智东西

作者 | 孙小雯

编辑 | 程茜

智东西 10 月 29 日消息，昨日，蚂蚁百灵开源面向 Personal Agent 场景进一步训练Ling-3.1-flash-1019，并同步开放基础模型Ling-3.1-flash-base。1019 版支持最高 100 万 Token 上下文窗口，主要面向复杂推理和智能体任务。Base 版则提供后训练前的基础权重，供开发者继续训练。

其中，1019 版在第三方大模型评测机构 Artificial Analysis（以下简称 AA）的智能指数 v4.3.2 评测中获得 44 分，较 Ling-3.1-flash 提高 3 分。截至 10 月 27 日，该模型在同规模开放权重模型中排名第 4。

上一代 Ling-3.1-flash 于 9 月 30 日发布。时隔不到一个月，蚂蚁百灵便推出 1019 升级版，通过后训练，进一步提升模型处理复杂工作流和多步骤任务的能力。

这次升级也与蚂蚁旗下个人 AI 助理灵光的使用需求有关。10 月 27 日，蚂蚁集团发布灵光 2.0，新增跨会话记忆、长程任务调度和独立云主机等能力。据百灵披露，此前发布的 Ling-3.1-flash 已结合灵光等应用的需求和反馈开展对齐训练。

性能提升带来了更高的 Token 消耗。据 AA 统计，1019 版每项智能指数评测任务平均输出约 14.5 万个 Token，较 Ling-3.1-flash 增加超 40%，单任务平均成本由 1.01 美元升至 1.49 美元（约合人民币 9.94 元）。

两款模型均免费开放权重。API 定价方面，1019 版每百万 Token 的输入价格为 0.30 美元（约合人民币 2 元），输出价格为 0.90 美元（约合人民币 6 元），缓存读取价格为 0.06 美元（约合人民币 0.40 元）。

模型部署方面，1019 版官方模型卡列有 SGLang、vLLM 推理部署说明。两款模型均采用 MIT 许可证，开发者可从 Hugging Face、魔搭社区下载权重、自行部署。

Ling-3.1-flash-1019 及 Base 开源主页（图源：Hugging Face）

Ling-3.1-flash-1019 开源地址：

Hugging Face：

https://huggingface.co/inclusionAI/Ling-3.1-flash-1019

魔搭社区：

https://modelscope.cn/models/inclusionAI/Ling-3.1-flash-1019

Ling-3.1-flash-base 开源地址：

Hugging Face：

https://huggingface.co/inclusionAI/Ling-3.1-flash-base

魔搭社区：

https://modelscope.cn/models/inclusionAI/Ling-3.1-flash-base

一、1019 版复杂任务成绩提升，Base 模型 32 项测试领先

此次开源的两款模型总参数均为 5600 亿，每个 Token 激活约 250 亿参数，但二者定位不同。

Ling-3.1-flash-1019是在 9 月 30 日发布的Ling-3.1-flash基础上进一步后训练的模型，面向复杂推理和智能体任务。以行业调研为例，AI 需要查找资料、分析数据，再整理成报告；处理办公流程时，还可能需要调用工具、在多个软件之间完成操作。

AA 评测数据显示，在复杂知识工作测试 AA-Briefcase v1.1 中，1019 版成绩从 1398 Elo 升至 1521 Elo；在流程自动化测试 AutomationBench-AA 中，该模型成绩从 62% 升至 68%。此外，在科学推理测试 Humanity ’ s Last Exam 中，其成绩从 39% 升至 43%；在物理推理测试 CritPt 中，从 18% 升至 26%。

Ling-3.1-flash-1019 与上一代模型的部分评测成绩对比（图源：蚂蚁百灵）

与经过后训练的 1019 版不同，Base 保留的是后训练前的基础权重，此次百灵主要公布了知识、数学、代码、推理和长文本理解等基础能力的测试成绩。

据百灵披露，在与 DeepSeek-V4-Pro-Base、MiMo-V2.5-Pro-Base 的对比中，Ling-3.1-flash-base 在 8 个领域共 47 项基准测试里，有 32 项取得三款模型中的最高分。

这两款参评模型的参数规模均大于 Ling-3.1-flash-base。DeepSeek-V4-Pro-Base 总参数为 1.6 万亿、激活参数 490 亿；MiMo-V2.5-Pro-Base 总参数为 1.02 万亿、激活参数 420 亿，而 Ling-3.1-flash-base 的总参数仅 5600 亿、激活参数 250 亿。

具体来看，在数学测试 MATH500 中，Ling-3.1-flash-base 获得 79.40 分，高于 DeepSeek-V4-Pro-Base 的 68.20 分和 MiMo-V2.5-Pro-Base 的 57.20 分；在长文本理解测试 LongBench 中，Ling-3.1-flash-base 获得 51.90 分，DeepSeek-V4-Pro-Base 和 MiMo-V2.5-Pro-Base 分别获得 17.70 分和 15.66 分。

Ling-3.1-flash-base 与 DeepSeek-V4-Pro-Base、MiMo-V2.5-Pro-Base 的基准测试成绩对比（图源：蚂蚁百灵）

二、百灵视觉模型已用于灵光，上传作业照片可生成学习计划

除了对 Ling-3.1-flash 进行后训练升级，百灵还在视觉方向训练了新模型。视觉语言模型 Ling-3.1-flash-VL 基于 9 月发布的 Ling-3.1-flash 训练，在原有推理、规划和工具使用能力基础上，增加了对照片、截图和软件界面的理解能力。目前，该模型已先行应用于灵光，后续将对外发布。

百灵同时展示了灵光的作业辅导案例。家长上传一张作业照片后，灵光可以核对题目和解题过程，梳理相关知识点。用户接着提出 " 用两周时间巩固 "，灵光便进一步制定了两周学习计划，并生成每日学习任务和记录页面。

灵光根据作业照片制定两周学习计划（图源：蚂蚁百灵）

三、采用混合线性 MoE 架构，每个 Token 激活 250 亿参数

前述视觉模型涉及图片理解、任务规划和后续跟进。对于需要持续处理信息、执行多个步骤的个人 Agent，模型的计算开销也需要控制。

此次开源的 1019 版和 Base沿用了 Ling-3.1-flash 系列的混合线性 MoE 架构，主要从长文本处理和参数激活两个方面减少计算量。

在注意力机制上，模型包含 63 层 KDA 线性注意力和 9 层门控 MLA，比例为 7:1。其中，KDA 主要用于降低长文本处理的计算开销，门控 MLA 则保留更精细的注意力计算能力，两种注意力机制结合，能够兼顾处理效率和信息理解能力。

此外，MoE 架构还通过稀疏激活减少单次计算量。模型共设有512 个路由专家，每个 Token 激活其中 8 个，并使用1 个共享专家，使模型无需在每次推理都调用全部 5600 亿参数参与计算。

Ling-3.1-flash 系列模型架构（图源：蚂蚁百灵）

训练方面，Base 采用 FP8 精度训练，此次开放的是经过权重合并处理后的 BF16 基础权重。开发者可以在此基础上继续预训练，也可以通过监督微调、强化学习等方式，让模型适应特定领域的任务。

结语：两款模型同步开源，Agent 应用仍面临成本考验

从最近一个月的动作来看，百灵正在结合灵光等产品的需求，推进模型的后训练和视觉能力开发。此次同步开放 1019 版和 Base 权重，也让外部开发者能够直接部署升级模型，或基于基础权重继续训练。

但更高的复杂任务成绩也对应着更高的推理消耗。目前，1019 版单任务平均成本涨幅接近 48%。灵光 2.0 已经开始提供价格监测、持续提醒等长程任务功能，这类服务需要多次调用模型、持续跟进信息。随着 Agent 从单次对话走向长期运行，完成一项任务消耗多少 Token，将直接影响服务成本。