Trzy. Otwarte wagi: Ling 3.1 Flash domyka lukę agentową, a Google wypuszcza multimodalne embeddingi na telefon
Trzeci wątek pokazuje, że chińska czołówka otwartych wag nie zwalnia, a warstwa otwarta wchodzi w zupełnie nowe zastosowania. Ant Group przez swoje laboratorium InclusionAI wypuściło Ling 3.1 Flash, model typu sparse mixture-of-experts o około 560 miliardach parametrów całkowitych i 25 miliardach aktywnych na token, dostępny na razie przez dostawcę Novita AI. Według Artificial Analysis model osiągnął 41 punktów w indeksie inteligencji w wersji 4.3, ponad dwukrotnie więcej niż poprzednik Ling 3.0 Flash z 20 punktami, a największe skoki dotyczą pracy z narzędziami: Terminal-Bench w wersji 4.0 wzrósł z zera do 33 procent, a AutomationBench-AA z 3 do 62 procent. Cena jest agresywna — 0,30 dolara za milion tokenów wejściowych i 0,90 za wyjściowe, z pamięcią podręczną po 0,06 — choć w porównaniu z poprzednikiem oznacza około czterokrotny wzrost stawek, częściowo zniwelowany mniejszym zużyciem tokenów. Wagi mają pojawić się w ciągu kilku tygodni, ale licencja i format nie zostały jeszcze ogłoszone. Warto odnotować przy tym jedną liczbę z tego samego pomiaru: Artificial Analysis raportuje 97-procentowy wskaźnik halucynacji dla DeepSeek V4.1 Flash w trybie rozszerzonym, co jest przypomnieniem, że wysokie wyniki w indeksach zdolności niewiele mówią o niezawodności faktograficznej. Równolegle Google DeepMind wypuściło EmbeddingGemma 2, otwarty na licencji Apache 2.0 model embeddingowy o 740 milionach parametrów, który w jednej wspólnej przestrzeni obsługuje tekst, kod, obrazy, dźwięk i wideo, a dzięki budowie modułowej zajmuje około 191 megabajtów pamięci w trybie sam tekst i około 567 megabajtów w pełnym trybie multimodalnym na telefonie klasy Pixel 11 Pro. To nie jest premierowy model frontier, ale zmienia ekonomię wyszukiwania lokalnego: pozwala trzymać indeks i dane użytkownika na urządzeniu, bez wysyłania ich do chmury.
Źródło: artificial-analysis