Description
Ling-3.1-flash est un modèle de raisonnement hybride natif amélioré introduit par inclusionAI sur la plateforme Hugging Face. Conçu pour s'attaquer à des tâches complexes du monde réel, ce modèle dispose d'un total de 560 milliards de paramètres, avec 25 milliards de paramètres actifs par jeton et une fenêtre de contexte de 1 million de jetons. Ces améliorations s'appuient sur son prédécesseur, Ling-3.0-flash, offrant une architecture et des performances améliorées.
Lire la suite
Le modèle excelle dans une variété d'applications du monde réel, telles que les agents à usage général, la recherche, la productivité de bureau et l'ingénierie logicielle. Il a démontré de solides performances sur des benchmarks tels que GDPVal-AA V2.1, HealthBench Professional, FrontierSWE et Terminal-Bench 4.0. Ces benchmarks couvrent un large éventail de tâches, y compris les tâches de bureau, la santé, l'ingénierie logicielle et l'utilisation d'outils basés sur des terminaux. De plus, Ling-3.1-flash montre des améliorations notables dans des domaines spécialisés tels que la finance et la science des matériaux.
L'architecture de Ling-3.1-flash est basée sur un modèle hybride-linéaire de mélange d'experts (MoE), avec 63 KDA et 9 couches de transformateurs Gated MLA, 4 couches denses et 512 experts routés. Le modèle comprend également 64 têtes d'attention et une taille cachée de 4096, avec une taille de vocabulaire de 157 184.
Ling-3.1-flash a été évalué sur plusieurs benchmarks autorisés, montrant ses solides performances dans les tâches de codage et d'agents. Il prend en charge des frameworks tels que Claude Code, Kilo Code, Qwen Code, Hermes Agent et OpenClaw. Le modèle introduit également LingCode, un harnais construit sur l'agent de codage open-source Pi, qui améliore les performances sur des tâches de codage complexes et à long terme.
Pour les utilisateurs souhaitant commencer, l'image SGLang recommandée inclut le support de Ling-3.1-flash, le décodage spéculatif MTP et les optimisations de décodage Hopper. Le modèle est disponible pour l'inférence sur diverses configurations de serveur, et des recettes vérifiées sont fournies pour différents matériels.
- CatégorieModèles d'IA et LLM
- Modèle tarifaireOpen source
- DéploiementCloud
- PlateformesWeb
Points forts de Ling-3.1-flash
560B paramètres au total
Fenêtre de contexte de 1M jetons
Architecture hybride-linéaire MoE
63 KDA + 9 couches Gated MLA
512 experts routés
64 têtes d'attention
Prend en charge plusieurs frameworks
Performances solides sur les benchmarks
Premiers pas avec Ling-3.1-flash
Accéder à la page du modèle : Visitez Hugging Face
S'authentifier : Connectez-vous à votre compte
Configurer : Configurez l'environnement serveur ou client
Envoyer des invites : Utilisez des recettes vérifiées pour l'inférence
Cas d'utilisation de Ling-3.1-flash
- Agents à usage général
- Productivité de bureau
- Ingénierie logicielle
- Applications de santé
- Analyse financière








