自社の1兆パラメータ級に、8分の1サイズで並ぶ — Alipay系のAI「Ling-3.0-Flash」

中国のAIモデル競争は、いつからか「大きさ」ではなく「効率」の勝負になった。DeepSeek、Qwen、GLM、Kimi——各社が「少ないパラメータで大きなモデルに勝つ」ことを競っている。そこへ、また一つ極端な効率を掲げたモデルが出てきた。

7月27日、Ant Groupが Ling-3.0-Flash を公開した。Ant Groupと言われてピンとこなくても、Alipay（支付宝）を運営するアリババ系の金融テック大手、と言えば規模感が伝わるはずだ。

数字がおかしい

このモデル、総パラメータは124B。だがトークンごとに実際に動くのはわずか5.1Bだ。

Ant Ling（同社のAI部門）の発表によれば、Ling-3.0-Flashは総パラメータで1/8、アクティブパラメータで1/12という軽さで、自社の1兆パラメータ級の旗艦モデルに、多くのベンチマークで並ぶか上回った。自分たちの最上位モデルに、8分の1の重さで肩を並べたということだ。

これを支えているのが「1/64のエキスパート活性化」という設計。MoE（Mixture of Experts）モデルは複数の専門家ネットワークを持ち、入力ごとに一部だけを起動する仕組みだが、Ling-3.0はそのうち64分の1しか動かさない。前世代の1/32からさらに半分に絞り、計算効率を一段引き上げた。

エージェントのために作られている

もう一つの軸が「エージェント特化」だ。

Ling-3.0は、汎用チャットの延長ではなく、最初から本番運用のAIエージェントを想定して設計されている。訓練にあたっては1万を超える対話型環境を用意し、自己修正と長期的な計画立案（long-horizon planning）の能力を鍛えたという。

技術的には、KDAとMLAという2種類の注意機構を5:1で積んだハイブリッド構造を採る。KDAが長距離の記憶をきめ細かく制御し、長い文脈を追いながらタスクを進める性能に効いてくる、という説明だ。

正直、この手の「うちのアーキテクチャは新しい」という主張は各社が言うので、実運用でどこまで差が出るかは触ってみないと分からない。ただ、狙いが明確に「長く動き続けるエージェント」に向いている点は、汎用モデルとの性格の違いとして意味がある。

何が実現するか

アクティブ5.1Bという軽さは、単なるベンチマーク自慢では終わらない。

エージェントは、1つのタスクを完了するまでにモデルを何十回、何百回と呼び出す。1回あたりの推論が軽ければ、その積み重ねのコストと待ち時間が丸ごと圧縮される。つまり「多数のエージェントを常時走らせ続ける」運用が、現実的な費用感で回せるようになる。自己修正と長期計画を備えたモデルが安く回せるなら、監視・データ処理・定型業務の自動化を、これまでコストが見合わなかった規模まで広げられる。

高効率MoEが増えることの本当のインパクトは、ここにあると思う。トップ性能のモデルを1回叩くより、そこそこ賢いモデルを大量に走らせる方が価値を生む場面は、エージェント時代には確実に増えていく。

提供状況と、正直な評価

Ling-3.0-Flashは、OpenRouter とVercel AI Gatewayで提供されている。8月3日まで無料で使え、その後はモデルウェイトがオープンソース化される予定だ。無料で試させてからOSSで囲い込む、という広め方は中国勢の常套手段になりつつある。

懸念もある。ベンチマークの数字は発表元であるAnt Group自身が出したものだ。「自社の旗艦に並ぶ」という主張も、第三者の独立検証を待つべき段階にある。効率重視のモデルは、平均的なタスクでは強くても、難度の高い推論では大型モデルとの差が開くことも多い。過度な期待は禁物だろう。

とはいえ、金融という「間違いが許されない」領域で膨大なトランザクションを捌いてきた企業が、エージェント特化・超高効率という軸で殴り込んできた事実は無視できない。DeepSeekやQwenが切り開いた「コスパで殴る」路線に、また強力なプレイヤーが加わった。無料期間のうちに一度触っておいて損はない。