蚂蚁百灵开源 Ling-3.1-flash：560B 总参数、1M 上下文，百万 Token 混合价约 0.19 美元

一分钟速览

• 10 月 15 日，蚂蚁集团旗下百灵大模型开源 Ling-3.1-flash，总参数约 560B、每 Token 激活约 25B，最高支持 1M 上下文。
• 主打“真实可用”，面向办公、医疗、软件工程、终端操作等复杂工作流。
• 混合调用价格约每百万 Token 0.19 美元，Artificial Analysis 智能指数 41、输出速度约每秒 210 Token。
• 权重已在 Hugging Face 与 ModelScope 开放，本地部署权重从约 534GB 压到 292GB。

把“智效比”当卖点

Ling-3.1-flash 延续 Ling-3.0-flash 的混合线性架构，约 560B 总参数，每个 Token 激活约 25B 参数。它的定位不是刷榜，而是“在真实任务中把模糊的业务需求更快变成可用成果”：面对分散资料，可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，能读懂原有实现、编写新功能，并依据测试结果继续修正。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稳定表现。

评测与成本

在办公任务评测 GDPVal-AA V2.1 中，Ling-3.1-flash 拿到 1673 分（ELO）；HealthBench Professional 医疗场景评测得分 65.35；软件工程基准 FrontierSWE 与终端操作基准 Terminal-Bench 4.0 也验证了其处理复杂工程任务的能力。在 Artificial Analysis 公开评测中，其智能指数为 41、输出速度约每秒 210 Token，混合调用价格约每百万 Token 0.19 美元，落在“输出较快、价格较低”的区间，瞄准高频调用场景。

本地部署与生态

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 降到 292GB；在对应的 Hopper GPU 测试配置中，服务部署从 8 卡降到 4 卡，让具备服务器级 GPU 的团队用更少卡数就能跑起来。此前 Ling-3.0 系列已在多类设备上实践：单台 NVIDIA DGX Spark 可驱动编码智能体，16GB MacBook Air 可跑 Ling-3.0-tiny 做常驻本地助手，移动端也有 Tiny GGUF 版本的本地推理验证。该系列近 30 天在 Hugging Face 下载量接近 100 万次。

趋势洞察

开源模型的竞争正在从“参数多大”转向“每块钱能办多少事”。Ling-3.1-flash 把 1M 上下文、560B 总参数与约 0.19 美元/百万 Token 的价格放在一起，再配上 4 卡可部署的量化方案，实际是在对高频业务场景喊话：不必为大而买单，够用、便宜、能本地化才是关键。在金融、医疗这类专业领域，百灵已推出 Ling-3.0-flash-Fin、Ling-3.0-flash-Sante 等增强模型，这条“基座开源 + 垂直增强”的路线，也给行业模型的落地提供了可复制的样本。