Ling 3.1 Flash
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,价格只有四分之一。
有 24 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、DeepSeek V4 Flash (57.2, $0.262)、Claude Haiku 5.5 (56.7, $0.200),另有 21 个。
截至 2026年11月16日,Ling 3.1 Flash(Ant Group)在 BenchLeader Index 上得分 50.8(共 608 个已排名配置)。表现最好的是长上下文(66),最弱的是知识(45)。API 价格为输入每百万 token $0.300、输出每百万 token $0.900(按 3:1 混合为 $0.450),为 2026年11月16日的标价。输出速度约为 94 token/秒(Artificial Analysis)。发布于 2026年10月1日。
要点(截至 2026年11月16日)
- Ling 3.1 Flash 的 API 价格为输入每百万 token $0.300、输出每百万 token $0.900(按 3:1 混合为 $0.450)(标价,2026年11月16日)。
- Ling 3.1 Flash 的输出速度约为 94 token/秒(Artificial Analysis,2026年11月16日)。
- Ling 3.1 Flash 于 2026年10月1日发布(Ant Group)。
详细说明:Ling 3.1 Flash 是 Ant Group 的开放权重推理模型,发布于 2026年10月1日。其最佳配置在 BenchLeader Index 上得分 50.8 ±7.2,在 608 个配置中排第 330 名,处于下半区。关键在于这个“±”:另有 344 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(66),知识最低(45)。按混合价格计,每百万 token $0.450,比大多数已排名模型便宜。输出速度为 94 token/秒,首次回答需 42.3 秒,比大多数模型快。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年10月22日。
- 混合价格
- $0.450/M
- 输入 $0.300 · 输出 $0.900
- 来源:Artificial Analysis
- 输出速度
- 94 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 42 s
- 首 token 1.49 s
- 上下文
- 1M
- 来源:OpenRouter
- 完整回答
- 115 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $3.19
- 平均任务,AA Index
- 单任务 token 数
- 225k
- 其中 67% 为推理
- 发布日期
- 2026年10月1日
- 综合 Index51
- 推理48
- 编程46
- 知识45
- 长上下文66
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/ling-3-1-flash)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Ant Group 以这个名称发布过 3 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Ling 3.1 Flash本页 | 2026年10月1日 | 50.8 | #330 |
| Ling 3.0 Flash | 2026年8月4日 | 51.7 | #305 |
| Ling Flash 2.0 | 2025年9月17日 | 46.8 | #421 |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年10月28日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 38.9#155 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Humanity's Last Exam (AA)不计入 Index | 43.5%#67 | Artificial Analysis | |
| HLE-Diamond (AA) | 17.2%#91 | Artificial Analysis | |
| CritPt不计入 Index | 26.0%#46 | Artificial Analysis | |
| CritPt v2 hard subset (AA) | 38.5%#62 | Artificial Analysis |
编程
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SciCode (AA)不计入 Index推理强度未说明 | – | 56.8%#41 | Artificial Analysis | |
| Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明 | – | 33.3%#57 | Artificial Analysis | |
| GameBench 2 by reasoning setting不计入 Index | 42.9#124 | – | DuelLab GameBench 2 | |
| Design Arena Website不计入 Index推理强度未说明 | – | 1292#27 | Design Arena | |
| FrontierCode 2.0 (AA)推理强度未说明 | – | 17.0%#77 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GDPval-AA v2.1, normalised score不计入 Index | 57.3%#17 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | 1655#24 | Artificial Analysis | |
| AutomationBench不计入 Index | 67.5%#23 | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | 12.6%#140 | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | 1520#45 | Artificial Analysis | |
| Design Arena Agentic不计入 Index | 1205#34 | Design Arena | |
| Terminal-Bench-Science 0.1 (AA)不计入 Index | 4.3%#86 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-Omniscience v1.1 | -0.1#86 | Artificial Analysis | |
| AA-Omniscience v1.1: accuracy不计入 Index | 26.5%#106 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | 63.7%#47 | Artificial Analysis |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 83.0%#30 | Artificial Analysis | |
| MLCR不计入 Index | 15.0%#88 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Intelligence Index v5.0.1不计入 Index | 29.6#68 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 43.9#47 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 321.6#53 | Artificial Analysis |
GameBench 2, best reasoning setting (None): 42.9. 仅供参考,不计入 BenchLeader Index。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| NovitaAI | 70 tok/s | 1.78 s | $0.045 | $0.135 | 1M | – |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.060。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0004 | $0.0003 | 45.5 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0041 | $0.0020 | 48.7 s |
| 代码编辑 | 6,000 / 1,500 | $0.0032 | $0.0021 | 58.3 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.022 | $0.011 | 1.4 min |
| 结构化信息提取 | 2,000 / 200 | $0.0008 | $0.0004 | 44.4 s |
将 Ling 3.1 Flash 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Ling 3.1 Flash 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/ling-3-1-flash)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Ling 3.1 Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/ling-3-1-flash
BibTeX:
@misc{benchleader_ling_3_1_flash_20261116,
author = {{BenchLeader}},
title = {{Ling 3.1 Flash on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/ling-3-1-flash}},
note = {Data as of 2026-11-16}
}常见问题
- Ling 3.1 Flash 的基准测试得分是多少?
- 截至 2026年11月16日,Ling 3.1 Flash 的 BenchLeader Index 为 50.8 ±7.2。最强的是长上下文(66),最弱的是知识(45)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Ling 3.1 Flash 排名第几?
- 截至 2026年11月16日,Ling 3.1 Flash 在 608 个已排名配置中排第 330 名。另有 344 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Ling 3.1 Flash 每百万 token 的价格是多少?
- 截至 2026年11月16日,Ling 3.1 Flash 的价格为输入每百万 token $0.300、输出每百万 token $0.900,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.450。
- Ling 3.1 Flash 比 Agnes 2.5 Pro Theta 更好吗?
- 截至 2026年11月16日,Agnes 2.5 Pro Theta 与 Ling 3.1 Flash 的质量不相上下(BenchLeader Index 50.8 比 50.8,在 ±10.9 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Ling 3.1 Flash 是什么时候发布的?
- Ant Group 于 2026年10月1日发布了 Ling 3.1 Flash。BenchLeader 收录了它在 2 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Ling 3.1 Flash:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/ling-3-1-flash。