उस दिन जब एनवीडिया के सीईओ जेन्सेन हुआंग ने एक्स पर अपने पहले पोस्ट में 25 उद्योग हस्ताक्षरकर्ताओं के साथ कृत्रिम बुद्धिमत्ता के खुले मॉडलों का समर्थन किया, एंटी ग्रुप बेलिंग की इकाई ने लिंग-3.0-फ्लैश मॉडल प्रस्तुत किया। यह मॉडल 124 बिलियन मापदंडों की एक निष्पादन योग्य मॉडल है, लेकिन केवल 5.1 बिलियन मापदंडों को सक्रिय करता है, जो इसके ट्रिलियन-पैरामीटर फ्लैगशिप मॉडल की तुलना में उच्च बुद्धि घनत्व प्रदर्शित करता है।
लिंग-3.0-फ्लैश ने 34 मूल्यांकन क्षेत्रों में उच्च परिणाम दिखाए, जिसमें 15 मामलों में पहला स्थान और 19 में दूसरा स्थान प्राप्त किया। औसत स्कोर 67.6 था, जो इसे डीपसीक वी4 फ्लैश के बराबर बनाता है। इस बीच, मॉडल ने अपने स्वयं के ट्रिलियन मॉडल रिंग-2.6-1टी को लगभग 8 अंकों से अधिक से पीछे छोड़ दिया। मॉडल 0.5 बुद्धि घनत्व और 13.2 दक्षता गुणांक तक पहुंचता है, जो तुलनीय मॉडलों में उच्चतम हैं, यह साबित करता है कि निष्पादन योग्य मॉडल का लक्षित डिजाइन विशिष्ट कार्यों के साथ काम करते समय सामान्य स्केलिंग को मात दे सकता है।
इस मॉडल को तर्क मॉडल से अलग निष्पादन योग्य मॉडल प्रतिमान पर एक रणनीतिक दांव के रूप में विकसित किया गया है। लिंग-3.0-फ्लैश वास्तविक समय एजेंट कार्यों, कोडिंग और फ़ंक्शन कॉलिंग के लिए गति और दक्षता पर केंद्रित है। उदाहरण के लिए, कोड रिपॉजिटरी में त्रुटि सुधार के लिए SWE-Bench Pro परीक्षण में, इसने पहले स्थान पर 56.6% अंक प्राप्त किए। ArtifactsBench में, जो एक ही पास में पूर्ण इंटरैक्टिव घटक बनाने के लिए डिज़ाइन किया गया है, इसने 77.0% दिखाया, जो दूसरे स्थान से 10 अंकों से अधिक आगे था। MiniAppBench में, जिसके लिए एक निर्देश के आधार पर संपूर्ण एप्लिकेशन जनरेशन की आवश्यकता होती है, इसने 16 मॉडलों के औसत 17% की तुलना में 25.3% हासिल किया।
BFCL-v4 फ़ंक्शन कॉलिंग सटीकता 73.0% तक पहुंच गई, जो पहले स्थान पर क्लॉड-सोनेट-4.6 के बराबर है। एंड-टू-एंड एजेन्ट GDPVal v2-AA मूल्यांकन में मॉडल ने 1107 अंक प्राप्त किए, जो परीक्षण किए गए मॉडलों में उच्चतम है। मॉडल स्वाभाविक रूप से 256K आकार की संदर्भ विंडो का समर्थन करता है, जहां MRCR_256K ने 81.1% दिखाया। मल्टी-आईएफ के बहु-चरणीय निर्देश पालन ने दूसरे स्थान पर 87.7% हासिल किया। दीर्घकालिक निर्देश स्मृति पर LIFEBench परीक्षण में, इसने 77.3% के परिणाम के साथ पहला स्थान प्राप्त किया। वाइडसर्च एजेंट खोज क्षमता तीसरे स्थान पर 73.6% तक पहुंच गई, और मल्टी-एजेंट सहयोग मोड में ब्राउज़कंप ने 82.0% हासिल किया, जो क्लॉड-सोनेट-4.6 (82.1%) के लगभग बराबर है।
एजेंट-केंद्रित मूल्यांकनों का पूरा सेट लिंग-3.0-फ्लैश को स्वायत्त कार्य निष्पादन प्रतिमान के लिए अनुकूलित के रूप में स्थापित करता है, जहां मॉडल लंबी तर्क श्रृंखलाएँ उत्पन्न करने के बजाय उपकरणों का उपयोग करते हैं, इंटरफेस पर नेविगेट करते हैं और बहु-चरणीय लक्ष्यों को पूरा करते हैं। एंटी बेलिंग ने मॉडल को खुला बनाया है, और एपीआई के मुफ्त परीक्षण अवधि के समाप्त होने के बाद भार उपलब्ध होंगे। एनवीडिया द्वारा समर्थित पत्र के साथ मॉडल का एक साथ जारी होना इस बात का संकेत देता है कि सिलिकॉन वैली में जोखिमों पर चर्चा के बावजूद चीनी एआई कंपनियां ओपन सोर्स कोड को अपनाना जारी रखती हैं। लिंग-3.0-फ्लैश दक्षता को एक विशिष्ट विशेषता के रूप में रेखांकित करता है: कुल पैरामीटर की संख्या के आधार पर प्रतिस्पर्धा करने के बजाय, मॉडल दिखाता है कि एजेंट निष्पादन वर्कलोड के लिए अच्छी तरह से डिज़ाइन की गई कॉम्पैक्ट निष्पादन योग्य मॉडल लक्षित प्रशिक्षण के साथ आठ गुना बड़े मॉडलों को मात दे सकती है। यह उस प्रवृत्ति के अनुरूप है जो विशिष्ट कार्यों के लिए मॉडलों की ओर बढ़ रही है, क्योंकि इन्फेरेंस परिनियोजन की अर्थव्यवस्था मुख्य बाधा बन रही है। पांच दिनों के भीतर OpenRouter पर साप्ताहिक रैंकिंग 9वें से 6वें स्थान पर बढ़ गई, जबकि जुलाई में ट्रैफिक की मात्रा डीपसीक वी4 प्रो की तुलना में केवल 0.5% कम थी, जो कुशल निष्पादन योग्य मॉडलों के लिए बाजार की मांग की पुष्टि करता है।
आर्टिफिशियल इंटेलिजेंस चीन के नए निर्यात क्षेत्रों में से एक बन गया है, और देश अधिक कुशल, कम लागत वाले और ओपन सोर्स मॉडल विकसित करने के कारण इस दौड़ में आगे है।
एक प्रवृत्ति देखी जा रही है जिसमें अमेरिकी कंपनियां एआई के क्षेत्र में चीनी समाधानों पर स्विच करना शुरू कर रही हैं। इसके अलावा, पूरी दुनिया इसी दिशा में आगे बढ़ रही है।
