蚂蚁版Muse背后模型开源！Agent测评赶超Deepseek-V4-Pro

智东西
作者 孙小雯
编辑 程茜

智东西10月29日消息，昨日，蚂蚁百灵开源面向Personal Agent场景进一步训练Ling-3.1-flash-1019，并同步开放基础模型Ling-3.1-flash-base。1019版支持最高100万Token上下文窗口，主要面向复杂推理和智能体任务。Base版则提供后训练前的基础权重，供开发者继续训练。

其中，1019版在第三方大模型评测机构Artificial Analysis（以下简称AA）的智能指数v4.3.2评测中获得44分，较Ling-3.1-flash提高3分。截至10月27日，该模型在同规模开放权重模型中排名第4。

上一代Ling-3.1-flash于9月30日发布。时隔不到一个月，蚂蚁百灵便推出1019升级版，通过后训练，进一步提升模型处理复杂工作流和多步骤任务的能力。

这次升级也与蚂蚁旗下个人AI助理灵光的使用需求有关。10月27日，蚂蚁集团发布灵光2.0，新增跨会话记忆、长程任务调度和独立云主机等能力。据百灵披露，此前发布的Ling-3.1-flash已结合灵光等应用的需求和反馈开展对齐训练。

性能提升带来了更高的Token消耗。据AA统计，1019版每项智能指数评测任务平均输出约14.5万个Token，较Ling-3.1-flash增加超40%，单任务平均成本由1.01美元升至1.49美元（约合人民币9.94元）。

两款模型均免费开放权重。API定价方面，1019版每百万Token的输入价格为0.30美元（约合人民币2元），输出价格为0.90美元（约合人民币6元），缓存读取价格为0.06美元（约合人民币0.40元）。

模型部署方面，1019版官方模型卡列有SGLang、vLLM推理部署说明。两款模型均采用MIT许可证，开发者可从Hugging Face、魔搭社区下载权重、自行部署。

▲Ling-3.1-flash-1019及Base开源主页（图源：Hugging Face）

Ling-3.1-flash-1019开源地址：
Hugging Face：
https://huggingface.co/inclusionAI/Ling-3.1-flash-1019
魔搭社区：
https://modelscope.cn/models/inclusionAI/Ling-3.1-flash-1019

Ling-3.1-flash-base开源地址：
Hugging Face：
https://huggingface.co/inclusionAI/Ling-3.1-flash-base
魔搭社区：
https://modelscope.cn/models/inclusionAI/Ling-3.1-flash-base

一、1019版复杂任务成绩提升，Base模型32项测试领先

此次开源的两款模型总参数均为5600亿，每个Token激活约250亿参数，但二者定位不同。

Ling-3.1-flash-1019是在9月30日发布的Ling-3.1-flash基础上进一步后训练的模型，面向复杂推理和智能体任务。以行业调研为例，AI需要查找资料、分析数据，再整理成报告；处理办公流程时，还可能需要调用工具、在多个软件之间完成操作。

AA评测数据显示，在复杂知识工作测试AA-Briefcase v1.1中，1019版成绩从1398 Elo升至1521 Elo；在流程自动化测试AutomationBench-AA中，该模型成绩从62%升至68%。此外，在科学推理测试Humanity’s Last Exam中，其成绩从39%升至43%；在物理推理测试CritPt中，从18%升至26%。

▲Ling-3.1-flash-1019与上一代模型的部分评测成绩对比（图源：蚂蚁百灵）

与经过后训练的1019版不同，Base保留的是后训练前的基础权重，此次百灵主要公布了知识、数学、代码、推理和长文本理解等基础能力的测试成绩。

据百灵披露，在与DeepSeek-V4-Pro-Base、MiMo-V2.5-Pro-Base的对比中，Ling-3.1-flash-base在8个领域共47项基准测试里，有32项取得三款模型中的最高分。

这两款参评模型的参数规模均大于Ling-3.1-flash-base。DeepSeek-V4-Pro-Base总参数为1.6万亿、激活参数490亿；MiMo-V2.5-Pro-Base总参数为1.02万亿、激活参数420亿，而Ling-3.1-flash-base的总参数仅5600亿、激活参数250亿。

具体来看，在数学测试MATH500中，Ling-3.1-flash-base获得79.40分，高于DeepSeek-V4-Pro-Base的68.20分和MiMo-V2.5-Pro-Base的57.20分；在长文本理解测试LongBench中，Ling-3.1-flash-base获得51.90分，DeepSeek-V4-Pro-Base和MiMo-V2.5-Pro-Base分别获得17.70分和15.66分。

▲Ling-3.1-flash-base与DeepSeek-V4-Pro-Base、MiMo-V2.5-Pro-Base的基准测试成绩对比（图源：蚂蚁百灵）

二、百灵视觉模型已用于灵光，上传作业照片可生成学习计划

除了对Ling-3.1-flash进行后训练升级，百灵还在视觉方向训练了新模型。视觉语言模型Ling-3.1-flash-VL基于9月发布的Ling-3.1-flash训练，在原有推理、规划和工具使用能力基础上，增加了对照片、截图和软件界面的理解能力。目前，该模型已先行应用于灵光，后续将对外发布。

百灵同时展示了灵光的作业辅导案例。家长上传一张作业照片后，灵光可以核对题目和解题过程，梳理相关知识点。用户接着提出“用两周时间巩固”，灵光便进一步制定了两周学习计划，并生成每日学习任务和记录页面。

▲灵光根据作业照片制定两周学习计划（图源：蚂蚁百灵）

三、采用混合线性MoE架构，每个Token激活250亿参数

前述视觉模型涉及图片理解、任务规划和后续跟进。对于需要持续处理信息、执行多个步骤的个人Agent，模型的计算开销也需要控制。

此次开源的1019版和Base沿用了Ling-3.1-flash系列的混合线性MoE架构，主要从长文本处理和参数激活两个方面减少计算量。

在注意力机制上，模型包含63层KDA线性注意力和9层门控MLA，比例为7:1。其中，KDA主要用于降低长文本处理的计算开销，门控MLA则保留更精细的注意力计算能力，两种注意力机制结合，能够兼顾处理效率和信息理解能力。

此外，MoE架构还通过稀疏激活减少单次计算量。模型共设有512个路由专家，每个Token激活其中8个，并使用1个共享专家，使模型无需在每次推理都调用全部5600亿参数参与计算。

▲Ling-3.1-flash系列模型架构（图源：蚂蚁百灵）

训练方面，Base采用FP8精度训练，此次开放的是经过权重合并处理后的BF16基础权重。开发者可以在此基础上继续预训练，也可以通过监督微调、强化学习等方式，让模型适应特定领域的任务。

结语：两款模型同步开源，Agent应用仍面临成本考验

从最近一个月的动作来看，百灵正在结合灵光等产品的需求，推进模型的后训练和视觉能力开发。此次同步开放1019版和Base权重，也让外部开发者能够直接部署升级模型，或基于基础权重继续训练。

但更高的复杂任务成绩也对应着更高的推理消耗。目前，1019版单任务平均成本涨幅接近48%。灵光2.0已经开始提供价格监测、持续提醒等长程任务功能，这类服务需要多次调用模型、持续跟进信息。随着Agent从单次对话走向长期运行，完成一项任务消耗多少Token，将直接影响服务成本。