10月28日，螞蟻集團旗下百靈大模型正式開源 Ling-3.1-flash-1019。新版本在 Ling-3.1-flash 基礎上進一步訓練優化，在智能指數Artificial Analysis Intelligence Index v4.3.2中獲得44分，較上一版本提升3分。與此同時，百靈同步開源其基礎模型 Ling-3.1-flash-base，爲長程任務所需的知識、推理和計算效率打好基礎。

0f78d8d226f92d0559b5cb033c679987.jpg

據瞭解，Ling-3.1-flash-1019版本面向 Personal Agent 場景，進一步提升了模型處理複雜工作流和多步驟任務的表現。從測評具體來看，新版本在複雜知識工作AA-Briefcase 中的得分從約1400Elo提升至1524Elo，GDPval-AA從約1618Elo提升至1644Elo;流程自動化AutomationBench-AA得分從62%提升至68%;科學問題求解CritPt得分從18%提升至26%，SciCode得分從54%提升至57%。

記者注意到，百靈本次模型迭代開源與靈光2.0息息相關。就在10月26日，靈光2.0升級爲「能管事的個人AI助理」，依託跨會話記憶、長程任務調度與獨立雲主機等能力，靈光可以在用戶授權範圍內更主動地跟進任務、持續管理生活中的複雜事務，即使用戶退出對話，相關任務也能繼續運行。這背後對模型能力提出了新要求。

從回答問題到持續辦事，模型需要哪些新能力?

與即時問答不同，個人智能體需要圍繞一個目標持續工作，這既需要產品具備記憶和任務調度機制，也需要底層模型能夠理解目標、使用工具、處理新信息並推進任務。

靈光2.0，呈現了這類能力在個人生活中的應用。 例如，規劃一趟旅行，不只是生成一份行程攻略，還需要結合出發時間跟進天氣、預約和行前準備;面對雙11購物需求，則要按照預算、規格和個人偏好篩選商品、整理清單，並持續關注價格變化，在符合約定條件時提醒用戶。

圍繞這些需求，百靈持續通過模型訓練和應用反饋，探索 Personal Agent 所需的能力。Ling-3.1-flash-base 在設計初期就將這些需求納入考慮，模型採用混合線性 MoE 架構，總參數量約560B，每個 Token 激活約25B參數，在模型容量、長序列處理和單步計算開銷之間取得平衡，爲後續面向真實任務的訓練提供基礎。

在8個領域共47項 benchmark 測試中，Ling-3.1-flash-base 在32項上超越了 DeepSeek-V4-Pro-Base 和 MiMo-V2.5-Pro-Base，取得最高分。其中，知識理解、邏輯推理、代碼、數學與長上下文評測，對應着個人助理處理複雜事務所需的多項基礎能力，成爲處理複雜任務的重要起點。據瞭解，Ling-3.1-flash-base以 BF16基礎權重、MIT 許可證向開發者開放，開發者可以基於自身的知識、流程和工具開展繼續預訓練、領域適配及後訓練。

image.png

在基礎能力之上，Ling-3.1-flash 及後續的1019版本通過後訓練，持續強化推理、工具使用和多步驟執行能力，持續提升模型在實際工作流中的表現。記者注意到，百靈從 Base 到後訓練模型，研發重點逐步延伸到如何遵循目標、使用工具和推進任務。

據瞭解，圍繞個人事務中的多模態信息處理需求，百靈基於 Ling-3.1-flash 訓練了視覺語言模型 Ling-3.1-flash-VL，在既有推理、規劃和工具使用能力的基礎上增加視覺理解，目前已先行應用於靈光，後續將對外發布。

從真實任務中來，到真實應用中去

目前，百靈正逐步完善 Personal Agent 所需的模型能力。模型層面的能力演進，也正在應用中得到進一步驗證和探索。據瞭解， Ling-3.1-flash 已基於靈光、阿福醫生版等應用場景的需求與反饋開展對齊訓練，持續提升模型在專業表達和溝通等方面的能力。

“從真實任務中來，到真實應用中去。”百靈表示，希望通過模型研發與應用實踐的持續循環，提升模型理解目標、保持任務狀態和應對變化的能力，並且將持續通過開源與開發者共同探索更多應用可能。

記者注意到，不同於單純追求模型參數規模，百靈更注重讓基礎模型能力進入真實流程，完成真實任務。今年下半年以來，百靈圍繞開放開源和真實場景加速模型迭代和發展。

此前，百靈基於新一代基座模型Ling-3.0-flash，分別推出金融增強模型Ling-3.0-flash-Fin和醫療增強模型Ling-3.0-flash-Sante，將基礎模型能力進一步帶入真實專業場景。 其中，Ling-3.0-flash-Fin（總參數124B、激活5.1B）讓AI進入真實投研任務流，打通從找資料、做分析到形成研究成果的完整任務鏈，在高難度投研任務中比肩3T級前沿模型，金融Agent綜合表現達到開源領先;Ling-3.0-flash-Sante則將“高智效比”帶入醫療場景，以124B參數規模在1.6T以下模型中取得最優表現，整體性能與多款旗艦模型相當。