精华速览

蚂蚁百灵于9月30日发布Ling-3.1-flash，10月15日正式开源。该模型总参数量约560B，每Token激活约25B，上下文窗口上限1M，重点面向日常办公、长周期软件研发和复杂Agent任务。在Artificial Analysis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。智东西实测显示，模型能完成财报分析、工作助理、3D场景搭建及移动端新闻App原型开发，交付结果清晰可用。在Design Arena开放权重模型评测中，该模型在数据可视化、React Native移动应用、3D设计和游戏开发四个方向均位列第三。百灵同时推出金融大模型LingFin和医疗健康增强模型LingSante，聚焦专业场景。

要点透视

  • Ling-3.1-flash总参数量约560B，每Token激活参数约25B，上下文窗口上限为1M，于9月30日发布，10月15日正式开源。
  • 在第三方评测机构Artificial Analysis的公开测试中，Ling-3.1-flash智能指数为41，输出速度约每秒210 Token，混合调用价格约每百万Token 0.19美元（约合人民币1.27元）。
  • 智东西实测中，模型完成Meta、微软、Alphabet最近三年财报对比，交付研究简报、可编辑数据表及交互式可视化网页，支持筛选、悬停查看数据。
  • 模型担任个人工作助理时，整理出33项未完成待办，按逾期、阻塞及到期情况排序，支持关键词、项目分类和任务状态筛选，刷新后保留标记。
  • 模型将《桃花源记》转化为类似《我的世界》的3D方块风格网页，包含溪流、桃林、山口、洞穴和村落，支持自由漫游和自动游览，关键位置展示原文。
  • 模型参考智东西官网制作手机版新闻App Web原型，获取13篇真实新闻及配图，搭建首页、搜索、文章详情和收藏页面，收藏功能支持本地保存。
  • 在Design Arena的Open Weights分类评测中，模型在数据可视化、React Native移动应用、3D设计和游戏开发四个方向均位列第三，SVG生成和网站制作分别位列第四和第五。
  • 百灵推出面向投研任务的金融大模型LingFin和医疗健康增强模型LingSante，计划继续提升通用和复杂Agent任务能力，提高智效比、降低使用门槛。

文章拆解

近一周，硅谷AI大厂密集发布智能体相关进展：Meta于10月12日推出Muse Wonder系列，面向个人与专业智能体任务；谷歌云在10月9日发布企业通用智能体Gemini Agent，可自主规划任务、调用工具；谷歌随后开放旗舰模型Gemini 4 Argon，重点面向编程、金融、法律等复杂现实任务。海外厂商加快布局的同时，中国厂商已在办公、金融、医疗等产业场景持续探索。蚂蚁百灵此次开源Ling-3.1-flash，正是这一趋势下的直接回应。

从模型设计看，Ling-3.1-flash以560B总参数、25B激活参数和1M上下文窗口，试图在智能水平、输出速度与调用成本之间取得平衡。Artificial Analysis评测中41的智能指数、每秒210 Token的输出速度以及每百万Token约0.19美元的价格，使其在性价比维度具备一定竞争力。智东西的实测进一步验证了这一点：模型能连续调用工具，完成从资料检索、数据分析到可视化呈现的完整流程，也能将文学文本转化为可运行的3D场景，或将产品需求落实为移动应用原型。这些任务涉及多步骤规划、工具调用和代码生成，对模型的复杂长程Agent能力提出了较高要求。

对行业而言，Ling-3.1-flash的开源意味着中小开发者和企业可以更低门槛地接入具备办公与开发辅助能力的模型，可能加速智能体在垂直场景的落地。但需注意，实测中的财报分析和工作助理任务均基于模拟或有限材料，模型在真实投研、医疗等专业场景中的持续准确性、数据安全与合规性尚待确认。百灵推出LingFin和LingSante，表明其正试图通过行业增强模型弥补通用模型在专业深度上的不足，但这两个模型的实际表现和部署效果尚未有公开评测数据。

值得关注的变量包括：开源后社区对模型的微调与反馈能否推动其快速迭代；在资源受限的部署环境中，模型能否保持稳定的智效比；以及金融、医疗等强监管领域对模型输出可解释性和责任归属的要求，可能成为其进入核心工作流程的主要障碍。总体来看，AI能否准确、易用地交付可继续工作的成果，正在成为衡量模型实际价值的关键标准。

查看原文