这个双十一，百灵新模型干起活来不烧心
鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI
在电商打工的同学们，are you ok？我朋友已经崩不住了，天天都在消息轰炸我：
有没有好用的 AI打工神器 求推荐？急急急，最好是活干得好又能干很久的那种。
蚂蚁百灵新开源推出的 Ling-3.1-flash ，我平时的工作周报、选题总结都靠它包圆。
u1s1，Claude Code、Codex这些也都用过，最后发现还得是国产模型更得我心。
尤其是 百灵 ，平时不显山露水的，不卷参数也不卷榜单，但真到干活时，那是相当靠谱。
就拿开头的电商报告来说，老板一句 「把这次大促的情况整理出来」 ，落到打工人头上，就是找资料、核数据、追进度，再做成Excel和汇报PPT……
一项业务的背后往往要多环节通力合作，更麻烦的是，数据还零散藏在不同文件、不同工具里。
Ling-3.1-flash就是基于这类真实需求衍生出来的 高智效比 专业模型。
为真实世界任务而造
要接住大促分析这样琐碎的活，模型得在多个流程之间持续推进。Ling-3.1-flash模型的设计，可以顺着这条任务链来理解。
用户可能只给模糊的一句指令，实际需要交付的却是一整套汇报材料，模型得自己找出相关资料，判断缺什么、需要什么，再根据中间结果继续往前走。
它将需求理解、任务拆解、信息整合、工具调用和结果检查连接起来，可以跨网页、文档、表格和代码环境开展工作。
Ling-3.1-flash已经被接进了蚂蚁内部的桌面协同Agent客户端 「小虎」 ，模型指挥行动，执行环境则要让它真正读到文件、运行程序和写入结果。
这倒是个值得借鉴的思路，咱虽然还用不上小虎，但咱自有的 办公Agent ，加上Ling-3.1-flash组合拳，想来效果应该也不错。
模型拥有约560B总参数，每个Token激活约 25B 。在保留知识容量的前提下，Ling-3.1-flash把单步真正参与计算的权重规模给压了下来。
注意力结构上，它延续了Ling-3.0-flash的架构，并进一步提高了 线性Attention 的比例。
其采用7层KDA配1层Gated MLA的方式，KDA负责线性时间复杂度的序列处理，每8层保留1层Gated MLA，维持全局注意力通路。
模型上下文窗口上限可达 1M ，能一次性容纳更多文档、代码和历史任务，减少人工切分和反复搬运信息的功夫。
同时模型设置512个路由专家，每个Token选择其中8个，并同时调用1个共享专家。
这种 混合线性加稀疏MoE 的路子，目的只有一个：让模型在长时间执行里不掉链子，也不至于把算力烧穿。
此外，团队也在积极降低部署门槛，通过混合精度量化，模型权重占用从约 534GB降至292GB ，在对应的Hopper测试配置中，部署所需GPU由 8卡降至4卡 。
面向具体业务，团队还提供长上下文并行推理方案（PCP/DCP），并加强对 JSON Schema 的支持，让模型更方便地处理长资料、对接现有业务接口。
在 办公任务评测 GDPVal-AA V2.1中，Ling-3.1-flash的ELO得分为1673，展现出处理多步骤工作任务的竞争力。
同时，据 Artificial Analysis 最新公开评测，Ling-3.1-flash智能指数为41，输出速度约每秒210 Token，混合调用价格约为每百万Token 0.19美元，为高频业务场景提供了兼顾智能水平、生成效率与调用成本的选择。
医疗场景 下的HealthBench Professional评测中，Ling-3.1-flash也同样保持相对领先。
此外，软件开发、终端操作等场景下，Ling-3.1-flash也均具备一定的信息理解与执行能力。
以蚂蚁内部进行的一项长时的Lua原生编译器开发任务为例，整个过程持续约17小时，期间模型反复开发和修正，最终独立测试的通过率为 97.8% 。
所以在办公Agent选型时，Ling-3.1-flash面面俱到且专业不出错，成为其优先试配的理由。
实测Ling-3.1-flash见真章
假设你是家居收纳品牌Ling的电商负责人，根据资料，你需要向老板提交一份覆盖10月15日至11月11日的双十一大促方案，方案将直接交给运营、内容、客服和仓储后续执行。
在给定业务目标、商品资料、团队情况和历史渠道数据后，模型开始迅速梳理资料并进行大促方案设计。
它没有直接接受老板画的大饼，在提前识别广告边际效率递减、库存、发货能力等约束的前提下，对初始目标给出了相对合理的预估。
无论是商品组合表还是渠道预算明细，每一项数据都可追溯，说明具备一定的数据分析能力。
Ling-3.1-flash也细致地给出了 分阶段执行排期 ，甚至包括每个阶段需要的前置条件。
虽然在提示词中我们只要求大促方案到双十一当天，模型却自行补充上了后续的复盘和利润核算过程。
最后模型还会主动进行 一致性检查 ，明确标注出哪些数据还有待用户核验、哪些内容需要用户确定，最终方案执行的主动权始终还在用户手上。
在信息不足的情况下 ，Ling-3.1-flash没有直接下判断，而是先列出需要用户补充的细节，再区分已知事实、不确定项和要问医生的问题。
在 引导 用户补充关键信息后，它再将新增内容与原有内容交叉验证，得出更为专业的问诊参考。
值得注意的是，模型在思考过程中，始终强调 红线预警原则 ，会时刻提醒用户关注病情变化并及时就医，也不会明确给出用药指南。
不过Ling-3.1-flash也存在一些小Bug，比如一股脑给模型塞一大段长文本， 模型的注意力有时会跑偏 。
比如双十一大促方案本身就是非常复杂且周期长的工作任务，还是更建议逐步交付完成，比如先用脚本整理数据再生成方案，这样循序渐进地来。
一句话生成时同样存在适应边界 ，如果当前效果不佳，用户回过头来重新明确实现思路和交付规格，往往比继续碰运气更高效。
而且 当前版本尚不具备原生视觉理解 ，需要自行前置一个视觉模型处理，整套流程的成本也会有所增加。
百灵抢先进入真实任务流
但卷到一定程度，越来越多人开始追问一个更根本的问题：AGI是不是只有Coding这一个考场？
在他看来，百灵的目标还是服务于真实世界任务，把模型能力从技术层面抽离出来， 用真实任务来给模型打分 。
LingFin 是高智效比金融大模型，以行研为切入点重构金融效率；医疗健康增强模型 LingSante ，则围绕医疗知识推理、循证检索和标准流程探索。
其中，Ling-3.0-flash-Fin（总参数124B、激活5.1B）让AI进入真实投研任务流，打通从找资料、做分析到形成研究成果的完整任务链。
它在高难度投研任务中比肩3T级前沿模型，金融Agent综合表现达到开源领先，关键任务表现对标GPT-5.4等前沿模型。
Ling-3.0-flash-Sante则将高智效比带入医疗场景，以124B参数规模在1.6T以下模型中取得最优表现， 整体性能与多款旗舰模型相当 。
百灵抢先把模型计算效率、参数效率、Token效率绑在一起谈，强调模型 智效比 。
这个说法也很快得到了行业响应，Anthropic、OpenAI近半年也都在陆续推出面向金融、医疗的专业能力。
比如Anthropic在上个月推出的 Claude for Financial Advisors ，将连接器和任务Skills围绕具体工作组织起来，这也是另一种专业流程接入实践。
诚然，路线之争现在还远谈不上胜负，但 「走进真实工作流」 正在从一家的选择，变成整个行业的风向。
向上 ，继续为开发者提升Agent能力天花板； 向下 ，进一步降低普通用户的使用门槛，将更好的智效比转换成实实在在的办事能力； 向外 ，继续深化模型专业性，在真实世界中得以突破。
Ling Studio： https://ling.tbox.cn OpenRouter： https://openrouter.ai/inclusionai/ling-3.1-flash HuggingFace： https://huggingface.co/inclusionAI/Ling-3.1-flash ModelScope： https://modelscope.cn/models/inclusionAI/Ling-3.1-flash
何恺明团队新作：看猫片就能学会ARC挑战 2026-10-01
谷歌Gemini 4突然发布！RSI加持，GPT和Opus都让让 2026-10-01
相关阅读
AQuA：让量化研究 Agent 持续进化，也让回测结果经得起检验
自主研究系统的上限，不只取决于模型有多聪明，也取决于系统能否分辨什么是新证据，什么只是一次偶然的高分。
蚂蚁专用模型超越o3！仅用2K训练样本刷新医疗AI榜单纪录
什么？程序员礼盒还自带大模型彩蛋，碰一下就可触发
更高智商更快思考！蚂蚁开源最新万亿语言模型，多项复杂推理SOTA
探索智能新边界！灵光在手机端上线“体验世界模型”功能
蚂蚁ACL活动全览！论文串讲、人才专项答疑与闭门晚宴等你报名
热门文章
智谱新模型，490 tokens/s！
DeepSeek Bot来了！民间版，DSH装个插件就能用
超清双2亿，掌中电影机，荣耀Magic9 系列正式发布，售价4499元起
TRAE终于把Code和Work合并了
何恺明团队发布多模态Harness框架
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1