•

Open weights model

•

Released outubro de 2026

Análise de inteligência, desempenho e preço do Ling 3.1 Flash 1019

Name: Inteligência
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Experimente

Provedores disponíveis

InclusionAI

Desempenho

N/D

Tempo por tarefa do Intelligence Index (minutos)

Custo

Entrada $0.30Saída $0.90Desconto do cache 80%

$3.19

Custo por tarefa do Intelligence Index

Verbosidade

Tokens de entrada 20.7BSaída/entrada 1.157%

240M

Tokens de saída do Intelligence Index

Ling 3.1 Flash 1019 está entre os modelos líderes em inteligência e tem preço razoável em comparação com outros modelos de pesos abertos de tamanho semelhante. O modelo aceita entrada em texto, gera saída em texto e tem uma janela de contexto de 1M tokens.

Ling 3.1 Flash 1019 alcança 30 pontos no Artificial Analysis Intelligence Index, ficando bem acima da média entre os modelos comparáveis (mediana: 23). Na avaliação do Intelligence Index, gerou 240M tokens, um resultado muito verboso em comparação com a mediana de 104M.

O preço do Ling 3.1 Flash 1019 é de $0.30 por 1M de tokens de entrada (preço moderado, mediana: $0.43) e $0.90 por 1M de tokens de saída (preço moderado, mediana: $1.84). Em média, a avaliação do Ling 3.1 Flash 1019 no Intelligence Index custa $3.19 por tarefa.

Raciocínio	Sim
Modalidade de entrada	Compatível com: texto
Modalidade de saída	Compatível com: texto
Janela de contexto	1M ~1573 páginas A4 em fonte Arial tamanho 12
Parâmetros totais	560B
Parâmetros ativos	25B Número de parâmetros ativos por token durante a inferência
Licença	MIT
Pesos do modelo	Hugging Face

As métricas são comparadas com modelos da mesma classe:

Modelos sem raciocínio → comparados apenas com outros modelos sem raciocínio
Modelos de raciocínio → comparados com modelos com e sem raciocínio
Modelos de pesos abertos → comparados apenas com outros modelos de pesos abertos da mesma classe de tamanho:

Muito pequeno: ≤4B parâmetros
Pequeno: 4B–40B parâmetros
Médio: 40B–150B parâmetros
Grande: >150B parâmetros

Modelos proprietários → comparados com modelos proprietários e de pesos abertos da mesma faixa de preço, usando uma proporção combinada de 3:1 entre os preços de entrada e saída:

<$0.15 por 1M de tokens
$0.15–$1 por 1M de tokens
>$1 por 1M de tokens

Inteligência

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Tempo por tarefa

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

Custo por tarefa

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

Inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: pesos abertos vs. proprietários

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. custo por tarefa

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Índices de capacidade

Índices de capacidades

Mede o desempenho dos modelos em capacidades e setores específicos

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

Avaliações

Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

Ver mais

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 Accuracy

Knowledge

AA-Omniscience v1.1 Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1

Agentic scientific research workflows in a terminal

FrontierCode-AA 2.0

Agentic software engineering in open-source repositories

HLE-Diamond

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

GDPval-AA v2.1

Agentic real-world work tasks, Elo

MLCR-AA

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Openness Index

Artificial Analysis Openness Index: pontuação

O Openness Index avalia a abertura dos modelos em uma escala normalizada de 0 a 100 (quanto maior, mais aberto)

Custo

Custo por tarefa do Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Custo de executar o Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preços: acertos de cache, entrada e saída

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Uso de tokens

Tokens de saída por tarefa do Intelligence Index

Média ponderada de tokens de saída usados para executar uma tarefa do Artificial Analysis Intelligence Index

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Janela de contexto

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Mais detalhes

								Pesos
Ling 3.1 Flash 1019	InclusionAI	30	560B 25B ativos durante a inferência	1M	$0.19	-	-	🤗

Mais lançamentos de InclusionAI

Perguntas frequentes

Perguntas comuns sobre o Ling 3.1 Flash 1019

O Ling 3.1 Flash 1019 foi lançado em 22 de outubro de 2026.

InclusionAI criou o Ling 3.1 Flash 1019.

Ling 3.1 Flash 1019 alcança 30 pontos no Artificial Analysis Intelligence Index, ficando bem acima da média entre outros modelos de pesos abertos de tamanho semelhante (mediana: 23).

Ling 3.1 Flash 1019 custa $0.30 por 1M de tokens de entrada (melhor que a média, mediana: $0.43) e $0.90 por 1M de tokens de saída (melhor que a média, mediana: $1.84), com base na API de InclusionAI.

Ling 3.1 Flash 1019 custa $0.30 por 1M de tokens de entrada e $0.90 por 1M de tokens de saída (com base na API de InclusionAI). Considerando uma tarifa combinada (proporção de 7:2:1 entre acerto do cache, entrada e saída), o preço é de $0.19 por 1M de tokens. O preço pode variar conforme o provedor. Comparar preços dos provedores

Na avaliação do Intelligence Index, Ling 3.1 Flash 1019 gerou 240M tokens de saída, um resultado na faixa superior em comparação com outros modelos de pesos abertos de tamanho semelhante (mediana: 104M).

Sim, o Ling 3.1 Flash 1019 é um modelo de raciocínio. Ele usa reflexão prolongada ou raciocínio em cadeia para resolver problemas complexos antes de fornecer uma resposta.

Ling 3.1 Flash 1019 aceita entrada em texto.

Ling 3.1 Flash 1019 permite saída em texto.

Não, o Ling 3.1 Flash 1019 não aceita imagens como entrada. Ele só consegue processar texto.

Não, o Ling 3.1 Flash 1019 não é multimodal. Ele aceita apenas entrada em texto.

Ling 3.1 Flash 1019 tem uma janela de contexto de 1M tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Sim, o Ling 3.1 Flash 1019 é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.

Ling 3.1 Flash 1019 tem 560B parâmetros (25B ativos).

Ling 3.1 Flash 1019 é um modelo de mistura de especialistas (MoE) com 560B parâmetros no total, mas apenas 25B parâmetros ativos são usados durante a inferência.

Ling 3.1 Flash 1019 foi lançado sob a licença MIT. Essa licença permite o uso comercial. Ver licença

Ling 3.1 Flash 1019 alcança 30 pontos no Artificial Analysis Intelligence Index. Esse benchmark composto avalia os modelos em trabalho do conhecimento, programação, ciência e conhecimento geral.

Sim, o Ling 3.1 Flash 1019 está disponível por API em 1 provedor. Comparar provedores de API

Ling 3.1 Flash 1019 está disponível em 1 provedor de API. Comparar provedores

Análise de inteligência, desempenho e preço do Ling 3.1 Flash 1019

Resumo do modelo

Desempenho

Especificações técnicas

131 modelos nesta classe

Tempo por tarefa

Inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abertos vs. proprietários

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. custo por tarefa

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Índices de capacidades

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: pontuação

Custo

Custo por tarefa do Intelligence Index

Cost per Intelligence Index Task

Custo de executar o Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preços: acertos de cache, entrada e saída

Cache Hit

Uso de tokens

Tokens de saída por tarefa do Intelligence Index

Output Tokens per Intelligence Index Task

Janela de contexto

Janela de contexto

Context Window for RAG

Context Window

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

Total Parameters

Active Parameters at Inference Time

Mais detalhes

Mais lançamentos de InclusionAI

Perguntas frequentes

Quando o Ling 3.1 Flash 1019 foi lançado?

Quem criou o Ling 3.1 Flash 1019?

Qual é a inteligência do Ling 3.1 Flash 1019?

Quanto custa o Ling 3.1 Flash 1019?

Qual é o preço da API do Ling 3.1 Flash 1019?

Qual é a verbosidade do Ling 3.1 Flash 1019?

O Ling 3.1 Flash 1019 é um modelo de raciocínio?

Quais modalidades de entrada o Ling 3.1 Flash 1019 aceita?

Quais modalidades de saída o Ling 3.1 Flash 1019 aceita?

O Ling 3.1 Flash 1019 consegue processar imagens?

O Ling 3.1 Flash 1019 é multimodal?

Qual é a janela de contexto do Ling 3.1 Flash 1019?

O Ling 3.1 Flash 1019 é de código aberto?

Quantos parâmetros o Ling 3.1 Flash 1019 tem?

Quais são os parâmetros ativos do Ling 3.1 Flash 1019?

Qual é a licença do Ling 3.1 Flash 1019?

Qual é o desempenho do Ling 3.1 Flash 1019 nos benchmarks?

O Ling 3.1 Flash 1019 está disponível por API?

Onde posso usar o Ling 3.1 Flash 1019?