face e ModelScope sob licença MIT, uma das mais permissivas que existem: uso comercial, modificação e redistribuição são livres. O anúncio oficial saiu no X às 13h45, horário de Paris.
A Ant publica ao mesmo tempo o Ling-3.1-flash-base, o modelo base antes do pós-treinamento, destinado a quem quiser adaptá-lo ou treiná-lo com seus próprios dados.
Um modelo muito grande, mas com poucos parâmetros ativos
Segundo sua ficha, o Ling-3.1-flash-1019 é um modelo de mistura de especialistas (MoE) de 560 bilhões de parâmetros, dos quais apenas 25 bilhões são acionados para cada token: 8 especialistas de 512 são ativados a cada etapa. A Ant descreve a arquitetura como “híbrida linear”: a maioria das camadas usa um mecanismo de atenção linear (KDA), menos custoso em textos longos, e uma camada em cada oito usa atenção clássica (Gated MLA). É isso que lhe permite anunciar uma janela de contexto de um milhão de tokens.
O número de 25 bilhões de parâmetros ativos não deve enganar: é preciso carregar o modelo inteiro na memória. Os pesos, essencialmente em FP8, pesam da ordem de 570 GB, e a configuração de referência fornecida com SGLang roda em oito GPUs H200 (ou quatro GB300). É um modelo para servidores, não para uma estação de trabalho.
O que muda em relação à versão anterior
O número “1019” designa um pós-treinamento adicional, focado em raciocínio e agentes (tarefas em várias etapas com ferramentas). O desenvolvedor reivindica ganhos claros: 1.524 Elo no AA-Briefcase (cerca de 1.400 antes), 68% no AutomationBench-AA (62%), 26% no CritPt (18%) e 57% no SciCode (54%).
O número mais sólido é o índice global: o Artificial Analysis, que mede os modelos de forma independente, exibe de fato uma pontuação de 44 em seu Intelligence Index, contra 41 da versão anterior segundo a Ant. O site indica um preço de US$ 0,30 por milhão de tokens de entrada e US$ 0,90 de saída.
Os limites a conhecer
A mesma página do Artificial Analysis aponta um ponto fraco: o modelo é muito verboso. Ele gerou 350 milhões de tokens para passar a bateria de testes do índice, contra uma mediana de 140 milhões. Na prática, isso significa respostas mais longas e mais lentas, e uma conta que sobe mais rápido do que o preço por token sugere: o Artificial Analysis avalia em US$ 1,49 o custo médio por tarefa de seu índice.
As pontuações detalhadas de agentes (AA-Briefcase, AutomationBench) permanecem, neste momento, aquelas comunicadas pelo desenvolvedor. Por fim, o Artificial Analysis data o lançamento do modelo em 22 de outubro, enquanto o repositório público só foi criado em 27: ele pode ter sido avaliado ou servido por API antes da abertura dos pesos, sem que isso seja esclarecido.
Nossa leitura
O interesse principal não é o ganho de três pontos, mas a combinação: um modelo desse tamanho, sob licença MIT, com seu modelo base e um milhão de tokens de contexto, continua raro. Os laboratórios chineses continuam publicando pesos onde os grandes atores americanos vendem principalmente APIs. Para uma empresa, a questão prática está em outro lugar: rodar 560 bilhões de parâmetros exige uma infraestrutura pesada, e a verbosidade medida pelo Artificial Analysis pode anular parte da vantagem de preço. Vale testar em suas próprias tarefas antes de enxergar nele um substituto dos modelos fechados.
Fontes
- Hugging Face — ficha do modelo inclusionAI/Ling-3.1-flash-1019 Fonte primária
- Hugging Face — ficha do modelo inclusionAI/Ling-3.1-flash-base Fonte primária
- Ant Ling (X) — anúncio da abertura dos pesos Fonte primária
- Artificial Analysis — página Ling 3.1 Flash 1019 Fonte secundária — Medição independente do Intelligence Index, preços e verbosidade
Uma fonte primária vem diretamente da empresa, do laboratório ou da organização envolvida. Uma fonte secundária relata a informação sem ser a sua autora: nós a sinalizamos como tal. Encontrou um erro? Consulte nossa política de correções.
