Ling 3.1 Flash na prática: modelo gratuito de 560B em tarefas reais

Autoria: Fahd Mirza · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Ling 3.1 Flash Hands-On: Free 560B Model vs Real Tasks · Canal: Fahd Mirza · 09:53 · Assistir no YouTube

Tópicos: Agentes de IA, Avaliação e benchmarks de IA, Engenharia de software com IA, Modelos de IA, Saúde e ciência

Resumo

O vídeo testa o Ling 3.1 Flash, um modelo híbrido de raciocínio com cerca de 560 bilhões de parâmetros totais, aproximadamente 25 bilhões ativos por token e contexto de até um milhão de tokens. Em tarefas práticas, ele falha ao tentar criar um jogo com Blender e Go, mas produz uma cena SVG animada satisfatória e analisa com precisão uma consulta SQL lenta. O apresentador também avalia seu desempenho em um caso clínico simulado e em um teste com 80 idiomas, destacando bons resultados em idiomas mais comuns e limitações nos menos usados. A conclusão é que, embora não seja o melhor da categoria, pode ser útil como modelo generalista para tarefas cotidianas.

Pontos-chave

O Ling 3.1 Flash tem cerca de 560 bilhões de parâmetros no total, dos quais aproximadamente 25 bilhões ficam ativos por token, e aceita contexto de até um milhão de tokens.
No momento do vídeo, o modelo ainda não era open source, mas a empresa dizia que isso mudaria em breve.
Benchmarks citados mostram resultados fortes em tarefas práticas de agentes, embora o modelo não lidere em todos os testes.
A tentativa de criar um jogo com Blender e Go falhou: os elementos apareceram, mas ficaram desorientados e sem funcionamento adequado.
O modelo gerou uma cena noturna de cidade em SVG dentro de um arquivo HTML autocontido, com resultado considerado bom pelo apresentador.
Na otimização de SQL, identificou uma subconsulta correlacionada como principal gargalo e propôs substituí-la por uma junção pré-agregada.
Na análise da consulta, também criou dados sintéticos, mediu o desempenho e explicou por que outras mudanças não ajudariam tanto.
O teste clínico foi apresentado como uma avaliação, não como orientação médica; o apresentador alertou que o modelo não substitui um profissional de saúde.
No teste multilíngue, retornou frases em 80 idiomas; os idiomas mais comuns pareceram corretos, enquanto os de poucos recursos tiveram mais erros.

Capítulos

Início	Capítulo	Resumo
00:01	Apresentação do modelo e benchmarks	O apresentador introduz o Ling 3.1 Flash, suas especificações, os resultados em benchmarks e o uso com Hermes agent.
02:38	Teste de criação de jogo e cena SVG	O jogo feito com Blender e Go não funciona direito, mas a geração de uma cena noturna em SVG tem um resultado melhor.
05:15	Otimização de consulta SQL	O modelo encontra a subconsulta que mais pesa na execução e sustenta a recomendação com testes de desempenho.
06:47	Teste clínico e idiomas	O vídeo avalia uma resposta clínica simulada, reforça que o modelo não substitui profissionais de saúde e encerra com um teste em 80 idiomas.

Citações

Eles são gratuitos. Não são os melhores da categoria, mas tentam dar conta do trabalho como modelo para o dia a dia. — 02:07

Bem legal. Muito legal. — 04:44

Ele escolheu o alvo certo: a subconsulta correlacionada que recalcula a taxa de vitórias de cada oponente a cada linha. — 06:16

Este modelo não é um profissional de saúde. — 07:18

Não é um modelo ruim para tarefas generalistas do dia a dia. — 09:53

Conceitos e entidades

Ling 3.1 Flash (modelo): Modelo híbrido de raciocínio testado em tarefas de programação, análise de SQL, assistência clínica simulada e geração multilíngue.
InclusionAI (empresa): Empresa associada ao desenvolvimento da família de modelos Ling.
Ant Group (empresa): Grupo mencionado como responsável pelas informações e pelos benchmarks apresentados para o modelo.
Hermes Agent (ferramenta): Ferramenta usada no vídeo para executar o modelo e interagir com arquivos e comandos do terminal.
Blender (ferramenta): Software de criação 3D usado na tentativa de gerar assets para um jogo.
Go (conceito): Linguagem usada na tentativa de implementar o jogo criado pelo modelo.
SQL (conceito): Linguagem de consulta cuja otimização é avaliada em um teste com uma consulta lenta.
tool calling (conceito): Capacidade do modelo de usar ferramentas para acessar arquivos e executar etapas de uma tarefa.

Tradução completa (pt-BR)

00:01 Temos um novo modelo Ling da Inclusion AI. Conheça o Ling 3.1 Flash, da Ant Group e da Inclusion AI. É um modelo de raciocínio híbrido com cerca de 560 bilhões de parâmetros no total, dos quais apenas cerca de 25 bilhões ficam ativos por token, e context window de até um milhão de tokens. No momento, ele não é open source, mas eles dizem que será na próxima semana, mais ou menos. Ele foi desenvolvido para programação e trabalho com agents. Ficou perto do topo dos

00:33 rankings do OpenRouter, sobre os quais vamos falar daqui a pouco. Mas, por enquanto, vou mostrar meu terminal, onde já configurei o Hermes agent. O que vou fazer é dar primeiro este objetivo: ele precisa criar seus próprios assets 3D com o Blender e depois transformá-los, sozinho, em um jogo de Go funcional, usando ferramentas reais e sem nenhuma ajuda minha. Enquanto ele executa, vamos falar um pouco mais sobre os benchmarks. E não se preocupem com esses avisos. Acho que o Hermes

01:04 agent está perdendo a sessão agora. Há muitos problemas com ele. Vivo dizendo que vou trocar, e vou mesmo. Enfim, olhem este benchmark. Está um pouco borrado, mas foi tirado diretamente da Ant Group. Observando de perto, o gráfico abrange 12 testes que cobrem tarefas de trabalho do mundo real, agents de bancos e finanças, segurança cibernética, questões baseadas em código e saúde. O Ling se sai melhor quando os agents precisam realizar tarefas práticas.

01:35 Ele fica no topo ou perto do topo no Frontier Suite, no CyberGym e no HealthBench Professional, e se sai bem em tarefas no estilo agentic, como SkillBench e Multi-Challenge. Como podem ver, não vence em tudo. O Claude Opus 5 ainda fica à frente em alguns painéis, como o Terminal-Bench, e as letras miúdas dizem que o resultado do HealthBench veio do próprio ambiente AQ deles. Então, olhem, acho que, no momento, a história é a mesma de todos os modelos Ling da Inclusion

02:07 AI. Eles são gratuitos. Não são os melhores da categoria, mas tentam dar conta do recado como modelos para o dia a dia. O preço é muito baixo, especialmente se vocês instalarem localmente: é irrisório, basicamente só o custo do que estiverem fazendo. E, se quiserem hospedar o modelo localmente, podem alugar uma GPU na Massed Compute. Vou deixar o link do site na descrição do vídeo. Também comecei recentemente esta newsletter semanal gratuita sobre IA, na qual vocês podem se inscrever em vadmeza.substack.com. E, se quiserem ajudar o

02:38 canal, por favor, tornem-se membros. Certo, vamos voltar e ver se ele ainda está trabalhando nisso. Vou permitir só nesta sessão. Ele está apenas executando comandos no meu terminal, com Blender e Go. Depois de uma hora, produziu estes arquivos. Vamos conferir. Vou executá-lo aqui na frente de vocês. O painel do jogo em Go carrega, mas nada aparece. Não, está aparecendo. É só esperar. Desculpem, me precipitei. Enfim, vou apertar alguns

03:10 botões aqui. Então, algo está acontecendo. Mas dá para ver que o trampolim está lá, só que desligado. Vou aumentar um pouco o tamanho. E realmente não vejo nenhuma área de aterrissagem aqui. Então, aterrisse em casa. Estou apertando a barra de espaço. Vou mexer nas setas. Certo. Vou voltar para cá. Certo, esquerda e direita, para cima e para baixo, eles

03:40 se movem, mas estão completamente desorientados aqui, e dá para ver que ele tentou criar algumas coisas, mas falhou completamente. Dá para ver que esses modelos começam a desmoronar assim que lhes damos algo complexo. Enfim, vamos tentar mais alguns testes. Se vocês olharem as informações compartilhadas pela Ant Group, eles afirmam que o Ling fica perto do topo em design de SVG e de aplicativos móveis. Então, vou testar isso diretamente. Um prompt, uma tentativa, e o

04:10 resultado abre em um navegador. Estou pedindo que crie um único arquivo HTML autocontido, com uma cena SVG animada de uma paisagem urbana noturna vista de um terraço. E há mais algumas instruções. Vou executar o script. Vamos esperar que ele gere algo e conferir. Ele retornou com o script. Como podem ver, foram pouco mais de 20.000 tokens de conclusão. Vou abrir aqui na frente de vocês. Vou simplesmente arrastar e soltar.

04:44 Muito bom. Muito bom. Bem legal. É uma paisagem noturna, e há esta torre piscando. Mais um pouco do horizonte da cidade. Não é tão denso nem tão rico, eu diria, mas ainda assim não está nada mal. Acho que, ao contrário do primeiro teste, este foi muito, muito melhor. Certo, agora vamos passar para o próximo teste, em que veremos se o Ling 3.1 Flash consegue analisar uma consulta SQL lenta e complexa e

05:15 identificar a única mudança que traria o maior ganho de velocidade, sem listar 10 correções nem reescrever tudo. Então, não estou apenas verificando se segue instruções, mas também se consegue entender otimização de SQL. A consulta está boa, e não estou pedindo que faça 10.000 coisas; só quero uma coisa que ofereça o maior retorno pelo esforço. Como podem ver, acabei de dar este prompt. Vamos ver como ele se sai. Estou usando o harness novamente

05:46 com isso porque queria iterar. E uma coisa que preciso dizer: o tool calling é muito bom, porque dei o arquivo para ele. Ele conseguiu acessar o arquivo com muita facilidade usando as ferramentas e depois lê-lo. Agora está analisando a consulta e verificando cada linha. Certo, como ex-DBA, posso dizer que o modelo se saiu muito bem aqui. Ele escolheu o alvo certo: a subconsulta correlacionada que recalcula a taxa de vitórias de cada oponente para cada linha. Também a substituiu por um único join pré-agregado, incluiu um filtro, moveu-o para o join e também explicou o que é equivalente. Então, não ficou só na teoria. Ele criou um conjunto de dados sintético, mediu o tempo e executou um teste de ablação mostrando que a subconsulta representa quase todo o tempo de execução. Muito bom mesmo. Então, acho que uma mudança, sem lista e sem reescrita completa. Também explicou por que

06:16 índices ou a reescrita da consulta externa não ajudariam, que é a parte mais forte da resposta: explicar o que não fazer. Muito bom, nota 10 de 10 para este teste. Certo, agora vamos testar outra afirmação feita no cartão do modelo: eles dizem que ele pode atuar como assistente clínico. Então, vou testar se consegue fazer isso, se consegue receber um caso de emergência realista e fornecer uma nota de consulta segura, correta e priorizada. Mas, antes de

06:47 fazer qualquer coisa, certifiquem-se de entender que este modelo não é um profissional de saúde. Se quiserem informações e orientações médicas de verdade, procurem um profissional de saúde de verdade. Ele não é uma alternativa, de jeito nenhum. Certo. Este é o prompt na tela, e esta é a resposta que o modelo deu. Ele acertou em cerca de 22 segundos. A propósito, não faço ideia do que significa exatamente esse jargão todo, mas

07:18 acabei de conferir com um modelo juiz. O que ele fez foi identificar um infarto inferior e perceber a armadilha do caso. A pressão arterial baixa aponta para um infarto do ventrículo direito, então recomendou verificar a derivação V4R. No geral, seguiu as instruções com cinco seções claras e sem divagar, o que é muito bom. Estou bastante impressionado com a capacidade deste modelo de seguir instruções. Então, no geral, como eu disse antes, ele não é

07:48 o melhor da categoria, como o Fable ou algo assim, mas não está nada mal, e está melhorando bem rápido. Os modelos Ling são, em geral, de uso geral, como podem ver. Então, por fim, só para conferir o idioma e essas coisas, vou fazer um teste multilíngue para encerrar o vídeo. Para este teste, vamos pedir ao Ling 3 Flash que diga “você quer se casar comigo?” em 80 idiomas, em uma única solicitação, começando

08:19 os melhores da categoria, como Fable ou algo assim, mas ele não é nada ruim, e está melhorando bem rápido. Então, os modelos Ling geralmente são de uso geral, como você pode ver. Por fim, só para verificar o idioma e essas coisas, vou fazer um teste multilíngue para encerrar o vídeo. Nesse teste, vamos pedir ao Ling 3.1 Flash que diga “Quer se casar comigo?” em 80 idiomas, em uma única solicitação, a partir de

08:49 Do inglês a idiomas raros, como feroês, balúchi e tigrínia, entre alguns outros. E também dá para ver que temos um texto incompreensível e algumas outras coisas. Esta é a resposta. Vou passar por ela; confiram o idioma de vocês e me digam se está certo ou não. A propósito, ele retornou os 80 idiomas em cerca de alguns minutos, o que é bom. A questão é que, nos idiomas principais, tudo parece certo para mim, incluindo espanhol, francês, alemão, russo, mandarim, turco e alguns outros. Ele também apresentou o árabe na

09:21 forma feminina, o que está correto. É nos idiomas raros e com poucos recursos que ele falha. Não acho que tenha feito um bom trabalho em idiomas como tâmil, albanês, iorubá e gujarati. Não me parecem muito bons, mas confiram e me digam o que acham disso. Também conferi o basco, que, na minha opinião, talvez só tenha um erro de digitação e esteja quase correto. Enfim, não é

09:53 de forma alguma um modelo ruim para tarefas gerais do dia a dia. Acho que é um ótimo modelo para usar diariamente. Digam o que acham nos comentários. Mais uma vez, se quiserem ajudar, por favor, tornem-se membros. Obrigado por todo o

Transcrição original

[00:01] We have a new link model from inclusion AI. Meet link 3.1 flash from ant groups inclusion AI. It’s a hybrid reasoning model with around 560 billion total parameters only about 25 billion active per token and up to a million tokens of context. At the moment it is not open source but they are saying they are going to be in the next week or so. It is built for coding and agentic work. It placed near the top of

[00:33] the openware designed leaderboards which we will be talking about shortly. But for now, let me take you to my terminal where I already have configured it with Hermes agent. What I’m going to do, I’m going to give it this goal first where it needs to create its own 3D assets with Blender, then turn them into a working go dot game by itself using real tools with no handh holding. While it runs, let’s talk bit more around the benchmarks. And don’t worry about these warnings. I think Hermes

[01:04] agent is losing its guest now. Uh there are a lot of issues with it. I keep saying that I’m going to switch which I will. Anyway, look at this benchmark which is bit blurry but this is what comes straight from ant group. So by closely looking at it the chat uh the the chart spans 12 tests covering real world work tasks banking and finance agents cyber security codebased questions and healthcare ling does best where agents have to do practical work.

[01:35] It sits at the top or near the top on frontier suite cyber gym and healthbench professional and it holds its own agentic style task like skill bench and multi- challenge. It is not a clean sweep as you can see. Clot Opus 5 still etches it out on few panels like terminal bench and the small print says the health bench result came from their own AQ environment. So look I think at the moment the only story is the same which is the case with all of the lingering Bing u models from inclusion

[02:07] AI. They are free. They are not best of the breed but they try to get the job done as a daily driver. the price is very low especially if you install it locally it is negligible just the cost of what you are doing and if you’re looking to host it locally you can rent the GPU from mass compute and I will drop the link to their website in videos description also recently I have started this free weekly AI newsletter which you can subscribe at vadmeza.substack.com substack.com and if you want to help out

[02:38] the channel, please become a member. Okay, let’s go back and see it is still working through it. I’ll just allow it for this session. It is just running my terminal commands where blender and go do. It has produced these files after an hour. Let me check it out. I’m just going to run it in front of you. So, the game panel um in go loads but nothing appears. No, it is appearing. Just wait. Sorry, I was too quick to say. Okay. Anyway, I’m just going to press some

[03:10] buttons here. So, something is happening. But you can see that trampoline is there, but it is off. I’ll just make it bit bigger. And I really don’t see um any landing here. So, land in the homep. I’m just pressing space. Let me move arrow keys. Okay. I’ll just come back here. Okay, left and right up and down they

[03:40] move but they are totally disoriented here and you can see that it has tried to create some things but totally failed. So you can see that these models start breaking apart as soon as we give them something complex. Anyway, let’s try a few more. If you go through the information which ant group has shared, they claim that ling ranks near the top for SVG and mobile app design. So I’m testing that directly. One prompt, one shot and the

[04:10] result opens in a a browser. I’m asking it to create a single self-contained HTML file with an animated SVG scene of a night city skyline scene from rooftop. And then there are few other things. So let me run that script. Let’s wait for it to generate something and we will check it out. And it has come back with the script. As you can see that completion tokens were just over 20,000. Let me open this thing in front of you. I’ll just drag and drop.

[04:44] Pretty good. Pretty good. Very nice. So, it’s a night scope and there is this blinking tower. Some other skyline. uh not as dense or as um rich I would say but still not bad at all unlike the first test I think this one is much much better okay now let’s proceed to the next test where we are looking if link 3.1 flash can look at a slow tangled SQL query and

[05:15] pick the one change that makes the biggest speed difference without listing 10 fixes or rewriting everything so Not only I’m checking its instruction following but if it is able to understand the SQL optimization the query is fine and I’m not asking it to just do 10,000 things just give me one thing for the greatest bang for the uh buck. So you see that I have just given it this prompt. Let’s see how it goes with it. I’m using the harness again

[05:46] with this because I wanted to iterate on this. And one thing I have to say it tool calling is quite good because I gave it the file. It was very um it was able to smoothly access that file using its tools and then read it and now going through that query and checking every line out. Okay, being a former DBA I can tell you the model has done really good here. It picked the right target, the correlated

[06:16] subquery that recomputes each opponent’s win rate per row. It also replaced it with one pre-agregated join and also put in a filter, moved into the join and also told us what is equivalent. So it didn’t stop at theory. It built a synthetic data set, timed it, and ran an ablation showing that subquery is nearly all of the runtime. So really good stuff. So I think uh one change no list no full rewrite it also explain why

[06:47] indexes or rewriting the outer query wouldn’t help which is the strongest part of its response that what not to do really good 10 out of 10 for this one okay and now let’s test out another claim which they have made in their model card they say that it can act as a clinical assistant so I’m testing if it can do that if it can take a realistic emergency case and give a safe, correct, prioritized consult note. But before I

[07:18] do anything, um, make sure you understand that this model is not a clinician. So if you want a real actual advice information, go consult a real health professional. This is not an alternative at all. Okay. So this is the prompt in your screen and this is the answer which model has given. So it got it right in about 22 seconds. By the way, I I have no clue what exactly this mumbo jumbo means, but

[07:48] I have just checked it with a judge model. So what it has done, it has called an inferior heart attack, then caught the trap in the case. The low blood pressure points to a right, some um infrared, so it’s set to check a V 4R lead. So all in all it has kept to the brief with five clean sections and no rambling at all which is quite good. I’m quite impressed by this model’s instruction following. So look all in all as I said earlier this is not you

[08:19] know best of the breed like fable or something like that but it is not bad at all and they are improving fairly rapidly. So link models are you know generally they are general purpose as you can see. So finally just to check the language and stuff I’m going to do a multilingual test to wrap up the video. So for this test we are asking link 3 flash to say will you marry me in 80 languages in a single request from

[08:49] English to rare ones like ferroise baloi and triia and few others and also you can see we have gibberish and few others and this is the response. So I will scroll through please check your language and tell me if it is right or not. It has returned all 80 languages by the way in about couple of minutes which is good. The thing is that the major languages took you know all look right to me including Spanish, French, German, Russian, Mandarin, Turkish and few others. It also gave the Arabic in the

[09:21] female form which is correct. The rare and low resource languages are where it breaks down. I don’t think so it has done a good job like Tamil u havan yuruba gutnesh I think doesn’t really look like good to me but please check it out and let me know uh what do you think uh about this I check Basque 2 which I think it is just maybe one typo away from being correct anyway so look uh not

[09:53] a bad model at all for general purpose day-to-day task. I think it is uh quite a good daily driver. Let me know your thoughts in the comments. Again, if you want to help out, please become a member. Thank you for all the