内容概览
本文围绕“蚂蚁百灵开源 Ling-3.1-flash:560B级模型部署降至4卡，最高支持1M上下文”整理核心信息、适用场景与使用条件，便于读者快速了解重点，再决定是否进一步体验或查阅项目资料。
详细信息
10月15日，蚂蚁集团旗下百灵大模型宣布开源 Ling-3.1-flash。该模型主打“真实可用”，面向真实世界任务实现能力升级，让模糊的业务需求更快变成可用的成果。开源模型面向Hugging Face和ModelScope提供权重下载。
Ling-3.1-flash 延续了 Ling-3.0-flash 的混合线性架构，拥有约560B 总参数，每个 Token 激活约25B 参数;最高支持1M上下文。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。
在办公任务评测 GDPVal-AA V2.1中，Ling-3.1-flash 获得1673分（ELO）。在 HealthBench Professional医疗场景评测中，模型得分65.35。在软件工程基准 FrontierSWE 和终端操作基准 Terminal-Bench4.0测评中，模型同样表现出了处理复杂工程任务的能力。
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。
日常面向真实任务时，企业知识助手和代码助手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”作为百灵系列模型的核心特点，在 Ling-3.1-flash 模型层面得以延续并进一步强化。
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210Token，面向高频业务场景提供智能指数与生成效率的双重能力。此外，Ling-3.1-flash 的混合调用价格约为每百万 Token0.19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。
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，让具备服务器级 GPU 的团队以更少卡数运行模型。
此前，Ling3.0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。例如在服务器端，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;在个人电脑端，16GB MacBook Air 可运行 Ling-3.0-tiny，搭建常驻本地助手;在移动端，Galaxy A324G 通过 Tiny GGUF 版本验证了本地推理与工具路由原型，小米14T Pro 则借助 PocketPal 实现了 Tiny 版本的本地对话。
据了解，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 MLX4bit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，同时也意味着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。
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了重要的模型能力支撑。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。
编辑整理：阅读要点
- 功能和价格可能随版本或地区变化，使用前应查看最新说明。
- 安装软件或启用服务时，优先使用项目官方渠道并检查所需权限。
- 是否适合长期使用，应结合自身设备、工作流和实际体验判断。
延伸阅读
资料来源：news.aibase.com。本文依据公开资料整理，不是独立采访或独家报道。