Ant Group запустила модель ШІ з 124 мільярдами параметрів, яка перевершує її гіганта з 1 трильйоном

Ant Group дивує світ ШІ з Ling-3.0-Flash, моделлю з відкритими вагами на 124 мільярди параметрів, яка активує лише 5,1 мільярда на токен і перевершує свого попередника з 1 трильйоном за показниками. Це досягнення, яке переосмислює обчислювальну ефективність та витрати на впровадження агентів ШІ.

• Ling-3.0-Flash використовує архітектуру MoE з 124B загальних параметрів і лише 5,1B активних на токен, досягаючи рівня або перевищуючи Ling-2.6-1T у ключових завданнях.
• Модель доступна під ліцензією MIT і має рідне вікно контексту на 262 000 токенів, з метою досягнення мільйона, розроблена для агентів високої частоти.

Ant Group, фінансовий гігант, що стоїть за Alipay, запустила Ling-3.0-Flash 23 липня 2026 року. Модель була розроблена її лабораторією inclusionAI і кидає виклик уявленню про те, що в ШІ більший завжди краще.

Ling-3.0-Flash має 124 мільярди загальних параметрів, але активує лише близько 5,1 мільярда на токен під час інференції. Ця архітектура змішування експертів (MoE) дозволяє залучати лише підмножину нейронної мережі для кожного введення, зазначає Cryptobriefing.

Продуктивність, що кидає виклик масштабам

У Індексі Штучного Інтелекту Analysis модель отримала оцінку 38, зрівнявшись або перевершивши свого попередника Ling-2.6-1T, який мав один трильйон повних параметрів. Це робить її приблизно вісім разів менше за загальною кількістю параметрів, але конкурентоспроможною за метриками, які важливі для впровадження в продукцію.

Основне досягнення полягає в центральних завданнях міркування та дотримання інструкцій. Архітектура поєднує гібридне міркування з MoE, досягаючи ефективності без жертвування якістю.

Довжина контексту також прогресує: рідне вікно становить 262 000 токенів, з планами розширення до мільйона. Механізм уваги поєднує шари Delta Attention від Kimi та Multi-Head Latent Attention, відомий як гібридно-лінійний підхід.

Цей дизайн підтримує вимоги до пам'яті та обчислень у межах розумного, коли контекст зростає. Ant Group описує цю техніку як основну для підтримки складних завдань агентів.

Розроблено для агентів, а не лише для чату

Ling-3.0-Flash був спеціально розроблений для агентів ШІ виробничого класу, які працюють на високій частоті. Ці робочі процеси вимагають швидкої генерації токенів, надійного дотримання інструкцій та обробки довгого контексту без деградації.

Величезна бібліотека, де бібліотекарю потрібно витягти лише п’ять книг одночасно, незалежно від того, наскільки складним є запит. Це метафора, яку використовують розробники, щоб пояснити підхід.

Ефективність в інференції є ключовою для зниження витрат. Активуючи лише 5,1B параметрів, безпосередньо зменшується обчислення, необхідне для кожного запиту, що знижує витрати на масштаб.

Ant Group вже протестувала модель у своїх власних послугах Alipay. Хоча конкретні цифри не були розкриті, компанія підкреслює, що модель оптимізована для обробки складних завдань агентів у продукції.

Відкрите та комерційне доступ

Модель була опублікована на Hugging Face під ліцензією MIT, найліберальнішою у відкритому коді. Це дозволяє використання, модифікацію та комерційний перерозподіл без роялті.

Також був наданий безкоштовний доступ до API через OpenRouter і Kilo до 3 серпня 2026 року. Крім того, вона доступна через канали Ant Group та AI gateway від Vercel.

Ліцензія MIT усуває бар'єри для розробників і компаній, які хочуть інтегрувати її у свої продукти. Це контрастує з іншими моделями з відкритим кодом, які накладають обмеження на комерційне використання.

Рішення Ant Group відкрити модель прагне позиціонувати компанію як лідера в ефективності. Згідно з оригінальним звітом, це може прискорити впровадження ШІ в секторах, де витрати на інференцію є непомірними.

Наслідки для майбутнього ШІ

Якщо модель MoE з 124B з 5,1B активними може зрівнятися або перевершити базову лінію в один трильйон параметрів, структура витрат на впровадження здатного ШІ значно зменшується. Інференція є місцем, де компанії ШІ витрачають гроші після навчання.

Цей прогрес може змусити інші лабораторії переосмислити свої стратегії масштабування. Ефективність стає ключовим конкурентним фактором, а не лише кількість параметрів.

Ринок агентів ШІ безпосередньо виграє, оскільки часи відповіді є критичними. Моделі, такі як Ling-3.0-Flash, дозволяють швидші взаємодії та передбачувані витрати.

CryptoBriefing підкреслює, що це помітний крок у гонці за ефективність ШІ, з наслідками для всієї індустрії. Поєднання швидкості, низької вартості та відкритої ліцензії може змінити ландшафт штучного інтелекту.

Ant Group демонструє, що інновації не завжди означають створення найбільшої моделі, а найрозумнішої для реального використання. Спільнота розробників вже може експериментувати з цим новим поколінням ефективного ШІ.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.