Ling
Ling 3.1 Flash
01.AI’s flash-tier frontier model — high throughput at minimal per-token cost.
বুদ্ধিমত্তা
88.5 #25
AAQI 56.0
আউটপুট গতি
175 t/s
ITL 5.7 ms/tok
ব্লেন্ডেড মূল্য (3:1)
$0.31 /1M
ইনপুট $0.15/M · আউটপুট $0.8/M
কনটেক্সট
131K
≈ 328টি A4 পৃষ্ঠা · সর্বোচ্চ আউটপুট 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Ling 3.1 Flash
Claude Mythos Preview (#1)
Average (68)
সরাসরি বেঞ্চমার্ক মাপ না থাকলে রাডার অক্ষ বিভাগ স্কোর থেকে আনুমানিক — পদ্ধতি দেখুন।
শক্তি ও ট্রেড-অফ
যেখানে এটি জেতে
- 175 tok/s — top-tier flash throughput
- $0.31 blended — among the cheapest frontier-adjacent models
- Strong math/coding for a speed-tier model
যেগুলো খেয়াল রাখতে হবে
- No dedicated reasoning mode
- Text-only — no vision or audio
- Weakest on long agentic traces
কিলার ব্যবহারের ক্ষেত্র
High-volume APIs
Cheap, fast completions for consumer-scale products.
Router fast-path
First-response tier in cascading model routers.
Batch summarization
131K context plus low cost for bulk pipelines.
ডেভেলপার কুইকস্টার্ট ও API
প্রথমে
OPENROUTER_API_KEY সেট করুন — API কী নিনcurl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "content-type: application/json" \
-d '{
"model": "inclusionAI/ling-3-1-flash",
"messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key=os.environ["OPENROUTER_API_KEY"],
)
resp = client.chat.completions.create(
model="inclusionAI/ling-3-1-flash",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://openrouter.ai/api/v1/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.OPENROUTER_API_KEY}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "inclusionAI/ling-3-1-flash",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);OpenRouter-compatible endpoint — one API for 300+ models.
অফিসিয়াল রিসোর্স ও লিংক
API ডিপ্লয়মেন্ট
হোস্ট ও লেটেন্সি তুলনা করুন
Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock ও Azure জুড়ে থ্রুপুট, TTFT ও ক্যাশে মূল্য।
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
উৎস অনুযায়ী স্কোর
বিভাগ অনুযায়ী স্কোর
বেঞ্চমার্ক ফলাফল
লাইভ স্পেসিফিকেশন ও আর্কিটেকচার
ভেতরের কাঠামো
Ling 3.1 Flash — high-throughput MoE
- Sparse MoE tuned for serving density
- 175 tok/s sustained output
- 131K context with cheap cache reads
- Non-reasoning fast path — no thinking tokens burned
প্রকাশের তারিখ
১২ অক্টো, ২০২৬
আর্কিটেকচার
Ling 3.1 Flash — high-throughput MoE
প্যারামিটার
Not disclosed
লাইসেন্স
Proprietary
কনটেক্সট উইন্ডো
131,000 tokens
সর্বোচ্চ আউটপুট
8,192 tokens
মডালিটি
text
ক্যাশে মূল্য
রিড $0.02 · রাইট $0.19 /1M
রিজনিং
—
ইনপুট দাম
$0.15/M
আউটপুট দাম
$0.8/M
আউটপুট গতি
175 t/s
প্রথম টোকেনের সময়
—
ডেটা আপডেট
২২ অক্টো, ২০২৬
আনুমানিক মাসিক বিল
আনুমানিক মাসিক খরচ
$0.00
GPT-4o-র তুলনায় সঞ্চয় হিসাব হচ্ছে…
উদ্ধৃতি ও এম্বেড
GitHub Markdown ব্যাজ
Loading badge markdown...BibTeX
@misc{llmpodium2026ling31flash,
title = {Benchmark Analysis and Intelligence Evaluation of Ling 3.1 Flash},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/ling-3-1-flash}
}স্কোর ব্যাজ এম্বেড করুন
আপনার GitHub বা Hugging Face README-তে লাইভ Podium স্কোর ব্যাজ যোগ করুন — এটি লাইভ র্যাংকিং-এ ফেরে।
প্রিভিউ
Markdown
Loading badge snippet...HTML
Loading badge snippet...Ling-এর আরও মডেল
বিকল্প মডেলসমূহ
সক্ষমতা, মূল্য এবং বেঞ্চমার্ক স্কোরের ভিত্তিতে Ling 3.1 Flash-এর নিকটতম বিকল্প।