黃仁勛力挺開源同一天，螞蟻百靈扔出124B“執(zhí)行模型”

智東西
作者 王涵
編輯 漠影

最近一周，硅谷AI圈的兩件大事將AI的路線之爭推至頂點。

先是黃仁勛首條X推文轉(zhuǎn)發(fā)25家巨頭聯(lián)署公開信，呼吁審慎監(jiān)管開源AI模型；緊接著，OpenAI與Anthropic罕見聯(lián)手，超1100名員工聯(lián)署呼吁“控速”，Meta創(chuàng)始人兼CEO扎克伯格則公開反擊稱這是扼殺創(chuàng)新。

硅谷還在吵“該不該開源”“該不該踩剎車”的時候，大洋彼岸的中國AI圈，開源和前進似乎從來就不是一道選擇題。從DeepSeek到智譜，從阿里通義到螞蟻百靈，中國大模型的開源步伐從未停歇。

7月24日——恰恰是黃仁勛發(fā)推支持開源的同一天，螞蟻百靈正式發(fā)布了新一代原生混合推理模型Ling-3.0-flash。該模型在OpenRouter與百靈官方平臺同步開放限時免費API調(diào)用，免費期截至8月3日23:00，模型權(quán)重將在免費期結(jié)束后正式開源。

在Token調(diào)用量排行中，Ling-3.0-flash自發(fā)布其5天內(nèi)從第9位躍升至第6位，7月29日的調(diào)用量僅比DeepSeek V4 Pro低0.5%。

Ling-3.0-flash總參數(shù)量為124B，激活參數(shù)量僅為5.1B，與其5月開源的旗艦級思考模型Ring-2.6-1T相比，總參數(shù)量約為后者的12.4%，激活參數(shù)量僅為后者的8.1%，卻在12項基準測試中有11項表現(xiàn)優(yōu)于Ring-2.6-1T。

硅谷巨頭們爭論不休的問題“開源能不能既安全又強大？”螞蟻百靈用產(chǎn)品給出了自己的回答。

一、以小搏大，12項測試11項超越萬億旗艦

先來看看Ling-3.0-flash的成績：

在基準測試上，Ling-3.0-flash在34個評測維度中拿下15個第一、19個第二，綜合均分與DeepSeek-V4-Flash并列第一，領(lǐng)先萬億級旗艦Ring-2.6-1T（59.7分）近8分。

螞蟻百靈同步提出了兩項新指標：智能密度（均分/總參數(shù)量）與智效比（均分/激活參數(shù)量）。Ling-3.0-flash智能密度達0.5，智效比高達13.2，在可比模型中雙雙登頂，幾乎是用最少的參數(shù)撬動了最高的性能。

在代碼能力方面，在SWE-Bench Pro測試中，模型需要理解代碼庫、定位問題并生成可通過測試的補丁，Ling-3.0-flash以56.6%的得分位居參測模型第一；在一次性生成完整交互式組件的ArtifactsBench中，其77.0%的得分斷層領(lǐng)先，高出第二名10余分。

MiniAppBench要求模型根據(jù)一句話需求生成完整APP，在16個主流模型平均僅17%通過率的硬核測試中，Ling-3.0-flash達到25.3%，與總參數(shù)約兩倍的開源SOTA模型處于同等水平。

通用Agent能力方面，BFCL-v4是行業(yè)通用的函數(shù)調(diào)用評測，Ling-3.0-flash以73.0%的準確率與Claude-Sonnet-4.6并列第一。在端到端綜合Agent評測GDPVal v2-AA中，Ling-3.0-flash以1107分的成績在參測模型中拔得頭籌。Tau3-banking-AA將模型置于模擬銀行系統(tǒng)中完成金融操作，其28.0%的得分僅次于Claude-Sonnet-4.6。

搜索Agent能力上，WideSearch測試中，模型需在海量網(wǎng)頁中快速定位與用戶問題最相關(guān)的信息，Ling-3.0-flash以73.6%排名第三。在多智能體協(xié)作模式下，該模型在BrowseComp測試中達到82.0%，與Claude-Sonnet-4.6的82.1%基本持平，驗證了其在復(fù)雜網(wǎng)頁交互中的信息獲取能力。

指令遵循能力決定了模型在嚴格約束下的執(zhí)行可靠性，IFBench檢驗?zāi)Ｐ蛯Ω袷?、角色、語氣等多重約束指令的遵循程度，Ling-3.0-flash得分74.5%，排名第三。LIFEBench則測試多輪對話中的長期指令記憶與遵循能力，Ling-3.0-flash以77.3%位列第一，驗證了其在長程交互中的穩(wěn)定性。

推理能力上，在高難度數(shù)學(xué)競賽測試中，Ling-3.0-flash的表現(xiàn)基本與主流模型持平；在專家級跨學(xué)科知識推理測試HLE中，Ling-3.0-flash依然領(lǐng)先萬億級旗艦Ring-2.6-1T。

長上下文能力是Ling-3.0-flash原生支持256K上下文窗口的直接體現(xiàn)。在MRCR_256K測試中，模型需在多輪對話中定位長文本關(guān)鍵信息，Ling-3.0-flash取得81.1%，在同等規(guī)模模型中表現(xiàn)優(yōu)異。Multi-IF測試多輪對話中持續(xù)遵循跨輪指令的能力，Ling-3.0-flash以87.7%位列第二。

二、能力實測：快、穩(wěn)、省，三個字能不能站住腳？

基準測試終究是“考試”，模型好不好用，得看它能不能在實際場景中幫人把事辦成。

與其他模型不同，Ling-3.0-flash的定位非常清晰：不是要取代超大參數(shù)規(guī)模的通用推理模型，而是做那個可以幫你做事的AI。

在視覺與互動場景中，Ling-3.0-flash的核心能力集中在兩點：一是極短的首字響應(yīng)時間，二是多輪對話中維持復(fù)雜空間邏輯的能力。

例如在游戲開發(fā)場景中，Ling-3.0-flash適合以“結(jié)對編程”模式參與漸進式開發(fā)。模型在多輪對話中能夠維持工程架構(gòu)的一致性——不丟上下文、不跑偏架構(gòu)、不陷入死循環(huán)。

通過三輪對話，我們用Ling-3.0-flash做出了一個3D臺球模擬器?？梢钥吹剑谶@個模擬器中，我們可以控制白球的擊球角度和力度，彩色球被撞擊后的路徑也基本符合物理規(guī)律。在生成過程中，Ling-3.0-flash的反應(yīng)速度很快，幾乎不需要思考，可以精準找到BUG，并進行迭代優(yōu)化。

在開發(fā)者與辦公場景中，Ling-3.0-flash展現(xiàn)的是長程任務(wù)的穩(wěn)定性、多系統(tǒng)協(xié)同的調(diào)度能力，以及在嚴格約束下保持輸出質(zhì)量和格式一致性的執(zhí)行力。

在多智能體協(xié)同場景中，Ling-3.0-flash支撐了一套完整的科研工作流。不同Agent角色各司其職：Scientist提出假說、Data Analyst檢索與驗證、CrossValidator交叉質(zhì)詢、Archivist歸檔沉淀、Writer自動產(chǎn)出論文與Slide報告。

在辦公自動化場景中，Ling-3.0-flash通過掛載Office MCP工具集，將自然語言指令轉(zhuǎn)換為序列化的API調(diào)用，實現(xiàn)跨應(yīng)用自動化工作流。

例如，用戶下達單次指令后，Ling-3.0-flash自動在Excel中填入數(shù)據(jù)并生成透視表，隨后提取核心圖表插入Word文檔并完成排版。整個過程中，模型不依賴易出錯的GUI模擬操作，而是通過底層協(xié)議直接驅(qū)動軟件，而這正是“穩(wěn)定工具調(diào)用”能力的落地體現(xiàn)。

此外，Ling-3.0-flash無需外部圖像素材，僅憑代碼便可批量生成視覺表現(xiàn)力突出的藝術(shù)網(wǎng)頁。

該模型可以批量產(chǎn)出多款契合不同現(xiàn)代設(shè)計流派的頁面，覆蓋包豪斯、波西米亞、酸性設(shè)計等風(fēng)格，難度梯度由易至難。頁面完全依托CSS漸變、SVG路徑與版式布局構(gòu)建，脫離外部圖片素材依舊還原了各類設(shè)計流派獨有的美學(xué)特征。

三、混合線性注意力+1/64稀疏MoE，把每一分算力榨干

“小身材大能量”的背后，是模型架構(gòu)上的創(chuàng)新。Ling-3.0-flash放棄了單純堆砌參數(shù)的思路，從預(yù)訓(xùn)練階段即對計算架構(gòu)進行了重新設(shè)計。

Ling-3.0-flash從預(yù)訓(xùn)練伊始即采用原生混合線性注意力架構(gòu)，以5:1的比例交替堆疊KDA（Kimi Delta Attention）線性注意力層與MLA（Multi-head Latent Attention）層。

其中，KDA將上一代的Lightning Attention進行了升級，在Delta Rule的狀態(tài)更新中引入細粒度對角門控，賦予不同特征通道獨立的保留、衰減與寫入控制能力。這讓模型在處理長文檔和大型代碼庫時，能更精準地記住跨段落的關(guān)鍵信息，避免在長上下文中“迷失”。

MLA則通過低秩壓縮將KV Cache大幅縮減，降低推理時的顯存占用。兩者以5:1的比例交替堆疊，讓模型在長上下文效率、狀態(tài)記憶與計算成本之間實現(xiàn)了協(xié)同躍升。

百靈團隊提出的“Ling Scaling Law”認為：更低的專家激活比例帶來更高的“效率杠桿”。Ling-3.0-flash進一步壓縮了單次計算的專家激活比例，將每個Token的專家激活比例由前代的1/32壓縮至1/64。

1/64的稀疏比例意味著，模型雖然總參數(shù)達124B，但每次推理只需激活5.1B參數(shù)參與計算。通過更精細的專家路由策略，讓每個Token只調(diào)動最相關(guān)的少數(shù)專家，將算力精準投放到當(dāng)前任務(wù)最需要的地方。

此外，為了讓AI Agent運行更快、更穩(wěn)，百靈為Ling-3.0-flash匹配了集群級的分級緩存架構(gòu)。模型創(chuàng)新接入了SGLang HiCache與Mooncake分級緩存體系（物理雙池、集群共享L3），使長程交互無需重復(fù)計算。

該緩存架構(gòu)借鑒了現(xiàn)代CPU的三級緩存設(shè)計理念，將GPU內(nèi)存、主機內(nèi)存與分布式存儲分別組織為L1、L2、L3三級緩存。長對話和多輪交互中，已計算過的KV Cache可以被復(fù)用，避免重復(fù)計算。實測數(shù)據(jù)顯示，長輸入場景下的首字響應(yīng)時間（TTFT）降低60%至80%以上。

在任務(wù)穩(wěn)定性上，百靈還升級了多智能體協(xié)同架構(gòu)——Ling Multi-Agent。各Agent通過分工協(xié)作、相互校驗，有效減少了單一模型在長程任務(wù)中容易“跑偏”或誤判的風(fēng)險。

這套架構(gòu)讓Ling-3.0-flash從一個單點執(zhí)行器，升級為可支撐多角色協(xié)同的“集團軍”作戰(zhàn)平臺，為高頻線上服務(wù)與真實業(yè)務(wù)落地提供了支撐。

從混合線性注意力到多智能體協(xié)同，四層架構(gòu)環(huán)環(huán)相扣。正是這套從底層計算到上層調(diào)度的系統(tǒng)性重構(gòu)，讓Ling-3.0-flash以124B總參、5.1B激活的體量，在12項測試中11項超越萬億旗艦成為可能。

結(jié)語：開源、能干活，才是最大范圍實現(xiàn)技術(shù)普惠

5 月開源萬億級Ling-2.6-1T、Ring-2.6-1T、Ling-2.6-flash，7月推出Ling-3.0-flash并計劃8月3日開源，螞蟻百靈開源節(jié)奏持續(xù)提速。

相比單純新增模型，Ling-3.0-flash更大的價值，是將輕量化高性價比的技術(shù)路線推向新階段。在高并發(fā)、低延遲的Agent商用場景下，依托約1/12激活算力即可逼近旗艦?zāi)Ｐ捅憩F(xiàn)，有效降低企業(yè)推理開銷。

當(dāng)開源模型兼顧實用性、效果與成本優(yōu)勢，技術(shù)普惠才有落地的現(xiàn)實基礎(chǔ)。