这个双十一，百灵新模型干起活来不烧心

鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI

双十一电商大促在即，面对繁杂的数据整理与报告撰写任务，如何高效应对成为职场人关注焦点。近期，蚂蚁百灵新开源推出的Ling-3.1-flash模型引发业界关注。该模型主打“高智效比”，专注于解决真实工作流中的复杂任务，在办公自动化、数据分析及专业领域应用中展现出显著优势。

相较于单纯追求参数规模或榜单排名，Ling-3.1-flash更强调在实际业务场景中的落地能力，能够独立完成从资料搜集、数据核对到Excel及PPT生成的全流程工作。

为真实世界任务而造

针对大促分析等琐碎且多环节协同的任务，Ling-3.1-flash通过以下设计逻辑实现高效执行：

任务拆解与全链路执行

面对模糊指令，模型具备自主拆解交付目标的能力。它能识别所需资料，判断缺失信息，并基于中间结果持续推进任务。Ling-3.1-flash将需求理解、任务拆解、信息整合、工具调用和结果检查串联，支持跨网页、文档、表格和代码环境工作，既能制作办公文档，也能生成和测试代码。

目前，该模型已接入蚂蚁内部桌面协同Agent客户端「小虎」，实现了从模型指挥到文件读写、程序运行的闭环执行。

混合架构提升智效比

为应对长上下文带来的计算开销，Ling-3.1-flash采用混合架构设计：

• 参数结构：总参数约560B，每Token激活约25B。通过降低单步参与计算的权重规模，在保证知识容量的同时提升效率。
• 注意力机制：延续Ling-3.0-flash架构，提高线性Attention比例。采用7层KDA配1层Gated MLA的方式，兼顾线性时间复杂度处理与全局注意力通路。
• 上下文窗口：上限可达1M Token，支持一次性处理大量文档、代码和历史任务，减少人工切分成本。
• 稀疏MoE：设置512个路由专家，每Token选择8个并调用1个共享专家，确保长时间执行稳定性并控制算力成本。

此外，通过混合精度量化，模型权重占用从534GB降至292GB，部署所需GPU由8卡降至4卡。团队还提供长上下文并行推理方案（PCP/DCP）并加强JSON Schema支持，便于对接现有业务接口。

评测表现优异

在办公任务评测GDPVal-AA V2.1中，Ling-3.1-flash ELO得分为1673。据Artificial Analysis最新公开评测，其智能指数为41，输出速度约每秒210 Token，混合调用价格约为每百万Token 0.19美元，兼具智能水平、生成效率与成本优势。

在医疗场景HealthBench Professional评测中保持领先；在软件开发场景中，曾独立承担约17小时的Lua原生编译器开发任务，最终测试通过率达97.8%。

实测Ling-3.1-flash见真章

电商大促方案生成

在模拟家居收纳品牌双十一大促方案任务中，模型展现了以下能力：

• 目标可行性判断：未盲目接受初始目标，而是基于广告边际效率、库存及发货能力等约束，给出合理预估及调整路径。
• 数据可追溯：生成的商品组合表与渠道预算明细数据准确，具备数据分析能力。
• 全流程规划：提供分阶段执行排期及前置条件，并主动补充复盘和利润核算环节。
• 内容创作：自动生成短视频引流文案、直播话术等，包含画面、文案及钩子。
• 一致性检查：明确标注需用户核验的数据，保留用户决策主动权。

医疗健康场景辅助

在处理虚拟血脂检查数据及病症描述时，模型表现出严谨性：

• 信息补全：在信息不足时不直接下判断，而是列出需补充细节，区分已知事实与不确定项。
• 交叉验证：引导用户补充信息后，进行内容交叉验证，生成专业问诊参考。
• 红线预警：始终提醒用户关注病情变化并及时就医，不提供具体用药指南，定位为医生前期辅助角色。

局限性与建议

实测发现，模型在处理超长文本时注意力可能分散，建议对复杂长周期任务采取逐步交付策略（如先整理数据再生成方案）。此外，当前版本不具备原生视觉理解能力，需前置视觉模型处理，增加了流程成本。用户在遇到效果不佳时，重新明确实现思路和交付规格比反复尝试更高效。

百灵抢先进入真实任务流

百灵系列模型精准切入行业痛点，主张“Coding并非AGI唯一考场”，强调以真实任务评估模型能力。目前，百灵已将3.0系列模型应用于金融和医疗两大高标准领域：

• LingFin（金融）：以行研为切入点，打通从资料搜集到成果形成的完整任务链。Ling-3.0-flash-Fin在高难度投研任务中表现对标前沿模型，金融Agent综合表现处于开源领先地位。
• LingSante（医疗）：围绕医疗知识推理、循证检索和标准流程探索。Ling-3.0-flash-Sante在1.6T以下模型中取得最优表现，整体性能与多款旗舰模型相当。

百灵提出“智效比”概念，将计算效率、参数效率与Token效率结合，重新定义模型效率。这一理念正逐渐获得行业响应，Anthropic、OpenAI等机构也相继推出面向金融、医疗的专业能力产品。

未来，百灵将继续向上提升开发者Agent能力天花板，向下降低普通用户使用门槛，向外深化模型专业性，推动模型从技术参数竞争转向真实任务价值创造。

Ling Studio：
https://ling.tbox.cn
OpenRouter：
https://openrouter.ai/inclusionai/ling-3.1-flash
HuggingFace：
https://huggingface.co/inclusionAI/Ling-3.1-flash
ModelScope：
https://modelscope.cn/models/inclusionAI/Ling-3.1-flash