十月十五日，蚂蚁集团旗下百灵大模型宣布开源 Ling-3.1-flash，面向真实世界任务升级复杂工作流表现，让模糊的业务需求更快变成可用成果。该模型延续 Ling-3.0-flash 的混合线性架构，总参数约五千六百亿，权重同步在 Hugging Face 与 ModelScope 开放下载。
混合线性架构为什么能把长上下文成本压下来？
传统 Transformer 的注意力随上下文长度平方增长，长文本和长智能体任务越来越贵。混合线性架构把全局注意力与线性递推组合，在保留长程记忆的同时把计算量压到近似线性，这对要连续调工具、读长文档的企业工作流尤其关键。
约五千六百亿参数为什么还要做成 flash 档？
大参数保证能力上限，flash 档靠稀疏激活与推理优化把单次调用成本打下来。蚂蚁走的是能力不妥协、单价要够低的路线，让开发者敢把模型放进高频、批量的生产场景，而不是只做演示。
开源这种尺寸的模型，蚂蚁图什么？
开源五千六百亿级权重是一种生态卡位：吸引开发者在百灵上做二次微调与工具集成，把企业工作流沉淀到自家技术栈。相比闭源收费，开源换的是标准制定权和未来云服务入口，是典型的平台型打法。
混合线性架构会彻底取代 Transformer 吗？
它更像是给 Transformer 装上长上下文的节能补丁，而不是推倒重来。在需要超长记忆和高频调用的工作流里，混合线性会越来越主流；但在最尖端的推理任务上，标准注意力仍难被完全替代，未来大概率是两者混合的架构共存。对开发者来说，真正要盯的不是谁取代谁，而是自家任务对上下文长度与推理成本的敏感程度。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论