室谷代表取締役Ling 3.1 Flash 1019は、AntLingAGI（InclusionAI）が2026年10月にリリースしたオープンウェイトの推論モデルで、総パラメータ560B・アクティブ25B、1Mトークンのコンテキストウィンドウを持つんですよね。Artificial Analysisがこのほど評価結果を公表しました。
テキトー教師DotAI 認定講師先代のLing 3.1 Flashの後継という位置づけですね。単に「賢くなった」という話じゃないんですよ。
知能スコアは上がったけれど、出力トークンが増えてタスク単価も上がっている。そこが今回の一番おいしい論点です。
知能スコアは上がったけれど、出力トークンが増えてタスク単価も上がっている。そこが今回の一番おいしい論点です。
室谷代表取締役まず基本情報を整理しておきたいです。Artificial Analysisのスレッドでは、Ling 3.1 Flash 1019はLing 3.1 Flashのアップデートで、560B total parameters、25B active parameters、1M token context windowの推論モデルと説明されています。
そしてLing 3.1 Flashと同じくオープンウェイトだと。
そしてLing 3.1 Flashと同じくオープンウェイトだと。
テキトー教師DotAI 認定講師ライセンスはMITです。公式ページの技術仕様にもLicense MIT、Model weights Hugging Faceとあります。
オープンウェイトでMITというのは、自前で動かす前提の開発者にとってはかなり素直な条件ですね。
オープンウェイトでMITというのは、自前で動かす前提の開発者にとってはかなり素直な条件ですね。
室谷代表取締役560B総・25Bアクティブというのは、毎トークン動かすのは25Bだけという設計です。巨大なモデルの能力を、比較的低コストで動かす方向に振っているわけですよね。
MYUUUでもモデル選定のときは、総パラメータよりアクティブ側をまず見ますから、この数字は現実的だなと思います。
MYUUUでもモデル選定のときは、総パラメータよりアクティブ側をまず見ますから、この数字は現実的だなと思います。
テキトー教師DotAI 認定講師受講生さんにもよく言うんですけど、総パラメータの大きさは「ポテンシャル」、アクティブは「実際に払う計算コスト」に近い。そこを分けて読めるかどうかで、モデル選定の精度が変わってきます。
Ling 3.1 Flash 1019とは？560B総・25Bアクティブのオープンウェイト推論モデル
Ling 3.1 Flash 1019の基本スペック
パラメータ構成
総パラメータ560B、アクティブ25B
コンテキストウィンドウ
1Mトークン（約1,573ページ相当、12pt Arial相当のA4換算）
入出力
入力はテキスト、出力もテキスト
推論モデル
回答前に思考プロセスを生成。公式ページにReasoning Yes、reasoning versionと明記
非推論バリアント
存在する可能性に言及されているが、詳細は現時点では未公開
モデルクラス
Artificial AnalysisではLarge（150B超）に分類。同サイズのオープンウェイト同士で比較
公式の位置づけ
同サイズのオープンウェイトモデルと比べ知能は上位、価格は妥当。中央値Index 23の中での評価
室谷代表取締役スペックをもう少し丁寧に置いておきます。総パラメータ560B、アクティブ25B、コンテキストウィンドウ1Mトークン。
公式ページでは1Mトークンを約1,573ページ相当（12pt Arial相当のA4換算）と説明しています。入力はテキスト、出力もテキストですね。
公式ページでは1Mトークンを約1,573ページ相当（12pt Arial相当のA4換算）と説明しています。入力はテキスト、出力もテキストですね。
テキトー教師DotAI 認定講師推論モデルですから、回答の前に思考プロセスを生成するタイプです。公式ページにもReasoning Yesとあり、このページはreasoning versionだと明記されています。
非推論のバリアントが存在する可能性にも触れられていますが、詳細は現時点では明らかにされていません。
非推論のバリアントが存在する可能性にも触れられていますが、詳細は現時点では明らかにされていません。
室谷代表取締役ここ、地味に大事なんですよね。推論モデルは「考える分だけ出力トークンが増える」という構造を持っています。
だから後で出てくるコストの話に直結する。スペック表だけ見ていると見落とすところです。
だから後で出てくるコストの話に直結する。スペック表だけ見ていると見落とすところです。
テキトー教師DotAI 認定講師あと、Artificial Analysisのモデルクラス分けも押さえておきたいです。オープンウェイトモデルは同サイズクラス同士で比較される。
今回の560BはLarge（150B超）に分類されます。比較の土俵が「同サイズのオープンウェイト」であることは、スコアを読む前提ですね。
今回の560BはLarge（150B超）に分類されます。比較の土俵が「同サイズのオープンウェイト」であることは、スコアを読む前提ですね。
室谷代表取締役公式ページの要約では、同サイズのオープンウェイトモデルと比べて知能は上位、価格は妥当と位置づけられています。中央値がIndex 23の中での評価です。
この「中央値23」という数字も、あとで効いてきます。
この「中央値23」という数字も、あとで効いてきます。
Ling 3.1 Flash 1019でできること——1Mトークン文脈とエージェント／科学推論の強化点
Ling 3.1 Flash 1019の強化点（先代からの変化）
| 評価軸 | 先代 | Ling 3.1 Flash 1019 | 変化 |
|---|---|---|---|
| 文脈長（1Mトークン） | △ | ○ | 長い資料・複数ドキュメントを一度に扱える規模 |
| AA-Briefcase v1.1（Elo） | 1397 | 1521 | +124 |
| GDPval-AA v2.1（Elo） | 1617 | 1653 | +36 |
| Humanity's Last Exam | 39% | 43% | +4pt |
| CritPt（物理推論） | 18% | 26% | +8pt |
テキトー教師DotAI 認定講師できることの整理ですが、まず1Mトークンの文脈があります。長い資料をまとめて読ませる、複数ドキュメントをまたぐ作業を一度の入力で扱える規模です。
室谷代表取締役エージェント系の改善がはっきり出ているのが今回の特徴です。AA-Briefcase v1.1のEloが1521で、先代の1397から124ポイント上がっている。
GDPval-AA v2.1は1653で、1617から36ポイントの向上です。
GDPval-AA v2.1は1653で、1617から36ポイントの向上です。
テキトー教師DotAI 認定講師AA-Briefcaseはエージェント的なナレッジワーク、GDPval-AAは実世界の業務タスクをEloで測る指標です。Eloが2桁ポイント動くのは、体感でも差が出やすい領域なんですよ。
室谷代表取締役科学推論も伸びています。Humanity's Last Examが43%で先代39%から4ポイント、CritPtが26%で18%から8ポイントの改善です。
テキトー教師DotAI 認定講師CritPtは物理推論の評価ですね。8ポイントは相対で見ると大きい。
研究系のタスクを回したい人には響く数字だと思います。
研究系のタスクを回したい人には響く数字だと思います。
室谷代表取締役ただ、ここで一度冷静になりたいんですよね。エージェントも科学推論も伸びているけれど、それは「出力をたくさん使って考える」ことで取っている面がある。
次のベンチマークの章で、その構造を見ていきましょう。
次のベンチマークの章で、その構造を見ていきましょう。
Ling 3.1 Flash 1019のベンチマーク結果——Intelligence Index 44、AutomationBench 68%の意味
Intelligence Indexのバージョン別スコア
v4.3（Artificial Analysisスレッド）
- スコア44
- 先代41から向上
- 評価セットはv5.0と異なる
v5.0（公式ページ）
- スコア29
- 同サイズのオープンウェイトモデル中央値23を上回る
- 9評価で構成（AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2 Hard Subset、Terminal-Bench-Science 0.1）
- 評価で240Mトークンを生成（中央値99M、very verbose）
テキトー教師DotAI 認定講師指標の整理をするとこうです。まず前提として、Artificial AnalysisのスレッドはIntelligence Index v4.3のスコアとして44（先代41から向上）を挙げています。
一方、公式ページにはv5.0でのスコア29が掲載されています。指標のバージョンが併存している点は、読むときに必ず意識してください。
一方、公式ページにはv5.0でのスコア29が掲載されています。指標のバージョンが併存している点は、読むときに必ず意識してください。
室谷代表取締役ここは混同すると事故るので、丁寧に。スレッドの44はv4.3、公式ページの29はv5.0。
数字が違うのは、評価セットが違うからです。v5.0はAA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2（Hard Subset）、Terminal-Bench-Science 0.1の9評価で構成されています。
数字が違うのは、評価セットが違うからです。v5.0はAA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2（Hard Subset）、Terminal-Bench-Science 0.1の9評価で構成されています。
テキトー教師DotAI 認定講師ですので「44」と「29」のどちらが正しいという話ではなく、どのバージョンの指標かで読む必要があります。このあたりの指標設計はArtificial Analysis Intelligence Index v5とは？9評価・非公開6割の新指標を解説でも詳しく解説しています。
室谷代表取締役個別のベンチマークも並べておきます。AutomationBench-AAは68%で、先代62%から6ポイント向上。
AA-Briefcase v1.1のElo 1521、GDPval-AA v2.1のElo 1653、Humanity's Last Exam 43%、CritPt 26%。これがスレッドで示された主要結果です。
AA-Briefcase v1.1のElo 1521、GDPval-AA v2.1のElo 1653、Humanity's Last Exam 43%、CritPt 26%。これがスレッドで示された主要結果です。
テキトー教師DotAI 認定講師AutomationBench-AAはエージェントのSaaSワークフローを測る評価です。68%というのは、業務フローの自動化を狙う人にとっては現実的な目安になります。
62%から68%への6ポイントは、失敗率でいうと38%から32%への改善ですから、地味ですが効きます。
62%から68%への6ポイントは、失敗率でいうと38%から32%への改善ですから、地味ですが効きます。
室谷代表取締役そして公式ページの位置づけでは、同サイズのオープンウェイトモデルの中央値23に対して29（v5.0）で、平均を大きく上回るとされています。知能は上位、価格は妥当という要約ですね。
テキトー教師DotAI 認定講師ただし公式ページは同時に、Intelligence Indexの評価で240Mトークンを生成したとも書いています。中央値が99Mですから、非常に冗長（very verbose）だと。
ここが次のコストの章の伏線です。
ここが次のコストの章の伏線です。
Ling 3.1 Flash 1019の料金とコスト——入力$0.30／出力$0.90、タスク単価$1.49のからくり
室谷代表取締役料金は入力$0.30/1Mトークン、出力$0.90/1Mトークン、キャッシュ入力は$0.06/1Mで80%割引です。ここまでは素直な価格表なんですよね。
問題はタスク単価です。
問題はタスク単価です。
テキトー教師DotAI 認定講師スレッドではCost per Taskが$1.49と示されています。先代より高い。
理由ははっきり書かれていて、出力トークン数が増えたことが主因だと。タスクあたりの出力トークンは103kから145kへ、40%以上増えています。
理由ははっきり書かれていて、出力トークン数が増えたことが主因だと。タスクあたりの出力トークンは103kから145kへ、40%以上増えています。
室谷代表取締役ここが今回の記事の核心です。単価は入力$0.30、出力$0.90という同じ土俵なのに、タスク単価が上がる。
なぜなら推論モデルは考える分だけ出力を吐くから。単価表だけ見て「安い」と判断すると、実際の請求で裏切られるんですよ。
なぜなら推論モデルは考える分だけ出力を吐くから。単価表だけ見て「安い」と判断すると、実際の請求で裏切られるんですよ。
テキトー教師DotAI 認定講師講座でも、料金表の単価だけで比較する受講生さんが多いんですけど、実際のコストは「単価×トークン量」です。今回のモデルは、まさにその掛け算の後半が膨らんでいる典型例ですね。
室谷代表取締役公式ページの表現も正確に置いておきます。入力$0.30/1Mは中程度（中央値$0.43）、出力$0.90/1Mも中程度（中央値$1.40）。
そしてIntelligence Indexのタスクあたり平均コストは$3.19と書かれています。スレッドの$1.49とは数字が違いますが、これは指標バージョンと算出条件の違いによるものと考えられます。
現時点で両者の厳密な対応関係は明らかにされていません。
そしてIntelligence Indexのタスクあたり平均コストは$3.19と書かれています。スレッドの$1.49とは数字が違いますが、これは指標バージョンと算出条件の違いによるものと考えられます。
現時点で両者の厳密な対応関係は明らかにされていません。
テキトー教師DotAI 認定講師そこは混ぜずに、出典ごとに分けて書くのが誠実ですね。スレッドはv4.3ベースの$1.49、公式ページはv5.0ベースの$3.19。
どちらも「出力トークンが多いモデルはタスク単価が上がる」という同じ構造を示しています。
どちらも「出力トークンが多いモデルはタスク単価が上がる」という同じ構造を示しています。
室谷代表取締役比較の位置づけもスレッドに書かれています。Ling 3.1 Flash 1019は先代より高いけれど、Mistral Large 4 PreviewやGLM 5.3よりは安いと。
この「高いが、一部よりは安い」という相対位置を正確に持っておくのが大事です。
この「高いが、一部よりは安い」という相対位置を正確に持っておくのが大事です。
テキトー教師DotAI 認定講師コストを見るときの実務的な順序を整理するとこうです。単価を見る、次にタスクあたりの出力トークン量を見る、最後に自分のユースケースでの1タスクあたりの回数と掛ける。
この3段階で見れば、$1.49や$3.19の意味が自分事になります。
この3段階で見れば、$1.49や$3.19の意味が自分事になります。
室谷代表取締役キャッシュ入力が$0.06/1Mで80%割引というのも見逃せないです。同じ長い文脈を何度も使い回す使い方なら、入力側のコストは大きく下がる。
1Mトークン文脈とキャッシュ割引の組み合わせは、長資料を繰り返し参照する業務と相性がいいですね。
1Mトークン文脈とキャッシュ割引の組み合わせは、長資料を繰り返し参照する業務と相性がいいですね。
Ling 3.1 Flash 1019の使い方・始め方——Hugging FaceとInclusionAI APIでの利用
テキトー教師DotAI 認定講師入手経路は2つです。Hugging Faceでオープンウェイトのモデルとして公開されていて、InclusionAIのファーストパーティAPIからも利用できます。
モデル名はLing-3.1-flash-1019と表記されています。
モデル名はLing-3.1-flash-1019と表記されています。
室谷代表取締役オープンウェイトなので自前でホストする道と、APIで叩く道の両方がある。検証だけならAPI、本番で大量に回すなら自前ホストという判断がしやすい構成ですよね。
Hugging Faceの基本的な使い方はHugging Faceとは？できること・料金・商用利用とNVIDIA買収の現在で解説しています。
Hugging Faceの基本的な使い方はHugging Faceとは？できること・料金・商用利用とNVIDIA買収の現在で解説しています。
テキトー教師DotAI 認定講師ライセンスがMITなので、商用利用の条件面でも読みやすいです。ただし実際に自前でホストするとなると、560B総・25Bアクティブのモデルですから、それなりの計算資源が要ります。
そこは現実的に見積もる必要があります。
そこは現実的に見積もる必要があります。
室谷代表取締役あと、公式ページには「No publicly available API」という表示も出ています。これはArtificial Analysis側の評価ページの表示であって、InclusionAIのファーストパーティAPI自体が使えないという意味ではありません。
ここは誤読しやすいので注意です。
ここは誤読しやすいので注意です。
テキトー教師DotAI 認定講師そうですね。スレッドではInclusionAIのファーストパーティAPIからアクセス可能と明記されています。
第三者のAPIプロバイダ経由での提供状況については、現時点では明らかにされていません。
第三者のAPIプロバイダ経由での提供状況については、現時点では明らかにされていません。
室谷代表取締役テキトー教師DotAI 認定講師旧Ling 3.1 FlashとLing 3.1 Flash 1019はどちらを選ぶべきか
室谷代表取締役ここが実務で一番聞かれるところです。整理すると、1019は知能・エージェント・科学推論のすべてで先代を上回る。
ただしタスクあたりの出力トークンが40%以上増えて、タスク単価は上がる。つまり「性能を取るか、単価を取るか」の選択になるんですよね。
ただしタスクあたりの出力トークンが40%以上増えて、タスク単価は上がる。つまり「性能を取るか、単価を取るか」の選択になるんですよね。
テキトー教師DotAI 認定講師判断軸を分けて考えるといいです。第一に、タスクの性質。
エージェント的な業務フローや科学推論のように、正答率がそのまま価値になるタスクなら1019が向いています。AutomationBenchが62%から68%に上がっているのは、失敗のやり直しコストを考えれば効いてきます。
エージェント的な業務フローや科学推論のように、正答率がそのまま価値になるタスクなら1019が向いています。AutomationBenchが62%から68%に上がっているのは、失敗のやり直しコストを考えれば効いてきます。
室谷代表取締役第二に、量。大量の軽い処理を回すなら、出力トークンが少ない先代のほうが単価で勝つ場面はあります。
逆に、1タスクあたりの単価が多少上がっても、やり直しが減るほうがトータルで安いというケースも多い。ここは試算してから決めるべきです。
逆に、1タスクあたりの単価が多少上がっても、やり直しが減るほうがトータルで安いというケースも多い。ここは試算してから決めるべきです。
テキトー教師DotAI 認定講師第三に、文脈の長さ。1Mトークンの文脈とキャッシュ入力80%割引を活かせる使い方なら、1019の構成は魅力的です。
長い資料を繰り返し参照する業務は、まさにこの設計の狙い目ですね。
長い資料を繰り返し参照する業務は、まさにこの設計の狙い目ですね。
室谷代表取締役まとめると、性能が直接売上や工数削減に効くタスクは1019、単価と処理量が勝負のタスクは先代、というのが素直な指針です。どちらが上という話ではなく、タスクの形で決める話なんですよね。
テキトー教師DotAI 認定講師あと、指標バージョンの注意も最後に置いておきたいです。スレッドの44はv4.3、公式ページの29はv5.0。
社内で比較表を作るときは、同じバージョンの数字だけを並べる。これを守るだけで、意思決定の質が変わります。
社内で比較表を作るときは、同じバージョンの数字だけを並べる。これを守るだけで、意思決定の質が変わります。
室谷代表取締役同サイズのオープンウェイトモデルの中央値が23（v5.0）という数字も、判断材料として大きいです。中央値を大きく上回る知能を持ちながら、価格は中程度。
冗長さというコストを許容できるなら、選択肢としてかなり有力だと思います。
冗長さというコストを許容できるなら、選択肢としてかなり有力だと思います。
よくある質問
テキトー教師DotAI 認定講師ここからは、よく聞かれる点を整理していきます。まず、Ling 3.1 Flash 1019のスペックは何ですか。
室谷代表取締役総パラメータ560B、アクティブ25B、コンテキストウィンドウ1Mトークンの推論モデルです。ライセンスはMIT、重みはHugging Faceで公開されています。
入力・出力ともにテキストです。
入力・出力ともにテキストです。
テキトー教師DotAI 認定講師ベンチマークのスコアはどう読めばいいですか。
室谷代表取締役Artificial AnalysisのスレッドではIntelligence Index v4.3で44（先代41から向上）、AutomationBench-AAが68%、AA-Briefcase v1.1のEloが1521、GDPval-AA v2.1のEloが1653、Humanity's Last Examが43%、CritPtが26%と示されています。公式ページにはv5.0で29という記載もあります。
指標バージョンが違うので、併記して読むのが正確です。
指標バージョンが違うので、併記して読むのが正確です。
テキトー教師DotAI 認定講師料金はいくらですか。
室谷代表取締役入力$0.30/1Mトークン、出力$0.90/1Mトークン、キャッシュ入力$0.06/1M（80%割引）です。タスクあたりのコストはスレッドで$1.49、公式ページでは$3.19と示されています。
出力トークンが先代より40%以上増えていることが主因です。
出力トークンが先代より40%以上増えていることが主因です。
テキトー教師DotAI 認定講師無料で使えますか。
室谷代表取締役無料提供についての記載は、今回の資料にはありません。現時点では明らかにされていません。
オープンウェイトでMITライセンスですから自前でホストする道はありますが、その場合も計算資源のコストはかかります。
オープンウェイトでMITライセンスですから自前でホストする道はありますが、その場合も計算資源のコストはかかります。
テキトー教師DotAI 認定講師どこで使えますか。
室谷代表取締役Hugging Faceでオープンウェイトとして公開されていて、InclusionAIのファーストパーティAPIから利用できます。第三者のAPIプロバイダ経由の提供状況は、現時点では明らかにされていません。
テキトー教師DotAI 認定講師旧版とどちらを選ぶべきですか。
室谷代表取締役エージェント業務や科学推論のように正答率が価値に直結するタスクは1019、大量の軽い処理で単価を抑えたいなら先代、というのが素直な指針です。1Mトークン文脈とキャッシュ割引を活かせるかどうかも判断材料になります。
テキトー教師DotAI 認定講師リリース時期と公開状況を最後に確認しておきます。
室谷代表取締役2026年10月にリリースされたモデルで、オープンウェイトとして公開されています。Artificial Analysisがその評価結果を公表したという流れです。
テキトー教師DotAI 認定講師今回のポイントは、性能が上がったことと、その性能を出力トークンで買っていることの両面です。単価表だけで判断せず、タスクあたりのトークン量まで見て選ぶ。
そこが実務での分かれ目になりますね。
そこが実務での分かれ目になりますね。
