蚂蚁百灵开源 Ling-3.1-flash-1019，智能指数得分创新高

一句话结论

蚂蚁百灵开源 Ling-3.1-flash-1019，其智能指数得分较上版提升3分，强化了多步骤任务处理能力，推动个人智能体落地真实业务场景。

关键要点

• Ling-3.1-flash-1019 在 Artificial Analysis Intelligence Index v4.3.2 中获得 44 分，较上一版本提升 3 分。
• 模型在 AA-Briefcase 测试中得分从约 1400 Elo 提升至 1524 Elo，GDPval-AA 从约 1618 Elo 提升至 1644 Elo。
• AutomationBench-AA 得分从 62% 提升至 68%，CritPt 得分从 18% 提升至 26%，SciCode 得分从 54% 提升至 57%。
• 基础模型 Ling-3.1-flash-base 采用混合线性 MoE 架构，总参数量约 560B，每个 Token 激活约 25B 参数，以 MIT 许可证开放。
• Ling-3.1-flash-base 在 8 个领域 47 项 benchmark 测试中，于 32 项上超越 DeepSeek-V4-Pro-Base 和 MiMo-V2.5-Pro-Base。

背景与事实

2024 年 10 月 28 日，蚂蚁集团旗下百灵大模型团队正式开源 Ling-3.1-flash-1019。该版本在 Ling-3.1-flash 基础上进一步优化训练，显著提升复杂工作流与多步骤任务处理表现。同日，百灵同步开源基础模型 Ling-3.1-flash-base，为长程任务提供知识、推理与计算效率支撑。Ling-3.1-flash-base 采用混合线性 MoE（Mixture of Experts）架构，总参数量约 560B，每 Token 激活约 25B 参数，在模型容量、长序列处理与单步计算开销间取得平衡，以 BF16 基础权重和 MIT 许可证开放，支持开发者进行继续预训练、领域适配及后训练。

此次模型迭代与 10 月 27 日发布的灵光 2.0 密切相关。灵光 2.0 升级为“能管事的个人 AI 助理”，具备跨会话记忆、长程任务调度与独立云主机能力，可在用户授权下主动跟进任务、持续管理复杂事务，即用户退出对话后任务仍可运行。该功能对底层模型提出新要求：需理解目标、使用工具、处理新信息并推进任务。Ling-3.1-flash-1019 正面向此类 Personal Agent 场景优化，提升复杂知识工作、流程自动化与科学问题求解能力。

百灵还基于 Ling-3.1-flash 训练了视觉语言模型 Ling-3.1-flash-VL，在原有推理、规划与工具使用能力基础上增加视觉理解，已应用于灵光，后续将对外发布。今年下半年以来，百灵围绕开源与真实场景加速模型迭代，此前基于 Ling-3.0-flash 推出金融增强模型 Ling-3.0-flash-Fin（总参数 124B、激活 5.1B）和医疗增强模型 Ling-3.0-flash-Sante（124B 参数，1.6T 以下最优表现），将基础模型能力延伸至投研、医疗等专业领域。

影响分析

对于中文开发者与从业者，Ling-3.1-flash-base 的 MIT 许可证和 BF16 权重开放降低了使用与二次开发门槛，可支持企业基于自有数据与流程进行领域适配，加速构建垂直场景的智能体应用。1019 版本在多步骤任务与工具调用上的提升，为开发需持续执行、跨会话记忆的个人助理类产品提供可靠模型底座，有助于降低研发成本与调试复杂度。分析判断表明，该开源策略将推动国内大模型生态在“可落地”方向上进一步聚焦，引导从业者从单纯参数竞赛转向任务完成度与业务价值实现。

适用边界

Ling-3.1-flash-1019 的优势基于其在 Artificial Analysis 等公开 benchmark 的测试表现，在未经验证的私有业务场景或高延迟敏感环境中，其实际效果可能存在差异。模型 560B 总参数与 25B 激活规模对推理硬件有一定要求，资源受限的边缘设备或低算力环境可能无法高效部署。视觉语言模型 Ling-3.1-flash-VL 尚未正式发布，相关能力暂不可用于生产环境。本结论不涵盖对竞品模型在相同业务场景下的直接对比效果。

孤本观察

百灵此次开源将基础模型与后训练模型同步开放，并紧密绑定其自家产品“灵光 2.0”的需求迭代，这种“研发—应用—开源”闭环模式在中文大模型厂商中较少见，反映出其更注重真实任务落地而非单纯参数规模的策略取向。

来源：InfoQ 中文 AI