BenchLeader

Ling 3.1 Flash

推理强度
质量第 163 / 339 名
50.8Index
高于中位数
较中位数 +0.6
价格第 77 / 255 名
$0.450每百万 token
比多数便宜
中位数的 0.5 倍
速度第 94 / 216 名
94token/秒
高于中位数
中位数的 1.1 倍
性价比第 79 / 255 名
112.9分/$
高于中位数
中位数的 2.0 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index51
  2. 推理48
  3. 编程46
  4. 知识45
  5. 长上下文66

嵌入这个排名

更多徽章样式
[![Ling 3.1 Flash on BenchLeader: 综合第 163 名](https://www.benchleader.com/badge/ling-3-1-flash.svg?style=compact)](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。

Ant Group 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 Flash2026年8月4日51.7#305
Ling Flash 2.02025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。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––94 tok/s42 s$0.0004
未说明最佳50.8#33094 tok/s42 s$0.0004编程 46 · 知识 45 · 长上下文 66 · 推理 48

Index 走势

2026年10月28日 至 2026年11月16日
435159

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 Index38.9#155Artificial 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%#41Artificial Analysis
Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明–33.3%#57Artificial Analysis
GameBench 2 by reasoning setting不计入 Index42.9#124–DuelLab GameBench 2
Design Arena Website不计入 Index推理强度未说明–1292#27Design Arena
FrontierCode 2.0 (AA)推理强度未说明–17.0%#77Artificial 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 Index57.3%#17Artificial Analysis
GDPval-AA v2.1不计入 Index1655#24Artificial Analysis
AutomationBench不计入 Index67.5%#23Artificial Analysis
GDP.pdf (AA)不计入 Index12.6%#140Artificial Analysis
AA-Briefcase v1.1不计入 Index1520#45Artificial Analysis
Design Arena Agentic不计入 Index1205#34Design Arena
Terminal-Bench-Science 0.1 (AA)不计入 Index4.3%#86Artificial Analysis

长上下文

基准测试默认来源趋势
AA-LCR v1.183.0%#30Artificial Analysis
MLCR不计入 Index15.0%#88Artificial Analysis

综合

基准测试默认来源趋势
AA Intelligence Index v5.0.1不计入 Index29.6#68Artificial Analysis
AA Intelligence Index v4.3.2不计入 Index43.9#47Artificial Analysis
AA Progress Index v1不计入 Index321.6#53Artificial 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
NovitaAI70 tok/s1.78 s$0.045$0.1351M–

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$0.000345.5 s
总结一份 30 页的报告12,000 / 600$0.0041$0.002048.7 s
代码编辑6,000 / 1,500$0.0032$0.002158.3 s
智能体编程会话60,000 / 4,000$0.022$0.0111.4 min
结构化信息提取2,000 / 200$0.0008$0.000444.4 s

Ant Group 的更多模型

本月新上线

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。

[![Ling 3.1 Flash on BenchLeader: 综合第 163 名](https://www.benchleader.com/badge/ling-3-1-flash.svg)](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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。