蚂蚁百灵开源 Ling-3.1-flash-1019，面向 Personal …
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载新版本与基础模型同步开源
10月28日，百灵大模型把 Ling-3.1-flash-1019 以开源形式放出，同时开放的还有基础模型 Ling-3.1-flash-base。前者定位在 Personal Agent 场景，重点改善复杂工作流的处理表现；后者承担底座角色，供开发者在此基础上做后续开发。两个模型同日开放，意味着使用方既能直接调用面向助理任务的版本，也能拿到可自行改造的基础权重。基础模型以 BF16 基础权重形式发布，许可证为 MIT，开发者可据此进行二次训练与部署。这一授权方式降低了使用门槛，也让模型的改造空间交由使用方自行决定。从发布节奏看，百灵把面向具体场景的版本与通用底座一并交出，形成从直接使用到深度定制的两条路径。
指数与分项成绩的变化
在 Artificial Analysis Intelligence Index v4.3.2 上，Ling-3.1-flash-1019 取得44分，高于上一版本。分项数据呈现出不同幅度的抬升：AA-Briefcase 从约1400 Elo 提高到1524 Elo，GDPval-AA 从约1618 Elo 升到1644 Elo，AutomationBench-AA 由62%升至68%，CritPt 从18%升到26%，SciCode 从54%升到57%。这些项目覆盖长文档处理、任务自动化与科学计算类题目，涨幅并不均匀，其中 CritPt 的相对提升最为明显，SciCode 的变化相对温和。分数变化反映的是模型在若干具体评测任务上的表现差异，不同分项之间的落差也说明能力提升并非在所有维度上同步发生。
混合线性 MoE 的规模取舍
Ling-3.1-flash-base 采用混合线性 MoE 架构，总参数约560B，而每个 Token 激活约25B。总参数与激活参数之间的差距，是该架构的核心特征：模型整体容量较大，但单次推理只调用其中一部分。在8个领域47项 benchmark 的对比中，这一基础模型有32项超过 DeepSeek-V4。这一结果给出的是多项评测上的相对位置，涉及领域较广，但仍有部分项目未取得领先。对开发者而言，可据此判断该底座在自身关注任务上的大致水平，再决定是否以其为基础做进一步训练。
场景反馈进入对齐训练
百灵基于 Ling-3.1-flash 训练了视觉语言模型 Ling-3.1-flash-VL，该模型已先行用于灵光。10月27日，灵光2.0升级为个人 AI 助理，具备跨会话记忆与长程任务调度能力，这些实际使用中的反馈又被用于 Ling-3.1-flash 的对齐训练。此前百灵还推出过面向垂直领域的版本：金融方向的 Ling-3.0-flash-Fin 总参数124B、激活5.1B；医疗方向的 Ling-3.0-flash-Sante 以124B参数在1.6T以下模型中表现最优。从通用底座到垂直模型，再到助理产品与视觉语言模型，各环节之间形成了反馈回流的关系，场景中积累的经验被重新用于模型调整。
为什么值得看
开源模型开始针对个人智能体的长程任务与工具调用能力做专项优化，并给出多项可对比的评测提升数据。
信源1 家
关键事实
Ling-3.1-flash-1019 在 Artificial Analysis Intelligence Index v4.3.2 中得 44 分，较上一版本提升 3 分[1]
AutomationBench-AA 得分从 62% 提升至 68%，CritPt 从 18% 提升至 26%，SciCode 从 54% 提升至 57%[1]
同步开源的基础模型 Ling-3.1-flash-base 采用混合线性 MoE 架构，总参数约 560B，每 Token 激活约 25B[1]
Ling-3.1-flash-base 以 BF16 基础权重、MIT 许可证开放，支持继续预训练、领域适配与后训练[1]
在 8 个领域共 47 项 benchmark 中，Ling-3.1-flash-base 有 32 项超过 DeepSeek-V4-Pro-Base 和 MiMo-V2.5-Pro-Base[1]
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。