蚂蚁百灵开源 Ling-3.1-flash:560B级模型部署降至4卡,最高支持1M上下文

10月15日,蚂蚁集团旗下百灵大模型宣布开源 Ling-3.1-flash。该模型主打“真实可用”,面向真实世界任务实现能力升级,让模糊的业务需求更快变成可用的成果。开源模型面向Hugging Face和ModelScope提供权重下载。

10月15日,蚂蚁集团旗下百灵大模型宣布开源 Ling-3.1-flash。该模型主打“真实可用”,面向真实世界任务实现能力升级,让模糊的业务需求更快变成可用的成果。开源模型面向Hugging Face和ModelScope提供权重下载。

Ling-3.1-flash 延续了 Ling-3.0-flash 的混合线性架构,拥有约560B 总参数,每个 Token 激活约25B 参数;最高支持1M上下文。模型在办公、医疗、软件工程、终端操作等复杂工作流中保持了高质量表现。面对分散资料,它可以协助整理报告与汇报材料;面对零散症状,帮助梳理病史和就诊问题;面对旧代码,能够读懂原有实现、编写新功能,并依据测试结果继续修正。

在办公任务评测 GDPVal-AA V2.1中,Ling-3.1-flash 获得1673分(ELO)。在 HealthBench Professional医疗场景评测中,模型得分65.35。在软件工程基准 FrontierSWE 和终端操作基准 Terminal-Bench4.0测评中,模型同样表现出了处理复杂工程任务的能力。

通过此次开源,百灵希望更多团队能够在自有环境中部署和接入 Ling-3.1-flash,把这些场景能力融入自己的业务流程。

日常面向真实任务时,企业知识助手和代码助手经常要连续处理资料、生成内容,并根据反馈修改结果。模型既要具备处理这些任务的通用能力,也要让多轮调用保持足够快的响应。“智效比”作为百灵系列模型的核心特点,在 Ling-3.1-flash 模型层面得以延续并进一步强化。

在 Artificial Analysis 的公开评测中,Ling-3.1-flash 的智能指数为41、输出速度约为每秒210Token,面向高频业务场景提供智能指数与生成效率的双重能力。此外,Ling-3.1-flash 的混合调用价格约为每百万 Token0.19美元,位于较快输出、较低价格区间,面向高频调用场景兼顾生成效率与成本优势。

针对本地部署,团队对 routed experts 采用 MXFP4量化、dense 层保持 block-FP8,权重占用从约534GB 降至292GB。在对应的 Hopper GPU 测试配置中,服务部署由8卡降至4卡,让具备服务器级 GPU 的团队以更少卡数运行模型。

此前,Ling3.0系列已在多类设备上开展开源实践,覆盖从服务器到个人电脑、移动终端的多种部署路径。例如在服务器端,单台 NVIDIA DGX Spark 可运行 Ling-3.0-flash,用于驱动编码智能体构建并测试小游戏;在个人电脑端,16GB MacBook Air 可运行 Ling-3.0-tiny,搭建常驻本地助手;在移动端,Galaxy A324G 通过 Tiny GGUF 版本验证了本地推理与工具路由原型,小米14T Pro 则借助 PocketPal 实现了 Tiny 版本的本地对话。

据了解,Ling-3.0系列模型在Hugging Face近30天下载量接近100万次,社区已提供Flash GGUF、Tiny GGUF、Flash MLX4bit等多种适配版本。随着 Ling-3.1-flash 开源,百灵系列模型为开发者提供了更完整、可自主验证和二次适配的模型基础,同时也意味着模型能力正进一步贴近真实业务交付,从需求文档、代码仓库到生产环境之间的链路被继续压缩。

百灵作为蚂蚁集团AI业务发展背后的模型研究力量,为消费端 AI 应用和企业级智能体提供了重要的模型能力支撑。不同于单纯追求模型参数规模,百灵聚焦将模型能力带入真实业务中交付结果。在金融、医疗等复杂专业领域,百灵依托基座模型已相继推出 Ling-3.0-flash-Fin、Ling-3.0-flash-Sante等增强模型,将通用模型能力进一步转化为投研、健康管理等真实业务流程中的专业能力。

💬 评论
🔗 本文链接

以专业为基,引领科技向善向新

Rooted in professionalism, we lead technology toward social good and innovation.

数智化转型网 · 了解更多产业资讯与选型数据 →

📰 你可能也喜欢

55 个海外智能体,日本 13 个、韩国 9 个、美国 8 个:海外版图透露的三个信号 AI情报站

55 个海外智能体,日本 13 个、韩国 9 个、美国 8 个:海外版图透露的三个信号

《智能体建设地图》单列了"海外智能体专区",收录 55 个智能体,覆盖 13 个国家和地区。日本 13 个、韩国 9 个、美国 8 个占据前三。这份分布,是国内…
📅 11-17 · 👁 2026年11月17日
自动草稿每个智能体都标了"替人做哪件事、解决什么难题":如何把地图当成选型对标表自动草稿 AI情报站

每个智能体都标了”替人做哪件事、解决什么难题”:如何把地图当成选型对标表自动草稿

《智能体建设地图》里每个智能体都带一组结构化字段——一句话职责、价值、痛点、能力定义、场景、能解决什么、适配行业、角色类型。这八个字段合起来,就是一份现成的智能…
📅 11-17 · 👁 2026年11月17日
"业务执行型"占了近一半:从41种角色看,智能体到底在替人干什么 AI情报站

“业务执行型”占了近一半:从41种角色看,智能体到底在替人干什么

《智能体建设地图》给每个智能体都贴了"角色类型"标签。在 18 个行业视角收录的 747 个智能体里,一共出现 41 种角色,其中"业务执行型"367 个、约占…
📅 11-17 · 👁 2026年11月17日
智能体建设地图 AI情报站

18 个行业里,政务 59 个、金融 54 个、制造 54 个:智能体密度告诉了我们什么

把《智能体建设地图》18 个行业的收录量排成一列,政务 59、金融 54、制造 54 领跑,法律 32 垫底,首尾相差不到一倍。这个"密度差"不是行业大小的排名…
📅 11-17 · 👁 2026年11月17日
一张地图,1263个智能体:企业该怎样读懂《智能体建设地图》 AI情报站

一张地图,1263个智能体:企业该怎样读懂《智能体建设地图》

CXOU AI 研究院出品的《智能体建设地图》,把 18 个行业、15 个职能域、223 个细分场景里的 1263 个智能体铺成一张可检索的版图。对大多数企业来…
📅 11-17 · 👁 2026年11月17日
曦选创智完成5亿元天使轮融资(信息图,非新闻实拍配图) AI情报站

曦选创智完成5亿元天使轮融资,投后估值40亿元

近日,由优必选与沐曦股份联合发起成立的具身智能端侧芯片公司曦选创智宣布完成5亿元天使轮融资,投后估值达到40亿
📅 11-17 · 👁 2026年11月17日