螞蟻百靈開源 Ling-3.1-flash:560B級模型部署降至4卡，最高支持1M上下文

10月15日，螞蟻集團旗下百靈大模型宣佈開源 Ling-3.1-flash。該模型主打“真實可用”，面向真實世界任務實現能力升級，讓模糊的業務需求更快變成可用的成果。開源模型面向Hugging Face和ModelScope提供權重下載。

Ling-3.1-flash 延續了 Ling-3.0-flash 的混合線性架構，擁有約560B 總參數，每個 Token 激活約25B 參數;最高支持1M上下文。模型在辦公、醫療、軟件工程、終端操作等複雜工作流中保持了高質量表現。面對分散資料，它可以協助整理報告與彙報材料;面對零散症狀，幫助梳理病史和就診問題;面對舊代碼，能夠讀懂原有實現、編寫新功能，並依據測試結果繼續修正。

在辦公任務評測 GDPVal-AA V2.1中，Ling-3.1-flash 獲得1673分（ELO）。在 HealthBench Professional醫療場景評測中，模型得分65.35。在軟件工程基準 FrontierSWE 和終端操作基準 Terminal-Bench4.0測評中，模型同樣表現出了處理複雜工程任務的能力。

通過此次開源，百靈希望更多團隊能夠在自有環境中部署和接入 Ling-3.1-flash，把這些場景能力融入自己的業務流程。

日常面向真實任務時，企業知識助手和代碼助手經常要連續處理資料、生成內容，並根據反饋修改結果。模型既要具備處理這些任務的通用能力，也要讓多輪調用保持足夠快的響應。“智效比”作爲百靈系列模型的核心特點，在 Ling-3.1-flash 模型層面得以延續並進一步強化。

在 Artificial Analysis 的公開評測中，Ling-3.1-flash 的智能指數爲41、輸出速度約爲每秒210Token，面向高頻業務場景提供智能指數與生成效率的雙重能力。此外，Ling-3.1-flash 的混合調用價格約爲每百萬 Token0.19美元，位於較快輸出、較低價格區間，面向高頻調用場景兼顧生成效率與成本優勢。

針對本地部署，團隊對 routed experts 採用 MXFP4量化、dense 層保持 block-FP8，權重佔用從約534GB 降至292GB。在對應的 Hopper GPU 測試配置中，服務部署由8卡降至4卡，讓具備服務器級 GPU 的團隊以更少卡數運行模型。

此前，Ling3.0系列已在多類設備上開展開源實踐，覆蓋從服務器到個人電腦、移動終端的多種部署路徑。例如在服務器端，單臺 NVIDIA DGX Spark 可運行 Ling-3.0-flash，用於驅動編碼智能體構建並測試小遊戲;在個人電腦端，16GB MacBook Air 可運行 Ling-3.0-tiny，搭建常駐本地助手;在移動端，Galaxy A324G 通過 Tiny GGUF 版本驗證了本地推理與工具路由原型，小米14T Pro 則藉助 PocketPal 實現了 Tiny 版本的本地對話。

據瞭解，Ling-3.0系列模型在Hugging Face近30天下載量接近100萬次，社區已提供Flash GGUF、Tiny GGUF、Flash MLX4bit等多種適配版本。隨着 Ling-3.1-flash 開源，百靈系列模型爲開發者提供了更完整、可自主驗證和二次適配的模型基礎，同時也意味着模型能力正進一步貼近真實業務交付，從需求文檔、代碼倉庫到生產環境之間的鏈路被繼續壓縮。

百靈作爲螞蟻集團AI業務發展背後的模型研究力量，爲消費端 AI 應用和企業級智能體提供了重要的模型能力支撐。不同於單純追求模型參數規模，百靈聚焦將模型能力帶入真實業務中交付結果。在金融、醫療等複雜專業領域，百靈依託基座模型已相繼推出 Ling-3.0-flash-Fin、Ling-3.0-flash-Sante等增強模型，將通用模型能力進一步轉化爲投研、健康管理等真實業務流程中的專業能力。