蚂蚁开源Ling新模型 主打个人智能体

蚂蚁集团旗下百灵大模型团队10月27日开源Ling-3.1-flash-1019，并首次同步放出预训练底座Ling-3.1-flash-base。两款模型均以MIT许可证在Hugging Face与ModelScope上线，底座以BF16精度发布，开发者可以据此继续预训练、做领域适配或自己的后训练。

架构延续上一版：混合线性MoE，63层KDA线性注意力配9层门控MLA（约7比1），512个路由专家、每个Token激活8个，总参数约560B、激活约25B，上下文长度100万Token。线性注意力负责压低长上下文的算力与显存开销，少量全注意力层则保住检索精度。

这一版的改动来自后训练。官方称新模型在第三方Artificial Analysis智能指数v4.3.2上拿到44分，比上一版的41分高3分；复杂知识工作评测AA-Briefcase从约1400 Elo升到1524 Elo，GDPval-AA从1618升到1644；流程自动化评测AutomationBench-AA从62分升到68分；科学问题求解CritPt从18分升到26分、SciCode从54分升到57分。除AA指数外，这些数字均为厂商自报。

底座的定位更偏向开发者。蚂蚁称Ling-3.1-flash-base在8个领域47项基准测试中有32项超过DeepSeek-V4-Pro-Base与MiMo-V2.5-Pro-Base（同样是自测），覆盖知识、推理、代码、数学与长上下文。开源底座的意义在于把竞争从榜单分数挪向生态：企业不必从已对齐的聊天模型起步，可以直接在自己的数据和流程上继续训练。

开源节奏也说明了方向。10月22日Ling-3.1-flash-1019先以API形式开放，5天后放出权重；再往前，Ling-3.1-flash于10月15日开源，主打4卡部署与100万Token上下文。从2.6-flash到3.0-tiny，「先API、后权重」已经成为这条产品线的惯例。

更值得注意的是与应用侧的配合。10月27日，蚂蚁的AI助手灵光升级到2.0，定位从聊天工具变成「能管事的个人助理」，靠跨会话记忆、长程任务调度和独立云主机，在用户退出对话后继续推进任务。百灵表示，基于Ling-3.1-flash训练的视觉语言模型Ling-3.1-flash-VL已在灵光中使用，后续会对外发布。模型与场景互相喂养，这才是这轮开源真正想讲的故事。