Ling 3.1 Flash vs LingSante-3.1-flash
完整资料:Ling 3.1 Flash(Ant Group)和 LingSante-3.1-flash(Ant Group),包括全部基准测试、价格和排名。
更新于 · 数据来自 3 个来源
截至 2026年11月22日,两者共同的基准测试太少,无法判断质量高下。
LingSante-3.1-flash 于 2026年11月22日 发布,目前还没有 BenchLeader Index(需要覆盖两个类别的五项第三方结果)。因此本页不给出质量结论,只对比两者目前已公布的上下文窗口、两者都有结果的基准测试。首批结果将在以下页面跟踪: LingSante-3.1-flash 的页面
要点(截至 2026年11月22日)
- Ling 3.1 Flash 每百万 token 混合价格为 $0.450(标价,2026年11月22日)。
- 在两者都有结果的 1 项基准测试中,LingSante-3.1-flash 领先 1 项(BenchLeader,2026年11月22日)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
主要差异
- 共同的基准测试太少,无法给出结论。
概览
| 规格 | Ling 3.1 Flash | LingSante-3.1-flash |
|---|---|---|
| 提供商 | Ant Group | Ant Group |
| 发布日期 | 2026年10月1日 | 2026年11月22日 |
| 上下文窗口(token) | 1,000,000 | 1,048,576 |
| 对比时的配置 | Ling 3.1 Flash | LingSante-3.1-flash |
| 开放权重 | 是 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.300 / $0.900 / $0.060 | – |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | Ling 3.1 Flash | LingSante-3.1-flash | 领先者 |
|---|---|---|---|
| 推理 | 47.3 | – | 无法比较 |
| 编程 | 45.8 | – | 无法比较 |
| 知识 | 45.1 | – | 无法比较 |
| 长上下文 | 66.2 | – | 无法比较 |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
在这些领域均无结果:LingSante-3.1-flash。
未绘制(这些模型没有结果):智能体与工具, 数学, 指令遵循, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 1 项基准测试中,Ling 3.1 Flash 领先 0 项,LingSante-3.1-flash 领先 1 项。
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | Ling 3.1 Flash | LingSante-3.1-flash |
|---|---|---|
| 每百万 token 混合价格 | $0.450 | – |
| 每百万 token 输入 / 输出 | $0.300 / $0.900 | – / – |
| 每百万 token 缓存输入 | $0.060 | – |
| 每项任务价格:聊天回复 | $0.0004 | – |
| 每项任务价格:总结一份 30 页的报告 | $0.0041 | – |
| 每项任务价格:代码编辑 | $0.0032 | – |
| 每项任务价格:智能体编程会话 | $0.022 | – |
| 每项任务价格:结构化信息提取 | $0.0008 | – |
| 智能体编程会话(输入大多命中缓存) | $0.011 | – |
| 每项基准测试任务成本(AA Index) | $3.19 | – |
| 每项任务输出 token(AA Index) | 225k | – |
| 其中推理部分 | 151k | – |
| 输出速度 | 69 tok/s | – |
| 首次回答时间 | 45.6 秒 | – |
| 完整回答耗时(最近一次测量 2026年11月13日) | 115.5 秒 | – |
每个模型都按其排名最高的推理强度设置进行对比。Ling 3.1 Flash 得分 50.7,首个回答 token 需 46 秒。LingSante-3.1-flash。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 25 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | Ling 3.1 Flash | LingSante-3.1-flash |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 50.7 | – |
| 编程得分 | BenchLeader | 45.8 | – |
| 知识得分 | BenchLeader | 45.1 | – |
| 长上下文得分 | BenchLeader | 66.2 | – |
| 推理得分 | BenchLeader | 47.3 | – |
| 混合价格(美元/百万 token) | BenchLeader | $0.450 | – |
| 输出速度 | BenchLeader | 69 tok/s | – |
| 首次回答时间 | BenchLeader | 45.6 秒 | – |
| 上下文窗口 | BenchLeader | 1,000,000 token | 1,048,576 token |
| 推理 | |||
| Humanity's Last Exam (AA) | Artificial Analysis | 43.5% | – |
| HLE-Diamond (AA) | Artificial Analysis | 17.2% | – |
| CritPt | Artificial Analysis | 26.0% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 38.5% | – |
| 编程 | |||
| SciCode (AA) | Artificial Analysis | 56.8% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 33.3% | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 43.0† | – |
| Design Arena Code | Design Arena | 1296 | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 17.0% | – |
| 智能体与工具 | |||
| GDPval-AA v2.1, normalised score | Artificial Analysis | 57.3% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1655 | – |
| AutomationBench | Artificial Analysis | 67.5% | – |
| GDP.pdf (AA) | Artificial Analysis | 12.6% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1517 | – |
| Design Arena Agentic | Design Arena | 1194 | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 4.3% | – |
| 知识 | |||
| AA-Omniscience v1.1 | Artificial Analysis | -0.1 | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 26.5% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 63.7% | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 83.0% | – |
| MLCR | Artificial Analysis | 15.0% | 23.3% |
| 综合 | |||
| AA Intelligence Index v5.0.1 | Artificial Analysis | 29.6 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 43.9 | – |
| AA Progress Index v1 | Artificial Analysis | 321.6 | – |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 38.9 | – |
数据截至 2026年11月22日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
DuelLab GameBench 2, release gb2-20261119-1d7fd529faf6 (https://benchmarks.duellab.org/releases/gb2-20261119-1d7fd529faf6/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
变化
- LingSante-3.1-flash:首批结果。
- Ling 3.1 Flash:BenchLeader Index 50.9 → 50.3。
- Ling 3.1 Flash:1 项分数修订。
- Ling 3.1 Flash:1 项分数修订。
- Ling 3.1 Flash:BenchLeader Index 50.3 → 50.9。
- Ling 3.1 Flash:6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $1.01/M → $3.19/M。
- Ling 3.1 Flash:1 项新结果(AA-Briefcase v1.1)。
- Ling 3.1 Flash:1 项分数修订。
- Ling 3.1 Flash:1 项新结果(AA-Briefcase v1.1);8 项分数修订。
相关对比
排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型
Ling 3.1 Flash vs LingSante-3.1-flash:常见问题
- 处理长文档哪个更好?
- 两者都约为 1M token(Ling 3.1 Flash 为 1,000,000,LingSante-3.1-flash 为 1,048,576)。
- 第三方基准测试对 Ling 3.1 Flash 和 LingSante-3.1-flash 的看法一致吗?
- 在两者都有结果的 1 项基准测试中,Ling 3.1 Flash 领先 0 项,LingSante-3.1-flash 领先 1 项。
- LingSante-3.1-flash 是什么时候发布的?
- LingSante-3.1-flash 于 2026年11月22日 发布。