北京
560B总参数，每个Token只激活25B。蚂蚁百灵开源的Ling-3.1-flash，把大模型部署的账算到了卡数上——原本要8张Hopper GPU跑起来的服务，现在4张就够。
10月15日，蚂蚁集团旗下百灵大模型宣布开源Ling-3.1-flash。模型权重面向Hugging Face和ModelScope提供下载，主打"真实可用"，目标是把模糊的业务需求更快变成可用的成果。
参数大，但激活得少
Ling-3.1-flash延续了Ling-3.0-flash的混合线性架构，约560B总参数，每个Token激活约25B参数，最高支持1M上下文。这个组合意味着模型体量摆在那里，但每次推理真正调动的部分被压得很小。
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——具备服务器级GPU的团队，可以用更少的卡数把模型跑起来。
办公、医疗、代码，三个场景的分数
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。
几项公开评测的分数如下：
- 办公任务评测GDPVal-AA V2.1：1673分（ELO）
- 医疗场景评测HealthBench Professional：65.35分
- 软件工程基准FrontierSWE与终端操作基准Terminal-Bench 4.0：同样表现出处理复杂工程任务的能力
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210 Token。
0.19美元背后的"智效比"
企业知识助手和代码助手这类场景，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"是百灵系列模型的核心特点，在Ling-3.1-flash上得以延续并进一步强化。混合调用价格约为每百万Token 0.19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。
这个价格配合每秒210 Token的输出速度，指向的是同一件事：高频业务场景里，单次调用的成本和时间都要压下来。
从服务器到手机，Ling 3.0已经跑过一遍
此前，Ling 3.0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。
- 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
- 个人电脑端：16GB MacBook Air可运行Ling-3.0-tiny，搭建常驻本地助手
- 移动端：Galaxy A32 4G通过Tiny GGUF版本验证了本地推理与工具路由原型，小米14T Pro借助PocketPal实现了Tiny版本的本地对话
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 MLX 4bit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。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。
不追参数规模，追业务交付
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。
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。
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.
