智东西

作者 | 杨京丽

编辑 | 李水青

智东西 10 月 15 日报道，近一周，硅谷 AI 大厂轮番放出新进展，都指向让 AI 接手真实工作。

10 月 12 日，Meta 发布Muse Wonder系列，包括 Muse Wonder 和 Muse Wonder Full 两个型号，重点面向个人与专业智能体任务。

10 月 9 日，谷歌云也在 Gemini at Work 2026 大会上推出企业通用智能体 Gemini Agent，能够自主规划任务、调用工具，在办公文档、邮件和开发环境中完成多步骤工作。昨天，谷歌开放其最新旗舰模型Gemini 4 Argon，重点面向编程、金融、法律、网络安全和科学等领域的复杂现实任务。

海外厂商加快布局个人与企业智能体的同时，中国厂商已经在围绕办公、金融、医疗等产业场景持续探索。模型能完成多少工作、交付质量如何，正在成为观察 AI 能力的重要切口。

围绕真实任务需求，蚂蚁百灵于 9 月 30 日发布Ling-3.1-flash。今天，Ling-3.1-flash 正式开源，该模型总参数量约为 560B，每个 Token 激活参数约 25B，上下文窗口上限为 1M，重点面向日常办公、长周期软件研发和复杂 Agent 任务。

在第三方评测机构 Artificial Analysis 的公开测试中，Ling-3.1-flash 智能指数为 41，输出速度约为每秒 210 Token，混合调用价格约为每百万 Token 0.19 美元（约合人民币 1.27 元），Ling-3.1-flash 在保持较高智能水平的同时，兼顾较快的输出速度与较低的调用价格，展现出性价比优势。

模型发布后，智东西结合编辑部的日常工作，围绕办公和复杂 Agent 任务展开实测，观察 Ling-3.1-flash 从理解需求、调用工具到交付成果的实际表现。

实测中，Ling-3.1-flash 在财报分析和工作信息整理上交付清晰、可用，生成的网页图表直观、交互流畅；在 3D 场景和移动端应用开发中，也能完成场景搭建、页面设计及功能实现，表现出较完整的任务执行能力。

一、从财报分析到个人工作助理，AI 正在接手日常办公

科技报道常常需要查阅财报，分析公司的营收、净利润、资本开支等指标。手动查找数据、整理图表既费时，也容易在单位和口径上出错。于是，我们将这项工作交给了 Ling-3.1-flash。

我们让它查找 Meta、微软、Alphabet 的最近三年财报，对比收入、利润、经营现金流和研发投入，并交付研究简报、可编辑数据表及交互式可视化网页。

从实际效果上看，Ling-3.1-flash 交付的网页顶部可以筛选公司、年份和指标，下方通过折线图、柱状图和数据表展示财务变化，右侧列出主要研究发现。切换选项后，图表、结论和来源同步更新，鼠标悬停可以查看具体数据。

整体来看，模型完成了从资料检索、数据整理与分析到可视化呈现的完整流程，交付的简报结构清晰、数据表结果准确、可继续编辑，网页图表直观、交互流畅，已具备研究和汇报展示的实用价值。

之后，我们又让 Ling-3.1-flash 担任个人工作助理，梳理每日工作优先事项。

编辑部的工作信息常常分散在邮件、群聊、笔记中。我们给 Ling-3.1 提供了一份模拟工作资料包，让模型整理项目进展、待办、负责人、截止时间及阻塞点，并制作一个可交互的工作台。

工作台整理出 33 项未完成待办，并按照逾期、阻塞及到期情况排序。用户可以通过关键词、项目分类和任务状态筛选事项，展开后查看对应材料、记录时间和摘录，也能标记完成、添加备注，刷新后仍可保留。

点击日历中的日期，当天安排会同步更新；切换到项目看板或时间线，还能从不同角度查看工作进度。

整体来看，这个工作台将分散材料整理成了清晰的项目和待办视图，方便用户判断哪些事项需要优先推进、哪些仍在等待回复。用户无需反复翻找邮件和聊天记录，就能快速掌握项目进度。

二、搭建 3D 桃花源、开发新闻 App，复杂任务完整交付

除了办公任务，能否完成一个项目从需求规划、代码开发到运行验证的完整流程，是衡量模型复杂长程 Agent 能力的重要方面。

为此，我们让 Ling-3.1-flash 将《桃花源记》制作成类似《我的世界》的 3D 方块风格网页，串起溪流、桃林、山口、洞穴和村落，支持自由漫游和自动游览。

模型生成的场景包含粉色桃树、灰色山体、农田、小桥和村民。用户可以通过键盘移动、鼠标调整视角，也可以开启自动游览，沿着故事路线进入桃花源。

经过关键位置时，页面会展示对应原文。暂停、继续、重新开始等操作均可使用，角色路过桃花林的时候，还能看到两旁的桃花缓缓飘落的动画效果。

Ling-3.1-flash 能够将文学文本转化为可运行的 3D 场景，完成场景搭建、交互设计和动画细节，将创意需求落实为完整项目。

最后，我们让 Ling-3.1-flash 参考智东西官网，制作手机版新闻 App Web 原型。

模型获取了 13 篇真实新闻及配图，按照大模型、智能硬件、机器人、AI 基础设施分类，搭建了首页、搜索、文章详情和收藏页面。

页面首页用大图突出头条，下方以图文列表展示资讯，底部提供导航栏。文章页包含标题、署名、发布时间、正文、配图及原文入口，整体排布清晰，适合手机阅读。

实际操作中，分类切换能够更新新闻列表，关键词搜索可以找到对应文章，点击头条或列表即可进入详情页。收藏功能也支持本地保存，刷新页面后仍能查看已收藏的内容。

从新闻获取、内容分类到页面开发，Ling-3.1-flash 交付了一个界面美观、功能完整的移动新闻应用原型，体现出将产品需求转化为可运行应用的开发能力。

第三方评测结果也印证了我们在实测中的真实体验。在 Design Arena 的 Open Weights（开放权重模型）分类评测中，模型在数据可视化、React Native 移动应用、3D 设计和游戏开发四个方向均位列第三，在SVG 生成和网站制作方向分别位列第四和第五。模型在视觉呈现与应用开发方面，展现出较为全面的能力。

三、聚焦医疗与金融，优化专业场景能力

回到本次实测的财报任务，我们要求模型交付研究简报、数据表和可视化网页。这些成果可以帮助编辑快速了解企业经营情况。若要承担持续投研工作，模型还需要处理更多材料，进行金融建模计算、产出专业化报告，并持续核验分析。

围绕这类需求，百灵推出了面向投研任务的金融大模型 LingFin，强调以高智效比提升研究效率。在通用模型的基础上深化专业能力，让模型适应行业中的具体任务。

医疗场景同样如此。面对专业问题，模型需要理解医疗知识、检索循证资料，并适应标准化医疗流程。百灵推出的医疗健康增强模型 LingSante，重点围绕这些需求展开优化。百灵的行业增强大模型已经深入金融与医疗领域的专业化工作。

百灵持续在 " 在真实世界里找 AGI"，从办公助理到专业投研、医疗健康，模型需要在具体工作中持续打磨。

后续，百灵计划继续提升模型处理通用和复杂 Agent 任务的能力，同时提高智效比、降低使用门槛，适应资源受限的部署环境。在专业领域，百灵将与相关企业和机构共同打磨模型，推动其进入更复杂的实际工作流程。

结语：实际应用价值成 AI 下一站关键

这次实测中，Ling-3.1-flash 能够连续调用工具，完成资料处理、分析和开发，将用户的需求转化为可编辑的文件与可运行的应用，具备承担具体工作的实用能力。

在海外厂商加快布局个人与企业智能体的阶段，百灵持续深入办公、医疗和金融场景。随着 AI 进入更多工作流程，成果是否准确、易用，能否支持后续工作，将成为衡量模型价值的重要标准。