Ling 3.0 Flash با امتیاز 38 از رقبا پیشی گرفت

Ling 3.0 Flash با کسب امتیاز 38 در معیار بنچمارک، عنوان هوشمندترین مدل متن‌باز در بازهٔ کمتر از 124 میلیارد پارامتر را به‌دست آورد. این جهش قابل‌توجه نسبت به نسخهٔ قبلی، عملکرد این مدل را هم‌تراز با Qwen3.6 27B نشان می‌دهد؛ البته Ling با پارامترهای فعال کمتر به همان سطح توان پردازشی نزدیک شده است. با وجود این، DeepSeek V4 Flash با امتیاز 52 همچنان جلوتر قرار دارد.

کاهش چشمگیر نرخ توهم و ارتقای رفتار عامل‌محور

در آزمون AA Omniscience نرخ «توهم» (hallucination) از 97% در نسخهٔ قبلی به 44% کاهش یافته؛ به بیان دیگر مدل محتاط‌تر شده و در مواقعی که اطلاعات قابل‌اعتمادی در دسترس ندارد، از پاسخ‌دهی صرف‌نظر می‌کند. علاوه بر کاهش توهم، Ling 3.0 Flash در وظایف عامل‌محور (agentic) پیشرفت قابل‌توجهی نشان می‌دهد و در بنچ‌مارک‌هایی مانند t3-Bench Banking عملکرد بهتری نسبت به نسل قبل ارائه می‌کند.

قیمت‌گذاری و مصرف توکن

در محاسبهٔ هزینه بر پایهٔ هر توکن، Ling 3.0 Flash نسبت به بسیاری از مدل‌های هم‌سطح ارزان‌تر است. هرچند در وظایف پیچیده تعداد توکن‌های مصرفی افزایش می‌یابد، اما هزینهٔ کلی اجرای هر وظیفه معمولاً کمتر از Qwen3.6 27B است؛ عاملی مهم برای کاربردهای صنعتی و سرویس‌های تجاری که هزینه و بهره‌وری را همزمان می‌سنجد.

نمای کلی Ling 3.0 Flash و نمودار عملکرد

دسترسی، مجوز و وزن‌های مدل

شرکت inclusionAI از گروه Ant Group مدل را تحت مجوز MIT License منتشر کرده و دسترسی از طریق APIِ inclusionAI و پلتفرم DeepInfra فراهم است. وزن‌های مدل به‌صورت عمومی روی Hugging Face قرار گرفته‌اند که توسعه، ارزیابی و استقرار بومی را برای پژوهشگران و شرکت‌ها تسهیل می‌کند. برای اطلاعات بیشتر در مورد اکوسیستم متن‌باز Hugging Face، می‌توانید مطلب مرتبط را در سایت ما مشاهده کنید: Hugging Face — اکوسیستم متن‌باز.

چشم‌انداز و رقابت آینده

بهینه‌سازی معماری و روش‌های آموزش نشان داده‌اند که مدل‌های متن‌باز می‌توانند با نسبت پارامتر به عملکرد بهینه‌تر رقابت کنند. اگرچه فاصله‌ای با پیشتازان بزرگ‌تر وجود دارد، اما کاهش قابل‌توجه نرخ توهم و بهبود در وظایف عامل‌محور Ling 3.0 Flash را به گزینه‌ای جذاب برای تیم‌هایی تبدیل کرده که به دنبال ترکیب دقت، هزینهٔ پایین و دسترسی متن‌باز هستند. در پی انتشار وزن‌ها تحت مجوز MIT، انتظار می‌رود یکپارچه‌سازی این مدل در سرویس‌ها و محصولات مختلف افزایش یابد و رقابت میان بازیگران متن‌باز تشدید شود.

منابع مرتبط