AntがAIエージェント向けに256Kコンテキストを備えたLing-3.0-flashをリリース

Why it matters

Ling-3.0-flash gives developers another low-active-compute option for long-context agents and tool calls. Its value will depend on whether Ant's sparse architecture reduces total workflow cost after retries, context processing and failed actions are counted.

2026年7月24日、Ant GroupはLing-3.0-flashをリリースし、同社のLingモデルファミリーに長時間実行されるエージェントワークフロー、ツール呼び出し、高スループット推論向けに構築されたスパースなmixture-of-expertsシステムを導入したと、公式リリースページは伝えている。Antのドキュメントによれば、総パラメータ数は1240億、各トークンあたりでアクティブになるパラメータは51億、ネイティブの256,000トークンのコンテキストウィンドウを持ち、コンテキストを100万トークンに拡張するオプションがあるとされる。

モデルは推論（reasoning）モードと非推論（non-reasoning）モードを切り替えられ、より難度の高いプロンプトにはアプリケーションが追加の計算資源を割り当てられる。AntはFlashをツール呼び出しや本番のAIエージェントワークロード向けに位置づけている。

Sparse computation for agent workloads

Ling-3.0-flashはmixture-of-expertsアーキテクチャを採用しており、各トークンをモデル全体のすべてのパラメータではなく選択された一部の経路にルーティングして処理する。トークンごとに51億のアクティブなパラメータは、各トークンに対して開示された即時の計算負荷を表すが、総サービングコストはメモリ要件、コンテキスト長、出力量、ハードウェアおよびプロバイダの実装効率にも依存する。

AntはFlashが最大で毎秒1,000トークンの推論速度と、最初のトークン生成までの時間（time-to-first-token）が100ミリ秒未満に到達できると主張しているとモデルのドキュメントは述べている。これらの数値はベンダーの主張であり、レビュー対象の資料で独立に検証されたものではない。エージェント内でのパフォーマンスは、ツールのレイテンシ、プロンプトのキャッシュ、再試行の有無、モデルがより大きなシステムにタスクをエスカレーションせずにワークフローを完了できるかどうかにも左右される。

ネイティブの256,000トークンのコンテキストは、開発者が大規模なコードリポジトリ、文書コレクション、または長いやり取りの履歴を単一のセッションに渡す余地を与える。Antはウィンドウを100万トークンに拡張できると述べているが、モデルが比較的小さなパラメータ割合しかアクティブ化しない場合でも、より大きなコンテキストはメモリ使用量と処理コストを高める可能性がある。

FlashはAnt Ling API、OpenRouter、ZenMuxを通じて利用可能であるとAntのリリースページおよび開発者向け資料は伝えている。ドキュメントにはClaude Code、OpenClaw、Kilo Code、Hermes Agentとの統合も記載されている。

これらのチャネルは、開発者が推論ハードウェアを運用せずにモデルをテストするいくつかの方法を提供する。Antは本稿でレビューした資料の中でLing固有の顧客数、有料APIの利用量、収益、モデルダウンロード数を開示しておらず、公開されている統合や配布チャネル以外での採用に関する証拠は限られている。

Ling operates as an internal Ant research project

LingはAnt Group内部の研究および製品イニシアチブである。AntのLingモデルのドキュメントは、Lingを独自に開発されたオープンソースの汎用モデルシリーズとして説明している。研究は集合的なLing Teamに帰属している。最近のLing and Ringに関する技術報告では数百人の著者のうち最初にAng LiとBen Liuが記載されているが、公開資料では単一のプロジェクト創設者を特定したり、両研究者のいずれかがプログラムを主導していることを示したりしていない。

Ant Groupは2004年に設立されたAlibabaの決済サービスAlipayから発展し、企業としての設立は2014年にさかのぼる。同社の本社は中国の杭州にある。LingはAntの企業研究および製品運営を通じて資金提供されており、Ling固有の投資家、評価額、調達資金は開示されていない。

Antが公表したロードマップは、Ling 1.0を2025年3月、Ling 2.0を2025年10月、Ling 2.5を2026年2月、Ling 2.6を2026年4月、そしてLing 3.0を2026年7月に配置している。したがってFlashは、Antが18か月弱の間に複数回改訂してきたモデルプログラムを拡張する形となる。

Competition is shifting toward active compute

Antは、スパースアーキテクチャや小さなサービングフットプリントをますます打ち出すモデル開発者と競合している。AlibabaのQwen3-30B-A3Bは総パラメータ数が300億、アクティブ化されるのが30億で、思考（thinking）モードと非思考（non-thinking）モードの両方をサポートしている。Qwenはその世代を2025年4月に立ち上げ、複数のモデルサイズにまたがるオープンウェイトのラインナップの一部として提供した。

他社は異なる方向から低コスト推論に取り組んでいる。Liquid AIは非トランスフォーマーアーキテクチャで、オンデバイスおよびオンプレミス向けに3.5億〜26億パラメータのLFM2モデルを提供している。IBMのGranite 4.0は制約のあるハードウェアを想定した小型およびハイブリッドのmixture-of-expertsバリアントを含む。小型のタスク特化型エンタープライズモデルを開発するFastinoは、2025年5月にKhosla Ventures主導で1,750万ドルを調達した。

Ling-3.0-flashの商業的な妥当性は、ドルあたりに完了できる作業量（completed work per dollar）に依存する。アクティブなパラメータ数が少ないことは個々の呼び出しのコストを下げ得るが、エージェントシステムは再試行、ツール呼び出しの失敗、コンテキストの繰り返し処理によって隠れたコストを被ることが多い。Antはアーキテクチャ、アクセス経路、ベンダーのパフォーマンス目標を提示している。Flashが仕様が示す速度とコストで長いエージェントシーケンスを処理できるかどうかは、本番利用のデータが判断することになる。