螞蟻版Muse背後模型開源！Agent測評趕超Deepseek-V4-Pro

作者 | 孫小雯 編輯 | 程茜 10月29日消息，昨日，螞蟻百靈開源面向Personal Agent場景進一步訓練Ling-3.1-flash-1019，並同步開放基礎模型Ling-3.1-flash-base。1019版支持最高100萬Token上下文窗口，主要面向複雜推理和智能體任務。Base版則提供後訓練前的基礎權重，供開發者繼續訓練。其中，1019版在第三方大模型評測機構Artificial Analysis（以下簡稱AA）的智能指數v4.3.2評測中獲得44分，較Ling-3.1-flash提高3分。截至10月27日，該模型在同規模開放權重模型中排名第4。上一代Ling-3.

1-flash於9月30日發佈。時隔不到一個月，螞蟻百靈便推出1019升級版，通過後訓練，進一步提升模型處理複雜工作流和多步驟任務的能力。這次升級也與螞蟻旗下個人AI助理靈光的使用需求有關。10月27日，螞蟻集團發佈靈光2.0，新增跨會話記憶、長程任務調度和獨立雲主機等能力。據百靈披露，此前發佈的Ling-3.1-flash已結合靈光等應用的需求和反饋開展對齊訓練。性能提升帶來了更高的Token消耗。據AA統計，1019版每項智能指數評測任務平均輸出約14.5萬個Token，較Ling-3.1-flash增加超40%，單任務平均成本由1.01美元升至1.49美元（約合人民幣9.94元）。

兩款模型均免費開放權重。API定價方面，1019版每百萬Token的輸入價格為0.30美元（約合人民幣2元），輸出價格為0.90美元（約合人民幣6元），緩存讀取價格為0.06美元（約合人民幣0.40元）。模型部署方面，1019版官方模型卡列有SGLang、vLLM推理部署說明。兩款模型均採用MIT許可證，開發者可從Hugging Face、魔搭社區下載權重、自行部署。▲Ling-3.1-flash-1019及Base開源主頁（圖源：Hugging Face） Ling-3.1-flash-1019開源地址： Hugging Face： https://huggingface.

co/inclusionAI/Ling-3.1-flash-1019 魔搭社區： https://modelscope.cn/models/inclusionAI/Ling-3.1-flash-1019 Ling-3.1-flash-base開源地址： Hugging Face： https://huggingface.co/inclusionAI/Ling-3.1-flash-base 魔搭社區： https://modelscope.cn/models/inclusionAI/Ling-3.

1-flash-base 一、1019版複雜任務成績提升，Base模型32項測試領先 此次開源的兩款模型總參數均為5600億，每個Token激活約250億參數，但二者定位不同。Ling-3.1-flash-1019是在9月30日發佈的Ling-3.1-flash基礎上進一步後訓練的模型，面向複雜推理和智能體任務。以行業調研為例，AI需要查找資料、分析數據，再整理成報告；處理辦公流程時，還可能需要調用工具、在多個軟件之間完成操作。AA評測數據顯示，在複雜知識工作測試AA-Briefcase v1.

1中，1019版成績從1398 Elo升至1521 Elo；在流程自動化測試AutomationBench-AA中，該模型成績從62%升至68%。此外，在科學推理測試Humanity’s Last Exam中，其成績從39%升至43%；在物理推理測試CritPt中，從18%升至26%。▲Ling-3.1-flash-1019與上一代模型的部分評測成績對比（圖源：螞蟻百靈） 與經過後訓練的1019版不同，Base保留的是後訓練前的基礎權重，此次百靈主要公佈了知識、數學、代碼、推理和長文本理解等基礎能力的測試成績。據百靈披露，在與DeepSeek-V4-Pro-Base、MiMo-V2.

5-Pro-Base的對比中，Ling-3.1-flash-base在8個領域共47項基準測試裡，有32項取得三款模型中的最高分。這兩款參評模型的參數規模均大於Ling-3.1-flash-base。DeepSeek-V4-Pro-Base總參數為1.6萬億、激活參數490億；MiMo-V2.5-Pro-Base總參數為1.02萬億、激活參數420億，而Ling-3.1-flash-base的總參數僅5600億、激活參數250億。具體來看，在數學測試MATH500中，Ling-3.1-flash-base獲得79.40分，高於DeepSeek-V4-Pro-Base的68.

20分和MiMo-V2.5-Pro-Base的57.20分；在長文本理解測試LongBench中，Ling-3.1-flash-base獲得51.90分，DeepSeek-V4-Pro-Base和MiMo-V2.5-Pro-Base分別獲得17.70分和15.66分。▲Ling-3.1-flash-base與DeepSeek-V4-Pro-Base、MiMo-V2.5-Pro-Base的基準測試成績對比（圖源：螞蟻百靈） 二、百靈視覺模型已用於靈光，上傳作業照片可生成學習計劃 除了對Ling-3.1-flash進行後訓練升級，百靈還在視覺方向訓練了新模型。視覺語言模型Ling-3.

1-flash-VL基於9月發佈的Ling-3.1-flash訓練，在原有推理、規劃和工具使用能力基礎上，增加了對照片、截圖和軟件界面的理解能力。目前，該模型已先行應用於靈光，後續將對外發布。百靈同時展示了靈光的作業輔導案例。家長上傳一張作業照片後，靈光可以核對題目和解題過程，梳理相關知識點。用戶接著提出“用兩週時間鞏固”，靈光便進一步制定了兩週學習計劃，並生成每日學習任務和記錄頁面。▲靈光根據作業照片制定兩週學習計劃（圖源：螞蟻百靈） 三、採用混合線性MoE架構，每個Token激活250億參數 前述視覺模型涉及圖片理解、任務規劃和後續跟進。

對於需要持續處理信息、執行多個步驟的個人Agent，模型的計算開銷也需要控制。此次開源的1019版和Base沿用了Ling-3.1-flash系列的混合線性MoE架構，主要從長文本處理和參數激活兩個方面減少計算量。在注意力機制上，模型包含63層KDA線性注意力和9層門控MLA，比例為7:1。其中，KDA主要用於降低長文本處理的計算開銷，門控MLA則保留更精細的注意力計算能力，兩種注意力機制結合，能夠兼顧處理效率和信息理解能力。此外，MoE架構還通過稀疏激活減少單次計算量。

模型共設有512個路由專家，每個Token激活其中8個，並使用1個共享專家，使模型無需在每次推理都調用全部5600億參數參與計算。▲Ling-3.1-flash系列模型架構（圖源：螞蟻百靈） 訓練方面，Base採用FP8精度訓練，此次開放的是經過權重合並處理後的BF16基礎權重。開發者可以在此基礎上繼續預訓練，也可以通過監督微調、強化學習等方式，讓模型適應特定領域的任務。結語：兩款模型同步開源，Agent應用仍面臨成本考驗 從最近一個月的動作來看，百靈正在結合靈光等產品的需求，推進模型的後訓練和視覺能力開發。

此次同步開放1019版和Base權重，也讓外部開發者能夠直接部署升級模型，或基於基礎權重繼續訓練。但更高的複雜任務成績也對應著更高的推理消耗。目前，1019版單任務平均成本漲幅接近48%。靈光2.0已經開始提供價格監測、持續提醒等長程任務功能，這類服務需要多次調用模型、持續跟進信息。隨著Agent從單次對話走向長期運行，完成一項任務消耗多少Token，將直接影響服務成本。