山东
IT之家 8 月 21 日消息，蚂蚁百灵在本月陆续开源了 Ling-3.0-tiny 和 Ling-3.0-flash 模型。官方昨日宣布，将 Ling-3.0-tiny-base 与 Ling-3.0-flash-base 正式开源，除最终 Base checkpoint 外，还将同步开放两个模型的预训练和中期训练的权重 checkpoint，共计 6 个 checkpoints。
- 预训练 checkpoint：已完成大规模预训练，尚未进行中期训练、WSM 合并和后训练；
- 中期训练 checkpoint：已完成中期训练，尚未进行 WSM 合并和后训练；
- WSM 合并 checkpoint：已基于中期训练 checkpoint 完成 WSM 合并，尚未进行后训练。
IT之家注：Base 模型通常是指未经特定任务微调的基础预训练模型，在训练过程中最初被开发和优化的，它旨在平衡性能和资源消耗。
官方表示，这些 checkpoints 适合用于持续预训练、领域监督微调、偏好优化、强化学习后训练、蒸馏，以及长上下文和 MoE 系统研究。
需要特别说明的是，Base Model 并不是已经完成指令对齐的聊天模型。我们不建议未经后训练便直接将其部署为面向终端用户的聊天服务，也不建议未经额外对齐和评估便用于安全关键型应用。任何生产使用都应完成面向具体任务的后训练、评估与验证。
在中期训练结束后，官方将传统学习率衰减改写为 checkpoints 加权合并，即 WSM（Warmup-Stable and Merge）。由于没有了学习率衰减，该 Base Model 更适合持续预训练和动态扩展数据，且支持训练后离线探索不同学习率“衰减曲线”。
其中，Ling-3.0-tiny-base（总参数 7.9B，激活参数 1.3B）以相比前代 50% 左右的总参数量，在大多数评测中取得更高结果；在与同等规模模型对比中，展现出更具竞争力的代码能力。
Ling-3.0-flash-base（总参数 124B，激活参数 5.1B）具备更充足的参数容量与稀疏激活设计，为研究者和开发团队提供了一个可继续训练、拓展并适配真实场景的开放底座。
在下表的评测中，模型在代码、复杂推理和长上下文方向表现突出。相比总参数量约为其 2–3 倍的 base model，模型的整体表现仍具优势。
IT之家附开源链接如下：
Ling-3.0-tiny
Hugging Face：
ModelScope：
Ling-3.0-flash
Hugging Face：
ModelScope：
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
