Bailing Large Model launcht Ling-2.6-flash – Höchste Leistung zum Zehntel der Kosten

Angesichts der zunehmenden globalen Konkurrenz bei großen Sprachmodellen hat das Bailing-Modell von Ant Group mit dem Launch einer neuen Variante namens Ling-2.6-flash einen weiteren Meilenstein erreicht. Dieses Modell hat in der AI-Gemeinschaft aufgrund seines außergewöhnlich hohen „Verhältnisses zwischen Intelligenz und Effizienz“ große Aufmerksamkeit erregt.
Aus technischer Sicht weist Ling-2.6-flash eine umfassende Leistung auf. Es verfügt insgesamt über 104 Milliarden Parameter, wobei jedoch nur 7,4 Milliarden während der Inferenz aktiviert werden. Dieses Design zielt eindeutig darauf ab, ein optimales Gleichgewicht zwischen Fähigkeiten und Ressourcennutzung zu erreichen. Laut den neuesten Benchmarks der renommierten Plattform Artificial Analysis weist das Modell eine beeindruckende Energieeffizienz auf – es benötigt lediglich 15 Millionen Tokens, um dieselbe Aufgabe zu erledigen. Das ist etwa ein Zehntel der Token-Kosten von Mainstream-Modellen wie Nemotron-3-Super, was Entwicklern ermöglicht, intelligente Unterstützung zu deutlich geringeren Rechenkosten in Anspruch zu nehmen.
Tatsächlich wurde das Modell vor seiner offiziellen Ankündigung anonym für eine wöchentliche Belastungstestphase veröffentlicht. Die Daten zeigen, dass die tägliche Token-Nutzung während dieser Zeit schnell auf das Niveau von 100 Milliarden stieg. Diese Vorgehensweise „Test vor dem Launch“ bestätigte nicht nur die Stabilität des Modells in realen, hochkonkurrenzorientierten Umgebungen, sondern zeigte auch eine starke Marktnachfrage nach leistungsstarken und kosteneffizienten Modellarchitekturen.
Branchenanalysten gehen davon aus, dass die Veröffentlichung von Ling-2.6-flash einen neuen Abschnitt in dem Wettbewerb um große Sprachmodelle markiert – einen Wandel von einer reinen „Parameter-Wettlauf“ zu einem „Wettlauf um Intelligenz und Effizienz“. Durch die Optimierung des Mechanismus zur Aktivierung der Parameter senkt dieses Modell deutlich die Hürden für die Inferenz, während es gleichzeitig über ein breites Wissensspektrum verfügt. Für Unternehmen, die AI-Anwendungen im großen Maßstab einsetzen müssen, bietet Ling-2.6-flash eine wirtschaftlich vielversprechendere Option.
Verwandter Artikel
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter
Einhaltung der Vorschriften für autonome Fahrzeuge in Kalifornien: Eine neue Ära von Bußgeldern, Geofences und 1 Million Meilen
Guident betreibt einen AuveTech-Shuttle in Südflorida und verwaltet mithilfe seiner Fernüberwachungstechnologie eine vier Meilen lange Strecke in West Palm Beach sowie eine eine Meile lange Strecke in
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Angesichts der zunehmenden globalen Konkurrenz bei großen Sprachmodellen hat das Bailing-Modell von Ant Group mit dem Launch einer neuen Variante namens Ling-2.6-flash einen weiteren Meilenstein erreicht. Dieses Modell hat in der AI-Gemeinschaft aufgrund seines außergewöhnlich hohen „Verhältnisses zwischen Intelligenz und Effizienz“ große Aufmerksamkeit erregt.
Aus technischer Sicht weist Ling-2.6-flash eine umfassende Leistung auf. Es verfügt insgesamt über 104 Milliarden Parameter, wobei jedoch nur 7,4 Milliarden während der Inferenz aktiviert werden. Dieses Design zielt eindeutig darauf ab, ein optimales Gleichgewicht zwischen Fähigkeiten und Ressourcennutzung zu erreichen. Laut den neuesten Benchmarks der renommierten Plattform Artificial Analysis weist das Modell eine beeindruckende Energieeffizienz auf – es benötigt lediglich 15 Millionen Tokens, um dieselbe Aufgabe zu erledigen. Das ist etwa ein Zehntel der Token-Kosten von Mainstream-Modellen wie Nemotron-3-Super, was Entwicklern ermöglicht, intelligente Unterstützung zu deutlich geringeren Rechenkosten in Anspruch zu nehmen.
Tatsächlich wurde das Modell vor seiner offiziellen Ankündigung anonym für eine wöchentliche Belastungstestphase veröffentlicht. Die Daten zeigen, dass die tägliche Token-Nutzung während dieser Zeit schnell auf das Niveau von 100 Milliarden stieg. Diese Vorgehensweise „Test vor dem Launch“ bestätigte nicht nur die Stabilität des Modells in realen, hochkonkurrenzorientierten Umgebungen, sondern zeigte auch eine starke Marktnachfrage nach leistungsstarken und kosteneffizienten Modellarchitekturen.
Branchenanalysten gehen davon aus, dass die Veröffentlichung von Ling-2.6-flash einen neuen Abschnitt in dem Wettbewerb um große Sprachmodelle markiert – einen Wandel von einer reinen „Parameter-Wettlauf“ zu einem „Wettlauf um Intelligenz und Effizienz“. Durch die Optimierung des Mechanismus zur Aktivierung der Parameter senkt dieses Modell deutlich die Hürden für die Inferenz, während es gleichzeitig über ein breites Wissensspektrum verfügt. Für Unternehmen, die AI-Anwendungen im großen Maßstab einsetzen müssen, bietet Ling-2.6-flash eine wirtschaftlich vielversprechendere Option.
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter





Heim






