Ant Group, 560 milyar parametreli Ling-3.1-flash yapay zeka modelini açık kaynak yaptıAnt Group open-sources 560-billion-parameter Ling-3.1-flash AI model

ÖzetSummary

Ant Group, 560 milyar parametreli MoE mimarili Ling-3.1-flash modelinin ağırlıklarını yayımladı. Model, token başına yaklaşık 25 milyar aktif parametre kullanıyor ve 1 milyon tokenluk bağlam penceresi sunuyor. Kodlama, ajansal iş akışları ve uzun belge işlemlerine odaklanan model, SGLang ve vLLM üzerinden devreye alınabiliyor.Ant Group released the weights for Ling-3.1-flash, a 560-billion parameter MoE model. The model utilizes approximately 25 billion active parameters per token and offers a 1-million token context window. Focused on coding, agentic workflows, and long-document processing, the model can be deployed via SGLang and vLLM.

Neden ÖnemliWhy it matters

Büyük bir Çinli oyuncunun 560 milyar parametreli açık ağırlıklı modeli, açık kaynak sınırını daha da ileri taşıyor. Orta ölçekli ekipler, ajansal ve kodlama iş yükleri için kapalı API'lere inandırıcı bir alternatif kazanıyor. GPU gereksinimini yarıya indiren karma hassasiyet tekniği (8'den 4 Hopper'a), kendi altyapısında barındırma eşiğini fiilen düşürüyor. Bu hamle, Ant Group'un ödemelerden temel yapay zeka altyapısına stratejik geçişini de işaret ediyor. Alibaba, ByteDance ve DeepSeek ile rekabeti daha da kızıştırıyor.A major Chinese player releasing a 560-billion parameter open-weights model pushes the open-source frontier even further. Mid-sized teams gain a credible alternative to closed APIs for agentic and coding workloads. The mixed-precision technique, which halves GPU requirements (from 8 to 4 Hopper GPUs), effectively lowers the barrier for self-hosting. This move also signals Ant Group's strategic shift from payments to foundational AI infrastructure, intensifying competition with Alibaba, ByteDance, and DeepSeek.

Öne ÇıkanlarHighlights

• Toplam 560 B / aktif 25 B (MoE), 1 M token bağlam, SGLang ve vLLM uyumluTotal 560B / Active 25B (MoE), 1M token context, SGLang and vLLM compatible
• Karma hassasiyet, ağırlık belleğini 534 GB'dan 292 GB'ya düşürüyor; 8 Hopper GPU'dan 4'e iniyorMixed precision reduces weight memory from 534 GB to 292 GB; drops GPU requirement from 8 to 4 Hopper GPUs
• Kodlama, ajan araç kullanımı ve uzun belge odaklı profesyonel işlemlerFocused on professional tasks involving coding, agent tool use, and long documents

EleştiriCritical take

Yazı, bağımsız kıyaslamalar, perplexity değerleri veya Qwen3 ve Llama 4 gibi modellerle birebir karşılaştırmalar sunmuyor. Bu nedenle 'flash' performans iddiaları tamamen doğrulanmamış kalıyor. Ayrıca lisans, ince ayar kısıtlamaları ve ticari kullanım koşulları gibi, devreye alma planlayan her ekip için kritik olan detaylara hiç değinilmiyor.The article lacks independent benchmarks, perplexity scores, or direct comparisons with models like Qwen3 and Llama 4. Consequently, the 'flash' performance claims remain entirely unverified. Additionally, it fails to address critical details for any team planning deployment, such as licensing, fine-tuning restrictions, and commercial usage terms.