Đội ngũ Bailing LLM thuộc Tập đoàn Ant Group chính thức thông báo hôm qua rằng mô hình suy luận lai nguyên bản thế hệ mới Ling-3.0-flash đã được phát hành mã nguồn mở.
Ling-3.0-flash sử dụng kiến trúc MoE với tổng cộng 124B tham số và 5,1B tham số kích hoạt. Đội ngũ cũng cung cấp phiên bản cơ bản cùng các phiên bản FP8, FP4 và INT4, mang đến ba lựa chọn triển khai khác nhau:
Gọi API: Dành cho các nhà phát triển muốn tích hợp nhanh mà không cần tự xây dựng dịch vụ suy luận, Ling-3.0-flash có thể được gọi trực tiếp thông qua API đám mây;
Triển khai riêng trên một máy: Dành cho các doanh nghiệp và đội ngũ không thể đưa dữ liệu ra ngoài miền, các phiên bản MXFP4 và INT4 có thể hoàn tất suy luận đầu cuối trên một máy NVIDIA DGX Spark;
Triển khai hiệu năng cao: Dành cho các dịch vụ hiệu năng cao nhạy cảm với độ trễ mỗi yêu cầu, tốc độ xuất trung bình vượt 1100 tokens/s trong cấu hình GPU thử nghiệm được chỉ định.
Đối với các nhà phát triển và đội ngũ sản phẩm muốn nhanh chóng xác thực sản phẩm và đưa ứng dụng Agent lên mạng, API là phương thức tích hợp có ngưỡng thấp nhất. Trong bảng xếp hạng Artificial Analysis, tốc độ xuất của Ling-3.0-flash đạt 353 tokens/s.
Trong bảng xếp hạng AA Intelligence Index, chi phí gọi trung bình có trọng số cho mỗi nhiệm vụ của Ling-3.0-flash là khoảng 0,04 đô la Mỹ (tương đương khoảng 0,27 nhân dân tệ theo tỷ giá hiện tại), thời gian giải mã trung bình có trọng số khoảng 1,4 phút. Mô hình đồng thời nằm trong khu vực có lợi thế của hai biểu đồ “mức độ thông minh — chi phí nhiệm vụ” và “mức độ thông minh — thời gian nhiệm vụ”.
Đội ngũ chính thức cho biết, từ 00:00 ngày 7 tháng 8 năm 2026 đến 24:00 ngày 31 tháng 8, Ling-3.0-flash sẽ được hưởng ưu đãi giảm còn 25% giá trong thời gian giới hạn trên Ling Studio; từ 00:00 ngày 1 tháng 9, giá sẽ trở lại mức ban đầu.
Liên kết mã nguồn mở:
Hugging Face: https://huggingface.co/inclusionAI/Ling-3.0-flash
ModelScope: https://modelscope.cn/models/inclusionAI/Ling-3.0-flash