百灵

据十月十五日消息，蚂蚁集团旗下百灵大模型宣布开源 Ling-3.1-flash，权重上线 Hugging Face 与 ModelScope。它延续混合线性架构，总参数约五千六百亿，每个 token 激活约二百五十亿，最高支持一百万上下文。在办公任务 GDPVal-AA V2.1 上拿到一千六百七十三 ELO，医疗场景 HealthBench Professional 得六十五点三五，并在软件工程与终端操作基准上展示了处理复杂工程任务的能力。 主打真实可用，这个定位和刷榜有什么不同？ 它强调的不是单题分数，而是把分散资料整理成汇报、把零散症状梳理成病史、读懂旧代码再写新功能并按测试结果修正，这一整套真实工作流。混合线性架构加二百五十亿激活，是在五千六百亿的总规模里做稀疏激活，目的是在维持能力的同时把单 token 成本压下来。它面向的是高频业务，Artificial Analysis 给出的智能指数约四十一、每秒约二百一十 token，明显是生产导向而非旗舰秀肌肉。 一百万上下文，到底是认知延展还是成本陷阱？ 长上下文一度被当成模型记性好的证据，但工程上它既是能力也是负担。一百万 token 的窗口意味着每次推理都要重新处理海量历史，成本和延迟都会堆积。混合线性架构的价值就在这里，用线性注意力的恒定开销去扛长上下文，让真把一整套文档和代码塞进去变得可行。对企业来说，这决定了模型是真能接手一个长期项目，还是只能聊一个回合就退场。 国产开源在工作流上卷，意味着什么？ 把这种规模的模型开源，并且明确面向办公、医疗、终端操作这些落地场景，说明国产开源的竞争点已经从对标通用聊天，转向谁能真正嵌进业务流程。开源权重让企业可以在自有环境部署，把数据留在自己手里。对使用者而言，真正的问题不再是模型聪不聪明，而是它能不能在我的权限、我的资料、我的测试闭环里持续把模糊需求做成可用成果。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论