Ling
Ling 3.1 Flash
01.AI’s flash-tier frontier model — high throughput at minimal per-token cost.
Интеллект
88.5 #25
AAQI 56.0
Скорость вывода
175 t/s
ITL 5.7 ms/tok
Смешанная цена (3:1)
$0.31 /1M
Вход $0.15/M · Выход $0.8/M
Контекст
131K
≈ 328 стр. A4 · макс. выход 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Ling 3.1 Flash
Claude Mythos Preview (#1)
Average (68)
Оси радара приближены по категорийным оценкам там, где нет прямых бенчмарк-измерений — см. Методология.
Сильные стороны и компромиссы
Где модель выигрывает
- 175 tok/s — top-tier flash throughput
- $0.31 blended — among the cheapest frontier-adjacent models
- Strong math/coding for a speed-tier model
На что обратить внимание
- No dedicated reasoning mode
- Text-only — no vision or audio
- Weakest on long agentic traces
Киллер-сценарии
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.
Быстрый старт для разработчика и API
Сначала задайте
OPENROUTER_API_KEY — получить ключ APIcurl 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.
Официальные ресурсы и ссылки
Развёртывание API
Хосты и задержка
Пропускная способность, TTFT и цены на кэш у Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock и Azure.
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Оценки по источникам
Оценки по категориям
Результаты бенчмарков
Живые характеристики и архитектура
Под капотом
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
Дата выпуска
12 окт. 2026 г.
Архитектура
Ling 3.1 Flash — high-throughput MoE
Параметры
Not disclosed
Лицензия
Proprietary
Контекстное окно
131,000 tokens
Макс. вывод
8,192 tokens
Модальности
text
Цены кэша
чтение $0.02 · запись $0.19 /1M
Рассуждение
—
Цена ввода
$0.15/M
Цена вывода
$0.8/M
Скорость вывода
175 t/s
Время до первого токена
—
Данные обновлены
22 окт. 2026 г.
Оценка ежемесячного счёта
Оценка расходов в месяц
$0.00
Считаем экономию против GPT-4o…
Цитирование и вставка
Бейдж GitHub Markdown
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}
}Бейдж оценки для README
Живой бейдж Podium Score для README на GitHub или Hugging Face — ведёт на актуальный рейтинг.
Превью
Markdown
Loading badge snippet...HTML
Loading badge snippet...Ещё от Ling
Альтернативные модели
Ближайшие альтернативы для Ling 3.1 Flash по возможностям, цене и бенчмаркам.