Ling 3.1 Flash（リング・スリー・ワン・フラッシュ）は、Ant Groupが2026年10月に公開した推論モデルで、総パラメータ560B・活性パラメータ25B・コンテキストウィンドウ1Mトークンという構成を持ち、エージェント作業を中心に前世代から劇的に性能を伸ばしたモデルです。
室谷代表取締役これはかなり面白い発表なんですよね。Artificial AnalysisがLing 3.1 Flashの評価を出していて、Intelligence Indexが41。
前世代のLing 3.0 Flashが20だったので、ほぼ倍に伸びてるんですよ。
前世代のLing 3.0 Flashが20だったので、ほぼ倍に伸びてるんですよ。
テキトー教師DotAI 認定講師単に数字が伸びた話じゃないんですよ。前世代はエージェント系の評価がほぼ壊滅状態だったのが、今回は実務レベルに持ち上がっている。
そこが発表の核心です。
そこが発表の核心です。
室谷代表取締役まず何が発表されたかを整理しましょうか。
テキトー教師DotAI 認定講師発表元はAnt Groupで、モデルページの提供元表記はinclusionAI。Artificial Analysisの公式スレッドによると、Ling 3.1 Flashは推論モデルで、560B総パラメータ、25B活性パラメータ、1Mトークンのコンテキストウィンドウ。
Intelligence Index v4.3で41を記録し、2026年8月に登場したLing 3.0 Flashの20から大きく向上したとされています。
Intelligence Index v4.3で41を記録し、2026年8月に登場したLing 3.0 Flashの20から大きく向上したとされています。
室谷代表取締役オープンウェイトになる見込みで、まもなく重みが公開されると。ここも注目ポイントですよね。
Ling 3.1 Flashとは？Ant Groupが放つ560B・25Bアクティブの推論モデル
まとめ
Ling 3.1 Flash 基本仕様
- 提供元: Ant Group（モデルページの提供元表記はinclusionAI）
- 種類: 推論モデル（回答前に内部で思考プロセスを生成するタイプ）
- 総パラメータ: 560B
- 活性パラメータ: 25B
- コンテキストウィンドウ: 1Mトークン（A4約1500ページ相当と説明）
- 公開時期: 2026年10月
- 入力/出力: テキストのみ（モデルページの表記ではtext入力・text出力）
- 公開形態: オープンウェイトになる見込み、重みは近日公開予定
- 前世代比: 124B総・5.1B活性から、総パラメータで約4.5倍、活性で約5倍に大型化
- 仕様表記の差異: Artificial Analysis側は1Mトークン、Novita AIのモデルページではコンテキスト長256K・最大出力32Kと表記が異なる
テキトー教師DotAI 認定講師まずモデルの仕様を整理しましょう。Artificial Analysisのモデルページと公式スレッドから確認できる範囲だと、こうなります。
室谷代表取締役箇条書きでお願いします。
テキトー教師DotAI 認定講師はい、整理するとこうです。
- 提供元: Ant Group（モデルページの提供元表記はinclusionAI）
- 種類: 推論モデル（回答前に内部で思考プロセスを生成するタイプ）
- 総パラメータ: 560B
- 活性パラメータ: 25B
- コンテキストウィンドウ: 1Mトークン（A4約1500ページ相当と説明）
- 公開時期: 2026年10月
- 入力/出力: テキストのみ（モデルページの表記ではtext入力・text出力）
- 公開形態: オープンウェイトになる見込み、重みは近日公開予定
室谷代表取締役前世代が124B総・5.1B活性だったので、一気に大型化したんですよね。総パラメータで約4.5倍、活性で約5倍。
テキトー教師DotAI 認定講師そこは料金にも直結する話なので、後半で詳しくやります。ちなみにNovita AIのモデルページではコンテキスト長256K・最大出力32Kという表記もあって、提供元によって仕様表記が異なる点は留意が必要です。
室谷代表取締役1MトークンというのはArtificial Analysis側の表記で、Novita経由だと256K表記。ここは実際に使うときに確認したいところですね。
Ling 3.1 Flashでできること――エージェント能力はどこまで伸びたか
Ling 3.0 Flash → Ling 3.1 Flash のエージェント能力比較
Ling 3.0 Flash（前世代）
- Terminal-Bench v4.0：0%
- AutomationBench-AA：3%
- エージェント能力はほぼゼロ
Ling 3.1 Flash（今回）
- Terminal-Bench v4.0：33%
- AutomationBench-AA：62%
- GDPval-AA v2 Elo：1,622
- AA-Briefcase Elo：1,400
- 実用水準・実務で使えるラインを越えた
室谷代表取締役今回の主眼はエージェント能力なんですよ。前世代がほぼゼロだったのが、今回は実用水準まで来ている。
テキトー教師DotAI 認定講師数字で見るとわかりやすいです。前世代のLing 3.0 FlashはTerminal-Bench v4.0が0%、AutomationBench-AAが3%でした。
これがLing 3.1 FlashではTerminal-Bench v4.0が33%、AutomationBench-AAが62%へ上昇しています。
これがLing 3.1 FlashではTerminal-Bench v4.0が33%、AutomationBench-AAが62%へ上昇しています。
室谷代表取締役Terminal-Benchは端末を使ったエージェントコーディング、AutomationBenchはSaaSワークフローの自動化を測る評価です。0%と3%から33%と62%というのは、実務で使えるかどうかのラインを越えたということですよね。
テキトー教師DotAI 認定講師さらにGDPval-AA v2のEloが1,622、AA-Briefcase Eloが1,400。Artificial Analysisはこの水準について、GLM-5.3-Flash、Gemini 3.8 Flash (high)、DeepSeek V4.1 Flash (Max)といった同級モデルと競合する水準だと説明しています。
室谷代表取締役つまり、エージェント作業を回す候補として名前が挙がる位置に来た、と。MYUUUでもエージェント系のワークフローを組むときに、モデル選定は毎回悩むんですけど、選択肢が一つ増えた感じですね。
テキトー教師DotAI 認定講師講座でも受講生さんから『エージェントに任せると途中で崩れる』という相談が多いんですよ。そういうときに見るべきは、この手のツール使用系のスコアです。
室谷代表取締役ただ、あくまでベンチマークの数字なので、実際の業務フローでどうかは別なんですよね。そこは冷静に見たいところです。
Ling 3.1 Flashのベンチマークを読み解く：Intelligence Index 41の意味
まとめ
Ling 3.1 Flash：Intelligence Index 41の読み解き
- Artificial Analysis Intelligence Index v4.3.2は10種の評価（AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1）を統合した指標
- 統合値41は176モデル中3位。すぐ上がGLM-5.3 (max)の45、下がDeepSeek V4.1 Flash (max)の39
- AA-Omniscienceは+2で、前世代の-18から22ポイント改善。正答率18%→29%、ハルシネーション率44%→38%、試行率は56%→58%とほぼ同じ
- スコア上昇は『答えを避けるようになったから』ではなく『より多くを知るようになったから』とArtificial Analysisは説明
- AA-Omniscienceは正答をreward、ハルシネーションをpenalize、回答拒否にはペナルティなしの設計。0は正答と誤答が同数、マイナスは誤答が多い状態
- 参考値としてDeepSeek V4.1 Flash (Max)のハルシネーション率は97%
- トークン効率も改善：Intelligence Index実行の出力トークンが218Mで前世代の261Mより16%少ない（モデル大型化と逆方向でコスト計算に効く）
テキトー教師DotAI 認定講師Intelligence Index 41という数字を、少し丁寧に分解しましょう。
室谷代表取締役お願いします。
テキトー教師DotAI 認定講師Artificial Analysis Intelligence Index v4.3.2は10種類の評価を統合した指標です。具体的にはAA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1が含まれます。
室谷代表取締役その統合値が41で、モデルページでは176モデル中3位という位置づけになっているんですよね。
テキトー教師DotAI 認定講師はい。そして比較モデルの並びを見ると、Ling 3.1 Flashの41のすぐ上がGLM-5.3 (max)の45、下がDeepSeek V4.1 Flash (max)の39という配置です。
室谷代表取締役知識面の改善も見逃せないんですよ。AA-Omniscienceが+2で、前世代の-18から22ポイント改善している。
テキトー教師DotAI 認定講師ここが面白いところで、正答率が18%から29%に上がり、ハルシネーション率が44%から38%に下がっている。しかも試行率は56%から58%とほぼ同じ。
つまり『答えを避けるようになったからスコアが上がった』のではなく、『より多くを知るようになったから上がった』とArtificial Analysisは説明しています。
つまり『答えを避けるようになったからスコアが上がった』のではなく、『より多くを知るようになったから上がった』とArtificial Analysisは説明しています。
室谷代表取締役これは大きいですよね。わからない問題を捨てて数値を上げるモデルはあるんですけど、そうじゃないと。
テキトー教師DotAI 認定講師参考値として、DeepSeek V4.1 Flash (Max)のハルシネーション率は97%とスレッドに記載されています。
室谷代表取締役数字の意味を誤解しないようにしたいのは、AA-Omniscienceは『正答をrewardし、ハルシネーションをpenalizeし、回答拒否にはペナルティを課さない』設計だということです。0が正答と誤答が同数、マイナスは誤答が多い状態。
前世代の-18は誤答が正答を上回っていたわけです。
前世代の-18は誤答が正答を上回っていたわけです。
テキトー教師DotAI 認定講師そこが+2になった。まだ高い水準とは言えませんが、方向性としては信頼して使う方向に舵を切ったということです。
室谷代表取締役あと地味に重要なのがトークン効率なんですよ。Intelligence Indexを実行するのに使った出力トークンが218Mで、前世代の261Mより16%少ない。
テキトー教師DotAI 認定講師モデルは大型化したのに、同じ評価を回すのに使うトークンは減った。これはコスト計算に効いてきます。
料金と提供範囲――API価格・キャッシュ割引・日本から使えるか
室谷代表取締役ここが実務で一番気になる料金の話です。
テキトー教師DotAI 認定講師Artificial Analysisのスレッドとモデルページによると、Ling 3.1 FlashのAPI価格は入力$0.30 / 出力$0.90（100万トークンあたり）です。前世代のLing 3.0 Flashは$0.075 / $0.22だったので、価格は上がっています。
室谷代表取締役モデルが大きくなったので価格上昇は当然なんですけど、キャッシュ割引が効くんですよね。
テキトー教師DotAI 認定講師はい、キャッシュ入力は$0.06 / 100万トークンで、80%割引とされています。
室谷代表取締役あと1タスクあたりのコストも見ておきたい。Ling 3.1 Flashは$0.99で、GLM-5.3-Flashの$0.42、DeepSeek V4.1 Flash (Max)の$0.32より高いけれど、Gemini 3.8 Flash (High)の$1.24よりは安い。
テキトー教師DotAI 認定講師Artificial Analysisはこの位置づけについて、『最も魅力的な象限（Most attractive quadrant）』に留まっていると表現しています。
室谷代表取締役提供範囲については、Novita AI経由でAPI提供、重みは近日公開予定。日本から使えるかというと、Novita AIのサーバーレスAPIはOpenAI互換のエンドポイントを提供しているので、APIキーを取得すれば日本からも呼び出せる形ですね。
テキトー教師DotAI 認定講師Novita AIのモデルページでは、Serverless、Function Calling、Reasoning、Anthropic APIがサポート対象として記載されています。
室谷代表取締役ただしNovita AIの料金ページを見ると、Ling 3.1 Flashの行は入力・出力ともに『Free』と表示されているんですよ。これは執筆時点の表記なので、実際に使うときは最新の料金ページを確認したほうがいいです。
テキトー教師DotAI 認定講師ここは注意点ですね。Artificial Analysis側の$0.30 / $0.90という価格と、Novita AI側の表示が一致していないので、どちらが適用されるかは利用時に確認が必要です。
室谷代表取締役あとNovita AIのモデルページではコンテキスト長256K・最大出力32Kという表記で、Artificial Analysisの1Mトークン表記と異なります。この点も利用前に確認したいところです。
Ling 3.1 Flashの使い方・始め方：Novita AI経由とオープンウェイトの行方
室谷代表取締役実際にどう使うかという話をしましょうか。
テキトー教師DotAI 認定講師現時点で確認できる提供経路はNovita AIのサーバーレスAPIです。Novita AIのモデルページにはPythonのコード例が載っていて、OpenAI互換のクライアントでbase_urlを[https://api.novita.ai/openaiに設定し、modelにinclusionai/ling-3.1-flashを指定する形になっています。
](https://api.novita.ai/openai%E3%81%AB%E8%A8%AD%E5%AE%9A%E3%81%97%E3%80%81model%E3%81%ABinclusionai/ling-3.1-flash%E3%82%92%E6%8C%87%E5%AE%9A%E3%81%99%E3%82%8B%E5%BD%A2%E3%81%AB%E3%81%AA%E3%81%A3%E3%81%A6%E3%81%84%E3%81%BE%E3%81%99%E3%80%82)
](https://api.novita.ai/openai%E3%81%AB%E8%A8%AD%E5%AE%9A%E3%81%97%E3%80%81model%E3%81%ABinclusionai/ling-3.1-flash%E3%82%92%E6%8C%87%E5%AE%9A%E3%81%99%E3%82%8B%E5%BD%A2%E3%81%AB%E3%81%AA%E3%81%A3%E3%81%A6%E3%81%84%E3%81%BE%E3%81%99%E3%80%82)
室谷代表取締役OpenAI互換というのは大きいですよね。既存のコードのモデル名を差し替えるだけで試せるので。
テキトー教師DotAI 認定講師講座でも受講生さんに『まずOpenAI互換で動かして、それから本番の構成を考える』という順番をおすすめしています。
室谷代表取締役もう一つの経路がオープンウェイトです。Artificial AnalysisはLing 3.1 Flashはオープンウェイトになる見込みで、Ant Groupがまもなく重みを公開するとしています。
テキトー教師DotAI 認定講師ただし現時点では重みの公開日やライセンスは明らかにされていません。ここは続報待ちですね。
室谷代表取締役セルフホストできるようになると、データを外に出せない用途でも使えるようになるので、そこは注目です。ただ560B総パラメータのモデルを自前で動かすのは簡単ではないので、現実的にはAPI経由が中心になると思います。
テキトー教師DotAI 認定講師用途としては、低遅延のアシスタント、情報抽出、定型業務の自動化、エージェントワークフローといったところが想定されます。特にAutomationBench-AAの62%という数字は、SaaSの操作を伴う自動化に向いていることを示しています。
室谷代表取締役速度も見ておくと、出力速度は210.4トークン/秒で176モデル中16位。これはかなり速い部類です。
テキトー教師DotAI 認定講師一方でモデルページでは『very verbose（非常に冗長）』とも指摘されていて、Intelligence Indexの実行で220Mトークンを生成しています。中央値が100Mなので、出力が長くなりがちなモデルだということです。
室谷代表取締役速いけど喋りすぎる、と。コスト計算をするときは出力トークン数に注意が必要ですね。
競合比較：GLM・Gemini・DeepSeekと比べて乗り換える価値はあるか
テキトー教師DotAI 認定講師競合との比較を整理しましょう。まずIntelligence Indexの並びです。
室谷代表取締役箇条書きでお願いします。
テキトー教師DotAI 認定講師はい、Artificial Analysisのモデルページに記載されている数値だけを並べるとこうです。
- Ling 3.1 Flash: Intelligence Index 41、1タスク$0.99、出力速度210トークン/秒
- GLM-5.3 (max): Intelligence Index 45、1タスク$2.01
- GLM-5.3-Flash: 1タスク$0.42
- DeepSeek V4.1 Flash (max): Intelligence Index 39、1タスク$0.27
- Gemini 3.8 Flash (High): 1タスク$1.24
室谷代表取締役エージェント系のEloで見ると、Ling 3.1 FlashはGDPval-AA v2が1,622、AA-Briefcaseが1,400で、GLM-5.3-Flash、Gemini 3.8 Flash (high)、DeepSeek V4.1 Flash (Max)と競合する水準だとArtificial Analysisは説明しています。
テキトー教師DotAI 認定講師乗り換える価値があるかという問いに対しては、単純な性能順位では判断できないんですよ。タスクあたりのコストで見ると、Ling 3.1 Flashの$0.99はGLM-5.3-Flashの$0.42やDeepSeek V4.1 Flash (Max)の$0.32より高い。
室谷代表取締役でもGemini 3.8 Flash (High)の$1.24よりは安い。つまり『高性能だが最安ではない』というポジションです。
テキトー教師DotAI 認定講師判断のポイントは、エージェント作業の成功率とトークン効率のバランスです。Ling 3.1 Flashは前世代より16%少ない出力トークンで同じ評価を回せているので、冗長さを差し引いてもコスト効率は改善していると考えられます。
室谷代表取締役あとキャッシュ割引80%が効く場面では、実効コストがかなり下がるんですよね。同じコンテキストを繰り返し使うエージェントワークフローとは相性がいいと思います。
テキトー教師DotAI 認定講師逆に、単発の短い問い合わせを大量に投げるような用途では、出力の冗長さがコストに響きます。そこは用途で分かれるところです。
室谷代表取締役テキトー教師DotAI 認定講師室谷代表取締役よくある質問
室谷代表取締役最後に、よく聞かれる質問を整理しておきましょう。
テキトー教師DotAI 認定講師はい、ソースで裏が取れる範囲で答えます。
Q. Ling 3.1 Flashはいつリリースされましたか？
テキトー教師DotAI 認定講師Artificial Analysisのモデルページでは2026年10月リリースと記載されています。背景ブリーフでは前世代のLing 3.0 Flashが2026年8月に登場したとされています。
Q. Ling 3.1 Flashは誰が作りましたか？
テキトー教師DotAI 認定講師Ant Groupです。モデルページの提供元表記はinclusionAI、Artificial Analysisのスレッドでは@AntLingAGIがリリースしたと記載されています。
Q. Ling 3.1 Flashのパラメータ数は？
テキトー教師DotAI 認定講師総パラメータ560B、活性パラメータ25Bです。前世代は124B総・5.1B活性でした。
Q. Ling 3.1 Flashは推論モデルですか？
テキトー教師DotAI 認定講師はい、推論モデルです。モデルページには『This page shows the reasoning version of this model. A non-reasoning variant may also exist.』と記載されており、非推論版が存在する可能性にも触れられています。
Q. コンテキストウィンドウはどのくらいですか？
テキトー教師DotAI 認定講師Artificial Analysisのモデルページでは1Mトークン（A4約1500ページ相当）と記載されています。一方、Novita AIのモデルページではコンテキスト長256K・最大出力32Kという表記になっており、提供元によって表記が異なります。
Q. Ling 3.1 Flashの料金は？
テキトー教師DotAI 認定講師Artificial Analysisのスレッドとモデルページでは入力$0.30 / 出力$0.90（100万トークンあたり）、キャッシュ入力$0.06（80%割引）とされています。Novita AIの料金ページではLing 3.1 Flashの行がFreeと表示されており、表記が一致していない点は利用時に確認が必要です。
Q. Ling 3.1 Flashはオープンソースですか？
テキトー教師DotAI 認定講師オープンウェイトになる見込みで、Ant Groupがまもなく重みを公開するとされています。ただし現時点でライセンスや公開日は明らかにされていません。
Q. Ling 3.1 Flashはどこで使えますか？
テキトー教師DotAI 認定講師Novita AI経由でAPI提供されています。Novita AIのモデルページではServerless、Function Calling、Reasoning、Anthropic APIがサポート対象として記載されています。
Q. Ling 3.1 Flashは画像を処理できますか？
テキトー教師DotAI 認定講師モデルページの表記では入力はtextのみ、出力もtextのみです。画像入力には対応していない形になっています。
Q. Ling 3.1 Flashのベンチマーク性能は？
テキトー教師DotAI 認定講師Intelligence Index v4.3で41、Terminal-Bench v4.0が33%、AutomationBench-AAが62%、GDPval-AA v2 Eloが1,622、AA-Briefcase Eloが1,400、AA-Omniscienceが+2（正答率29%、ハルシネーション率38%）です。
室谷代表取締役というわけで、Ling 3.1 Flashは『前世代から劇的に伸びたが、価格も上がった』という両面を持つモデルなんですよね。エージェント用途で候補に入れる価値は十分あると思いますが、出力が冗長になりがちな点と、提供元による仕様表記の違いは押さえておきたいところです。
テキトー教師DotAI 認定講師重みの公開が待たれるところですね。続報が出たらまた整理しましょう。
