Ant Group wprowadza model AI z 124 miliardami parametrów, który przewyższa swojego giganta o wartości 1 biliona

Ant Group zaskakuje świat AI modelem Ling-3.0-Flash, otwartym modelem o 124 miliardach parametrów, który aktywuje tylko 5,1 miliarda na token i przewyższa swojego poprzednika o wartości 1 biliona w benchmarkach. To osiągnięcie redefiniuje wydajność obliczeniową i koszty wdrażania agentów AI.

• Ling-3.0-Flash wykorzystuje architekturę MoE z 124B całkowitych parametrów i tylko 5,1B aktywnych na token, osiągając wyniki porównywalne lub lepsze niż Ling-2.6-1T w kluczowych zadaniach.
• Model jest dostępny na licencji MIT i ma natywny kontekst o długości 262 000 tokenów, z planami na zwiększenie do miliona, zaprojektowany dla agentów produkcji o wysokiej częstotliwości.

Ant Group, gigant fintech stojący za Alipay, wprowadził Ling-3.0-Flash 23 lipca 2026 roku. Model został opracowany przez ich laboratorium inclusionAI i kwestionuje przekonanie, że w AI większe zawsze oznacza lepsze.

Ling-3.0-Flash ma 124 miliardy całkowitych parametrów, ale aktywuje tylko około 5,1 miliarda na token podczas inferencji. Ta architektura MoE pozwala, aby tylko podzbiór sieci neuronowej angażował się w każde wejście, jak podaje Cryptobriefing.

Wydajność, która kwestionuje skalę

W Indeksie Analizy Sztucznej Inteligencji model uzyskał wynik 38, dorównując lub przewyższając swojego poprzednika Ling-2.6-1T, który miał 1 bilion pełnych parametrów. To sprawia, że jest on około osiem razy mniejszy pod względem całkowitej liczby parametrów, ale konkurencyjny w metrykach, które mają znaczenie dla wdrożeń produkcyjnych.

Główne osiągnięcie dotyczy kluczowych zadań rozumowania i śledzenia instrukcji. Architektura łączy rozumowanie hybrydowe z MoE, osiągając wydajność bez poświęcania jakości.

Długość kontekstu również się rozwija: natywne okno wynosi 262 000 tokenów, z planami na zwiększenie do miliona. Mechanizm uwagi łączy warstwy Delta Attention Kimi i Multi-Head Latent Attention, znany jako podejście hybrydowo-liniowe.

Ten projekt utrzymuje wymagania dotyczące pamięci i obliczeń w zarządzalnych granicach, gdy kontekst rośnie. Ant Group opisuje tę technikę jako kluczową dla wspierania złożonych zadań agenta.

Zaprojektowany dla agentów, nie tylko dla czatu

Ling-3.0-Flash został zaprojektowany specjalnie dla agentów AI klasy produkcyjnej działających z wysoką częstotliwością. Te przepływy pracy wymagają szybkiej generacji tokenów, niezawodnego przestrzegania instrukcji i zarządzania długim kontekstem bez degradacji.

Ogromna biblioteka, w której bibliotekarz musi tylko wyjąć pięć książek na raz, niezależnie od tego, jak skomplikowane jest pytanie. To metafora, której używają deweloperzy, aby wyjaśnić podejście.

Wydajność w inferencji jest kluczowa dla obniżenia kosztów. Aktywując tylko 5,1B parametrów, bezpośrednio zmniejsza się obliczenia potrzebne na zapytanie, co obniża koszty operacyjne na dużą skalę.

Ant Group już przetestował model w swoich usługach Alipay. Chociaż nie ujawniono konkretnych liczb, firma podkreśla, że model jest zoptymalizowany do obsługi złożonych zadań agentów w produkcji.

Otwarte i komercyjne udostępnienie

Model został opublikowany na Hugging Face na licencji MIT, najbardziej liberalnej w ramach otwartego kodu. Umożliwia to użycie, modyfikację i komercyjne rozpowszechnianie bez tantiem.

Dostęp do API był również oferowany za darmo przez OpenRouter i Kilo do 3 sierpnia 2026 roku. Ponadto jest dostępny przez kanały Ant Group i bramę AI Vercel.

Licencja MIT eliminuje bariery dla deweloperów i firm, które chcą zintegrować go w swoich produktach. To kontrastuje z innymi modelami otwartego kodu, które nakładają ograniczenia na użycie komercyjne.

Decyzja Ant Group o otwarciu modelu ma na celu pozycjonowanie firmy jako lidera w wydajności. Według oryginalnego raportu, może to przyspieszyć adopcję AI w sektorach, gdzie koszty inferencji są zbyt wysokie.

Implikacje dla przyszłości AI

Jeśli model MoE z 124B z 5,1B aktywnymi może dorównać lub przewyższyć bazę 1 biliona parametrów, struktura kosztów wdrażania AI staje się znacznie niższa. Inferencja to miejsce, gdzie firmy AI wydają pieniądze po treningu.

Ten postęp może zmusić inne laboratoria do przemyślenia swoich strategii skalowania. Wydajność staje się kluczowym czynnikiem konkurencyjnym, a nie tylko liczba parametrów.

Rynek agentów AI korzysta bezpośrednio, ponieważ czasy reakcji są krytyczne. Modele takie jak Ling-3.0-Flash umożliwiają szybsze interakcje i przewidywalne koszty.

CryptoBriefing podkreśla, że to znaczący krok w wyścigu o wydajność AI, z implikacjami dla całej branży. Połączenie szybkości, niskich kosztów i otwartej licencji może zmienić krajobraz sztucznej inteligencji.

Ant Group pokazuje, że innowacja nie zawsze oznacza budowanie największego modelu, ale najbardziej inteligentnego do rzeczywistego użytku. Społeczność deweloperów już może eksperymentować z tą nową generacją wydajnej AI.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.